用途：帮助用户从零创建技能、迭代改进已有技能，并衡量技能表现。可先判断用户所处阶段：需要从零定义，还是已有草稿直接进入评估与迭代；也允许跳过正式评估、以对话方式迭代。技能完成后可提供描述优化以提升触发准确率。
主要能力：通过访谈明确技能意图（技能让模型做什么、何时触发、期望输出格式、是否建立测试用例）；撰写 SKILL.md，包含 name（kebab-case）、description（主要触发机制，写明用途与使用场景）、license（MIT）及正文；按渐进式披露组织技能结构，SKILL.md 建议不超过 500 行，超出内容移入 references/，脚本放 scripts/，输出素材放 assets/；多领域技能可按变体拆分参考文件。
使用方式：编写 2-3 个真实测试提示并保存到 evals/evals.json；在同一轮中同时启动带技能与基线两组子代理运行，结果放入 <skill-name>-workspace/ 并按 iteration-N/eval-ID 组织；运行期间起草可客观验证的断言；运行完成后记录 total_tokens 与 duration_ms 到 timing.json；评分并聚合基准，命令为 python -m scripts.aggregate_benchmark <workspace>/iteration-N --skill-name <name>；用 eval-viewer/generate_review.py 启动查看器，无显示环境可用 --static 输出独立 HTML；读取 feedback.json 后继续改进并重复迭代。
适用场景：需要把已有工作流固化为技能、优化技能触发描述、为技能建立可量化评估与基准对比时。
限制：资料未提供具体收费、价格、平台支持范围与效果保证；盲对比为可选且需要子代理；打包与展示仅在存在 present_files 工具时进行。