Skill Judge 是一个面向 Agent Skills 的评估工具，依照官方规范与最佳实践，通过 8 维度评分框架对技能进行打分（总分 120 分），并输出结构化评估报告。
用途与评估场景
根据资料中的决策树，Skill Judge 依据评估上下文选择评估重点：快速审查（5-10 分钟）侧重描述与知识增量，用于初步筛选与分类；完整审计（20-30 分钟）覆盖全部 8 个维度，用于综合质量评估；合规性检查（5 分钟）聚焦 Frontmatter 与描述，仅做格式验证；改进指导（30 分钟以上）覆盖全部维度并提供详细反馈，用于技能优化。
工作流程
工作流分为五步。第一步：加载评估框架，资料明确要求必须从头到尾完整阅读 evaluation-guide.md，且阅读时不得设置任何范围限制。第二步：快速扫描（5 分钟），完整阅读 SKILL.md，识别技能类型（Mindset 约 50 行、Navigation 约 30 行、Philosophy 约 150 行、Process 约 200 行、Tool 约 300 行）、行数是否与类型匹配、描述质量是否包含 WHAT、WHEN 与关键词，以及知识增量中是否存在明显“讲解基础”的章节。第三步：维度评估（15-20 分钟），按以下优先顺序逐项评估：D4 规范合规（描述）15 分；D1 知识增量 20 分；D7 模式识别 10 分；D5 渐进式披露 15 分；D2 思维模式与流程 15 分；D3 反模式质量 15 分；D6 自由度校准 15 分；D8 实用可用性 15 分。第四步：分数计算，汇总各维度得分（上限 120 分），计算百分比并评定等级：96-120 为 A（优秀，可投入生产）、84-95 为 B（良好，需少量改进）、72-83 为 C（可接受，需适度改进）、60-71 为 D（较差，需大量改进）、低于 60 为 F（不合格，需重大重设计）。第五步：生成报告，资料同样要求必须完整阅读 scoring-guide.md 后再生成报告。
报告输出格式
报告包含：概述（技能名、类型、总分与百分比、等级）；维度得分表（D1-D8 各维度得分、满分与简要说明）；必须修复的关键问题；应当修复的改进建议；应当保留的优势。
各维度评分要点
知识增量（D1）的红旗信号包括“什么是 XX”等基础概念章节、标准操作的逐步教程、讲解常用库用法、泛泛的最佳实践（如“写整洁代码”）以及行业标准术语的定义；绿灯信号包括非显而易见选择的决策树、只有专家了解的权衡、来自真实经验的边缘案例、“绝不要做 X，因为某个非显而易见的原因”以及领域特定的思维框架。反模式质量（D3）评分区间为：0-3 分未提及反模式；4-7 分泛泛警告（如“避免错误”）；8-11 分具体的 NEVER 清单并附部分理由；12-15 分专家级反模式并说明原因。描述质量（D4）必须回答 WHAT（功能）、WHEN（触发场景）、KEYWORDS（可搜索词）。模式识别（D7）对应类型与适用场景：Mindset 约 50 行用于需要品味的创意任务；Navigation 约 30 行用于多个不同子场景；Philosophy 约 150 行用于需要原创性的艺术创作；Process 约 200 行用于复杂多步项目；Tool 约 300 行用于特定格式的精确操作。自由度校准（D6）：高自由度用于创意/设计任务；中自由度用于代码审查等基于判断的任务；低自由度用于文件格式操作（docx、pdf、xlsx）。
评估时的禁止事项
评分错误方面：绝不因“专业排版”本身给高分，内容最重要；绝不忽略 token 浪费，每个冗余段落都应扣分；绝不被篇幅打动，43 行的技能可能胜过 500 行的技能；绝不假设所有流程都有价值，要区分领域特定与通用内容。评估错误方面：绝不跳过对决策树的脑内测试；绝不以“提供了有帮助的背景”为由原谅基础讲解；绝不忽视缺失的反模式（没有 NEVER 清单即显著缺口）；绝不低估描述字段（描述差等于技能永远不会被使用）。报告错误方面：绝不给出“提升质量”这类模糊反馈；绝不在不解释原因的情况下建议修改；绝不提供没有可操作改进建议的分数。
适用场景与限制
该工具适用于审查 SKILL.md 文件质量、审计技能、检查格式规范与优化技能。资料未提供关于收费、价格、平台支持范围或实际使用效果的信息。具体安装方式与运行环境在资料中暂未提供。