用途：对现有 Claude Code 技能进行改进与迭代，依据使用反馈、测试结果或需求变化进行优化。
主要能力：按问题类别诊断并修复。A 触发问题：触发不足、过度触发、错误触发；B 执行问题：工作流未完成、输出不符预期、缺少错误处理、性能或 token 消耗过高；C 架构问题：缺少新能力、规模过大需拆分、交叉引用失效；D 质量问题：结果不一致、指令模糊、缺少示例。对应修复包括补充/收紧 description、加入否定触发条件、增加步骤间校验门与回退路径、用具体示例替代模糊指令。
使用方式：先诊断问题，再按类别修复；采用迭代工作区记录每次改进，结构如 eval-workspace/iteration-N，含 with_skill、baseline、benchmark.json、benchmark.md、feedback.json。迭代循环：应用修复 → 运行 /skill-forge eval <path> 至 iteration-<N+1>/ → 运行 /skill-forge benchmark <path> --previous iteration-<N>/ → 查看基准对比 → 收集反馈 → 继续迭代；当用户满意、反馈为空、无实质进展或达标时停止。快速修复可用自愈循环：应用修复、用原失败用例测试、再用 3 个用例做回归检查。触发问题可用自动化优化：python scripts/generate_eval_set.py <path>，python scripts/optimize_description.py <path> --eval-set evals.json，按测试集（非训练集）得分选择描述，最多迭代 5 次。架构演进分 Tier 1→2 加脚本、Tier 2→3 拆分子技能、Tier 3→4 引入 agents。最后更新 metadata.version、补充学习记录、更新交叉引用并运行 python scripts/validate_skill.py <path> 验证。
适用场景：技能触发不准、执行中断、输出不稳定、需要扩展能力或拆分架构时。
限制：资料未提供具体价格、平台支持范围与效果数据；命令与脚本需在具备相应环境的 Claude Code 项目中使用。