用途：skillz 用于新增、改进、审计、wedge（把固定计算拆成 CLI）和 autoimprove 技能；improve 与 audit 也接受子代理（agent）定义。核心理念是让定义可预测：每次运行、每个 harness 上走同一流程。
主要能力：模式由技能名后的第一个词决定，包括 add、improve（别名 optimize、tighten）、audit、wedge、autoimprove（别名 experiment）。add 创建 skills/<name>/ 并通过评分标准；improve 对 SKILL.md 或 agent 文件给出批准修复与残留发现；audit 只读目标、产出校准报告，绝不修改目标；wedge 把目标技能中的固定工作移入 CLI；autoimprove 在隔离目录运行实验，产出 holdout 门控结论与私有候选补丁。
使用方式：每个模式需要目标，缺失时询问。audit 与 improve 的 Usage 环节运行 scripts/agent-session-analytics.pyz ingest 刷新分析缓存；autoimprove 需读 references/experiments.md，运行 scripts/skillz-experiment.pyz run，回答编码停止点后 export，最多问三个问题（harness 与模型、用例批准、预算批准）。共享协议先读取并分类目标，运行 python3 <this-skill-directory>/scripts/skillz-experiment.pyz audit-facts <skill-directory> 与 python3 -I <this-skill-directory>/scripts/inspect-skill.pyz <target>，再按评分标准逐项打分并校准。
适用场景：需要让技能定义更可预测、跨 harness 可移植、控制正文 token 预算、消除冗余与沉积、把确定性计算卸载为脚本时。
限制：audit 不修改目标；wedge 只改技能，不改 agent 文件；autoimprove 不要求契约或用例清单；DuckDB 缺失时需读 raw-log-fallback 并征得同意才能扫描；资料未提供具体收费、价格与平台支持细节。