用途
Document Audit & Feature Extraction 是一个用于系统化审计文档集合的技能。它帮助使用者清点、评估并提取文档集合中的结构化数据，从而了解文档库的现状、质量与结构问题。
主要能力
该技能围绕四阶段审计框架展开：
阶段一：清点（Inventory）
回答“存在什么”。通过自动化脚本遍历指定根目录下的文档（默认匹配 .md、.txt、*.yaml），为每个文档生成条目，记录路径、名称、扩展名、字节大小、修改时间、字数以及是否包含 frontmatter。最终可生成清单报告，包含文档总数、带 frontmatter 的数量和总字数。
阶段二：分类（Classification）
回答“每个文档是什么类型”。技能提供文档类型分类表，依据信号将文档归入以下类型：skill（skills/ 目录下带 YAML frontmatter 的文档）、configuration（YAML/JSON schema，如 seed.yaml、registry.json）、guide（含步骤结构的教程）、reference（API 文档、schema 文档）、decision（ADR 格式，含选项与决策）、changelog（按日期排序的条目）、policy（规则与约束）。同时提供自动化分类函数，根据路径和内容特征返回类型。
阶段三：质量评估（Quality Evaluation）
回答“质量如何”。技能提供质量评分卡，按五个维度加权评分：完整性（30%）、准确性（25%）、清晰度（20%）、结构（15%）、维护性（10%）。同时提供自动化质量检查函数，检查项包括：是否有标题、是否有至少两个二级标题、长度是否合理、是否残留 TODO/FIXME、是否有空链接、是否包含代码示例、frontmatter 是否完整，并计算综合得分。
阶段四：特征提取（Feature Extraction）
回答“能提取哪些结构化数据”。技能提供 frontmatter 提取函数和特征提取函数，可抽取标题列表、代码块数量、链接、图片、表格、待办事项等。此外还支持交叉引用映射，构建文档之间的出链和入链图；以及缺口分析，识别缺失的必需文档、推荐文档、孤立文档和空文件。
使用方式
该技能以 Python 代码示例展示各阶段的具体实现，使用者可参考这些函数在自己的文档库上运行审计流程。技能本身未提供安装命令或独立 CLI 工具，具体集成方式暂未提供。
适用场景
适用于需要批量管理文档库、评估文档质量、发现结构性问题（如孤立文档、断链、缺失文档）的场景，例如维护技能库、项目文档、知识库或规范文档集合。
限制与反模式
技能明确列出若干反模式：仅手动审计（应尽可能自动化，人工判断保留给质量评估）、只审计不行动（每个发现应映射到修复动作）、一次性审计（应建立持续监控而非时间点快照）、只计数不评估（文档数量是虚荣指标，质量分数才可行动）、没有基线（审计前应建立质量基准）、忽略交叉引用（孤立文档和断链表明结构问题）。
暂未提供的信息
该技能的收费方式、价格、平台支持、具体安装步骤和独立运行方式在资料中暂未提供。