用途：帮助用户创建新的技能，并迭代改进已有技能，同时测量技能表现。适用于从零创建技能、编辑或优化技能的场景。
主要流程：先明确技能要做什么、大致如何实现；写出技能草稿；准备若干测试提示，并在可访问该技能的环境下运行；帮助用户从定性和定量两方面评估结果；用 eval-viewer/generate_review.py 展示结果；根据反馈及量化指标重写技能；重复直到满意；再扩大测试集规模重试。使用时需判断用户处于流程哪一步，并据此协助推进；若已有草稿可直接进入评估与迭代，若用户不需要大量评估也可灵活配合。技能完成后还可运行技能描述改进脚本以优化触发。
技能结构：必备 SKILL.md，含 YAML frontmatter（name、description 必填）与 Markdown 指令；可选附带脚本、参考文档与资源文件，采用渐进式披露的三级加载。description 是主要触发机制，应同时写明技能做什么以及何时使用。
测试与评估：测试用例保存在 evals/evals.json；在 <skill-name>-workspace/ 下按迭代组织，并同时运行带技能与基线（新技能无技能、改进技能用旧版快照）两组。运行中起草断言，运行完成后记录 timing.json，再评分、聚合为 benchmark.json/benchmark.md，并启动查看器展示定性与定量结果。也可用 --static 输出独立 HTML。
限制与注意：技能不得包含恶意软件、利用代码或其他危害系统安全的内容；不得协助创建误导性技能或用于未授权访问、数据外泄等恶意活动。查看器依赖 grading.json 中 text、passed、evidence 字段名。资料中部分内容（如改进技能的后续步骤）被截断，暂未提供完整说明。