Skill Reliability Analysis 是一个面向 Agent Skill 的可靠性分析技能，其目标是评估一个技能是否既能被正确触发，又能完整执行完毕，并给出可验证的修复建议。
核心模型 该技能把技能的有用性定义为两个概率的乘积：P(useful) = P(triggers correctly) × P(workflow completes | triggered)。其中第一个因子是触发可靠性，由流程的第 3 步评分；第二个因子是复合工作流可靠性，由第 4 至第 5 步评分。具体步骤性质、基线、层级以及三个可靠性杠杆记录在 framework.md 中。
触发方式 用户可以使用命令 /skill-reliability <skill-name> 分析指定名称的技能；也可以用 “steps vs reliability”“hit rate”“trigger precision”“confiabilidade” 等说法针对某个技能发起分析。
工作流程 整个流程共分 8 步：
- 定位技能：若参数为空或请求范围过宽（如“所有技能”“从哪个技能开始”），先读取 discovery.md 确定范围；否则按顺序在当前仓库的 skills/ 子目录、.claude/skills/、~/.claude/skills/ 中解析技能路径。找不到时告知用户并停止。
- 读取技能文件：读取 SKILL.md 以及 references/ 下的所有文件（存在 instructions/ 时也读取），完整构建技能定义的全部工作流图景。
- 触发可靠性：先运行确定性 linter：python3 <this-skill>/scripts/trigger_lint.py <skill-dir>；随后按 trigger-eval.md 用显式、隐式、否定和模糊请求探测 name + description，推理“触发”与“应触发”的差异，并在探测落空时起草 description 修复。最终给出 Clean / Leaky / Narrow 判定以及可能的改写。
- 映射步骤：用 python3 <this-skill>/scripts/inventory.py <skill-dir> 确定性地枚举工作流及其编号步骤，并按 framework.md 为每一步分配 Nature、Baseline 与 Risk。
- 评估复合可靠性：把各基线相乘得到端到端乘积和层级，把数值传给 inventory.py --product "<b1> <b2> …" 做确定性算术，并保持每步基线可见以便审计。对链式技能（commit → PR → finish）还要计算全链路乘积。
- 识别方差最高的三个步骤，每个步骤写成一个带标签的块，包含：失败模式（具体出错的坏输出，而非“它会波动”）、为何波动（步骤性质及其内部复杂度）、杠杆（scripts / idempotence / explicit I/O）、建议（具体修复；若为触发修复则给出可直接粘贴的 description 改写）、预期收益（基线变化及其对工作流乘积的影响）。
- 输出分析：按 output-template.md 中的严格模板生成报告。
- 应用修复：仅在用户确认后才应用变更。description 改写直接写入目标 SKILL.md；工作流或脚本变更按请求逐项实现，每项完成后重新运行其验证检查。无法说明验证步骤（第 7 步）的变更不得应用。
准则
- 只能使用 framework.md 中的步骤性质分类，不得自创类别。
- 提示驱动的防护（如“discard X”“block Y”）永远无法与结构化隔离相提并论，必须指出。
- 条件分支按条件基线算作一个步骤，而非多个。
- 链式工作流的每个编号子步骤单独计数。
- 触发可靠性是链条的门槛：Leaky 或 Narrow 判定会封顶 P(useful)，无论工作流得分多高。
- 每条建议都带有预期收益和验证步骤；不得提出无法验证的变更。