Skill 验证

springboot-verification 是面向 Spring Boot 项目的验证闭环，帮助你在提交 PR 或部署前确认改动是否安全。可用这份 springboot-verification 指南进行构建校验、静态分析、带覆盖率的测试、安全扫描以及 Skill Validation。

santa-method 是一套多智能体验证工作流，适用于那些在发布前必须确保正确无误的输出。它通过独立复核来发现内容、代码相关交付物、合规敏感文案以及工作流自动化任务中的盲点。若你需要一个可重复的“生成、验证、收敛”循环，就安装 santa-method 技能。

rules-distill 是面向 Skill 作者和 prompt 库策展人的维护型技能。它会扫描已安装的技能，把重复模式提炼成可复用的规则，并帮助你以比通用审查提示更少的猜测，去追加、修订或创建规则文件。

eval-harness 技能是面向 Claude Code 会话和 eval 驱动开发的正式评估框架。它可以帮助你定义通过/失败标准，构建能力评估和回归评估，并在发布 prompt 或工作流变更前衡量 agent 的可靠性。

continuous-learning-v2 将 Claude Code 会话转化为按项目作用域的学习流程，结合 hooks、observer agents、置信度评分，以及把重复模式晋升为 skills、commands 或 agents。

context-budget 技能会审计 Claude Code 在 agents、skills、rules 和 MCP servers 中的上下文使用情况。它能帮助识别臃肿内容、重复内容和高成本组件，并返回按优先级排序的清理建议。这个 context-budget 指南适合需要实际使用 context-budget 的场景，以及更大规模环境中的 Skill Testing。

agent-sort 是一个具备仓库感知能力的技能，用于制定有证据支撑的 ECC 安装方案。它帮助将 skills、commands、rules、hooks 和 extras 分到 DAILY 与 LIBRARY 两个桶里，让你只安装项目实际会用到的内容。对于安装决策、agent-sort 用法，以及 Skill Authoring 工作流中的实用 agent-sort 指南，都很适合使用该技能。

writing-skills 是一份面向 Skill Authoring 的实用指南，用于以测试驱动的工作流创建、编辑和验证 agent skills。你可以快速了解关键文件、前置条件，以及如何处理压力场景、基线测试，并高效迭代简洁的 `SKILL.md`。

verification-before-completion 是一个用于最终检查的技能，专门防止在缺乏依据时宣称任务已完成。本文说明它适合在什么场景使用、如何从 obra/superpowers 安装，以及怎样让每一条“已修复”“已通过”“可评审”等状态声明都对应到最新的验证证据。

skill-creator 是一个用于 Skill 编写的元技能，可用于起草新技能、修改现有 `SKILL.md`、运行评测、对比不同方案，并借助仓库脚本和审查工具优化触发描述。

evaluation-methodology 技能说明了用于 Model Evaluation 的 PluginEval 评分方法，包括评估层级、评分 rubric、综合评分、徽章阈值，以及如何解读结果并改进薄弱维度的实用建议。

context-degradation 是一项实用技能，用于诊断长流程中的上下文失效问题，包括 lost-in-the-middle、poisoning、distraction、confusion 和 clash。它可以帮助你定位上下文是在哪里断裂的，决定先改什么，并为 Skill Authoring、prompt 放置和生产环境中的 agent 调试提供一套可重复执行的 context-degradation 指南。

context-fundamentals 是一份面向 AI agent 系统的 context engineering 实用指南。它能帮助你判断哪些内容该放进 prompt，排查 context 问题，并通过更清晰的 context 结构管理 token 预算。当你需要一份扎实的 context-fundamentals 指南，用于 agent 设计和 prompt 优化时，就适合使用这项 context-fundamentals 技能。

skill-builder 帮助 skill 作者借助 Skill Seekers，将文档、GitHub 仓库、PDF、视频和代码库转化为可供 AI 使用的 skills。它包含来源类型检测、推荐工作流以及基于工具的步骤，帮助你进行可重复的 skill 编写，而不是一次性提示词试验。

testing-handbook-generator 是一个元技能，用于基于 Trail of Bits Testing Handbook（appsec.guide）创建 Claude Code skills。它帮助技能作者、安全工程师和维护者把手册章节转化为可复用的技能，并具备清晰的工作流、范围控制和可重复的生成流程。当你需要一份用于从 handbook 到 skill 编写的 testing-handbook-generator 指南时，就使用这个技能。

audit-prep-assistant 使用 Trail of Bits 的检查清单，为 Security Audit 进行代码库预备。它可以帮助设定审查目标、运行静态分析、提升测试覆盖率、清理无用代码、记录风险，并生成支持性材料，让审计交接更清晰顺畅。

create-skill-test 用于为 dotnet/skills 中的 agent 技能搭建 eval.yaml 测试文件骨架。可用它来创建技能测试、定义场景、fixtures、断言和 rubric，并降低评测设计中的过拟合风险。它不适合用于运行现有测试、排查 validator 报错或编写 SKILL.md 文件。

create-skill 是一个用于按 dotnet/skills 风格创建新 agent skill 的脚手架生成器。可用它创建有效的 skill 文件夹、生成带 frontmatter 的 `SKILL.md`，并遵循 Skill Scaffolding 的仓库约定。它更适合新技能创建，不适合编辑已有技能。

skill-optimizer 帮助作者提升 AI 技能的激活率、清晰度和跨模型可靠性。适合用于 Skill Authoring：当技能已经写好却总是跟不对、触发条件不够明确、出现回归，或需要压缩上下文成本时使用。它支持基准测试循环、发布门禁，以及更高的使用一致性。

skill-judge 是一项用于审查和评分的技能，适合审计 AI 技能包和 SKILL.md 文件。它可帮助作者与维护者评估知识增量、激活清晰度、工作流质量以及发布准备度，并提供可落地的改进建议。

Judge 是一个两阶段评估技能：先启动 meta-judge，再启动 judge 子代理，在隔离上下文、证据和明确标准下对作品打分。适合用于代码、写作、分析或 Skill Authoring 的仅报告式审查；当你需要一份站得住脚的 judge 指南，而不是随口给出的意见时，它尤其合适。

do-and-judge 技能通过子代理执行步骤、独立评审和基于重试的验证来完成单个任务，直到通过或达到最大重试次数。对于需要明确验收标准、隔离执行，并且比通用 prompt 更少猜测的 Workflow Automation 场景，适合使用 do-and-judge。

llm-patterns 可帮助你设计 AI 优先的应用逻辑：由 LLM 负责推理、抽取和生成，由代码负责校验、路由和错误处理。使用 llm-patterns 技能，可获得更清晰的 prompt 结构、可测试的 LLM 工作流，以及面向 Skill Authoring 的实用指导。

darwin-skill 通过一个可重复的闭环来改进 SKILL.md 文件：先评估，再修订、测试，最后保留或回滚更改。它面向 Skill Authoring，将 rubric 评分与基于 prompt 的验证结合起来，并支持从 repo 模板和 assets 生成可视化结果输出。