用途
skill-creator 用于创建新的 AI 技能（skill）并迭代改进它们。它覆盖技能开发的完整闭环：明确需求、撰写草稿、设计测试用例、定量与定性评估、根据反馈重写、扩大测试规模，以及最后优化技能描述以改善触发效果。它也能用于改进已有技能草稿，直接进入评估与迭代环节。
主要能力
- 梳理意图：确认技能应让模型做什么、何时触发、期望输出格式，以及是否需要测试用例。
- 编写 SKILL.md：包含 name（技能标识）、description（触发条件与功能说明，是主要触发机制）、compatibility（可选依赖）及正文说明；正文建议控制在 500 行以内，并按需引用 scripts/、references/、assets/ 等资源。
- 测试用例：生成 2-3 个真实场景测试提示，保存到 evals/evals.json。
- 对照运行：每个用例同时启动带技能与不带技能（或旧版本快照）两个子代理，输出分别保存到 with_skill/ 与 without_skill/（或 old_skill/）。
- 定量断言与评分：编写可客观验证的断言，由评分代理按 agents/grader.md 评估，结果写入 grading.json（字段为 text、passed、evidence）。
- 基准汇总：运行 python -m scripts.aggregate_benchmark 生成 benchmark.json 与 benchmark.md，包含通过率、耗时与 token 消耗，并做分析以发现非区分性断言或高方差用例。
- 结果查看：使用 eval-viewer/generate_review.py 启动查看器；无显示环境可用 --static 输出独立 HTML，反馈以 feedback.json 回传。
- 描述优化：技能完成后可运行专门的描述改进脚本，提升触发准确率（该技能提到模型有“触发不足”的倾向，描述可写得稍“主动”一些）。
使用方式
在 Cherry Studio 中，技能存放在受管理的注册表中，并与文件系统自动同步，无需安装或注册工具，也无需执行 .skill 打包步骤。通过 echo "$CHERRY_STUDIO_SKILLS_DIR" 解析技能目录，在该目录下创建小写连字符命名的技能文件夹，写入 SKILL.md 及支持文件，同步后即出现在应用中，可随时就地修改。SKILL.md frontmatter 中的 name 必须与文件夹名一致，仅含小写字母、数字和连字符。评估工作区（<skill-name>-workspace/、iteration-*/ 等）必须建在技能目录之外，例如用户工作区的同级目录，以免被打包进技能。
适用场景与限制
适用于有客观可验证输出（文件转换、数据提取、代码生成、固定流程）的技能，也适用于输出主观（写作风格、艺术）的技能——后者更适合定性评估而非强行套用断言。技能内容不得包含恶意代码或危害系统安全的内容，也不应违背描述中的意图造成用户意外。测试用例的断言、运行时机数据（timing.json 中的 total_tokens、duration_ms）等需按资料中的流程处理；超出资料描述之外的具体收费、平台支持范围等信息暂未提供。