用途：引导用户创建新技能、修改和完善既有技能，并通过测试与评估衡量技能表现。适合用户从零开始做技能、编辑或优化技能的场合。
主要能力：帮助梳理技能意图与触发场景；起草 SKILL.md；设计测试用例与提示；运行带技能与基线对比；准备定量断言并解释给用户；用脚本聚合基准数据、生成评审视图；根据反馈重写技能并迭代；完成后还可运行技能描述改进脚本优化触发。
使用方式：先判断用户处于流程哪一步再介入。流程大致为：明确技能目标与实现方式，写草稿，创建若干测试提示并运行，帮助用户定性定量评估，必要时用 eval-viewer/generate_review.py 展示结果，根据反馈重写并重复，再扩大测试集。技能结构为 SKILL.md（含 name、description 等 YAML 前置信息与 Markdown 指令）及可选 scripts、references、assets。SKILL.md 建议不超过 500 行，长参考文件加目录，按领域组织参考文件。测试用例写入 evals/evals.json，运行结果放 <skill-name>-workspace/ 并按 iteration 与 eval 分目录。聚合可运行 python -m scripts.aggregate_benchmark <workspace>/iteration-N --skill-name <name>。
适用场景：从零创建技能、把已有工作流沉淀为技能、优化技能触发与描述、对技能做定量基准和定性评审。
限制：技能不得包含恶意软件、漏洞利用或危害系统安全的内容，不应引导误导或未授权访问、数据外泄；主观输出类技能更适合定性评估，不宜强行套断言。资料未提供收费、价格、具体平台支持范围及安装方式等信息。