Skill Optimizer 用于编写与优化 Agent Skills，目标是让技能更易被正确发现、激活时更精简，并且有评测支撑。
主要能力与要求：用 npx --yes skills-ref validate <skill-dir> 校验技能；保证文件夹名与 YAML name 一致、小写加连字符且不出现连续连字符；description 需写清“是什么 + 何时用”，不超过 1024 字符，包含具体触发词，若存在相邻技能则至少给出一个近似但不应触发的边界；SKILL.md 控制在 500 行或约 5k token 以内，工作流类技能建议低于约 1500 token；深度内容放入 references/ 或 scripts/，每个文件都要有明确的“何时阅读”条件；文件引用只保留一层深度，references/*.md 只能链回 SKILL.md 的表格，不能横向链接另一个 references 文件。逐段做 token 测试：若没有这段内容智能体会做错，才保留，否则删除或移入 reference。
触发与输出评测：在 evals/trigger/eval_queries.json 中准备约 20 条带标签的查询，约一半应触发、一半不应触发，并包含近似反例；当技能会改变行为时，在 evals/evals.json 中至少准备 2–3 个案例并加 1 个边界案例。迭代方式是：训练查询失败就泛化描述或指令，再用留出查询复查，避免针对单个失败过拟合关键词。
使用流程：先界定单一连贯职责，范围过窄会导致一次任务加载过多技能，过宽则触发弱；用能力动词加“Use when…”“Do not use for…”写描述；优先写智能体缺失的项目约定、脆弱步骤、默认值、坑点和输出模板；采用渐进披露，SKILL.md 常驻、references/scripts 按需加载；完成评测后按 references/eval-loop.md 给出后续行动建议。起草或修改描述时读 references/description-checklist.md，裁剪时读 references/token-budget.md，加评测时读 references/eval-loop.md，创建技能或选择路径时读 references/layout.md，查询 agentskills.io 政策或规范链接时读 references/official-links.md。
限制：上述为技能定义中的规范与流程，实际支持的工具链、平台兼容性和收费信息暂未提供。