用途：用于为技能仓库建立测试体系，防止技能静默失效或描述退化导致无法激活。适用于新建技能仓库、为已有仓库补充测试覆盖、排查“技能存在却从不激活”、以及评审新增或修改技能的 PR。
三层测试：1）静态校验——解析 frontmatter，检查必需字段是否存在、描述长度，以及 name 与所在目录是否一致，可在每个 PR 上运行。2）内容 lint——检查正文长度、是否含“When to Use”与“Best Practices”章节、是否有代码示例，并识别过时的模型 ID（如 claude-3-*）与 TODO/FIXME/XXX 标记。3）激活测试——为每个技能维护 tests.yaml，包含 should_activate 与 should_not_activate 正反查询，通过激活引擎断言是否命中；没有真实引擎时可用 Claude 自身判定（示例使用 claude-haiku-4-5）。
评分与回归：统计 truePositive/falsePositive/falseNegative，计算 precision 与 recall，目标为 P ≥ 0.85、R ≥ 0.90；精度低说明过度激活，召回低说明激活不足。修改描述后重跑激活套件，例如 npm run test:skills -- --skill memory-tool，标记前后行为变化。代码块可做语法检查，TS 用 tsc --noEmit、Python 用 py_compile。
CI 与线上：在 GitHub Actions 中于 PR 上运行 npm run validate:skills、npm run lint:skills 与 npm run test:activation -- --changed，并对合并设卡；部署后定时用每个技能的已知查询做冒烟测试，发现未激活则告警，以捕获配置漂移。
反模式：无 CI、只校验 frontmatter、激活测试缺少负例、手工测试、忽视分数下降。限制与未提供信息：具体仓库结构、依赖版本、激活引擎实现与告警渠道资料未提供，需按自身环境适配。