用途：帮助用户从零创建新技能，或修改、优化现有技能，并衡量技能效果。
主要能力与流程：先明确技能要做什么、何时触发、期望输出格式，并判断是否需要测试用例；通过提问澄清边界情况、输入输出格式与成功标准，撰写 SKILL.md（含 name、description、compatibility 及正文）。技能采用三级加载：元数据（name+description 常驻上下文）、SKILL.md 正文（触发时加载，建议 500 行内）、按需加载的 scripts/references/assets 资源。
测试与评估：生成 2-3 个真实风格测试提示，写入 evals/evals.json；同一轮并行启动带技能与基线（新建技能为无技能，改进技能为旧版快照）两组子代理运行。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，由评分子代理按 agents/grader.md 评分，结果存 grading.json（expectations 使用 text、passed、evidence 字段）。用 python -m scripts.aggregate_benchmark <workspace>/iteration-N --skill-name <name> 汇总 benchmark，再用 nohup python <skill-creator-path>/eval-viewer/generate_review.py <workspace>/iteration-N --skill-name "my-skill" --benchmark <workspace>/iteration-N/benchmark.json 启动评审页面；无显示环境可用 --static <output_path> 生成静态文件，反馈以 feedback.json 返回后据此迭代，可扩大测试集重跑。完成后可运行技能描述改进脚本优化触发。限制：不得包含恶意、误导或危害安全的内容；应关注沟通对象的技术背景，按需解释术语。具体安装命令与依赖资料未提供。