huangwb8 Find Best Skill
目标
当用户明确要求"搜索技能"、"寻找 Agent Skill"、"查找某个领域的 skill"、"推荐最佳 skill"时使用。支持多平台搜索（GitHub、SkillsMP、Reddit）和社区/AI 双维度评价，推荐数量可根据用户指令动态调整（默认 5-10 个，支持 3-20 个）。⚠️ 不适用：用户只是询问"有没有某个技能"（应直接回答）、只是想了解技能列表（应直接列举）、没有明确"搜索/寻找/查找/推荐"意图。
流程
输入
使用场景
当用户需要：
- 寻找特定功能的 Agent Skill
- 了解社区中某个领域的最佳实践方案
- 对比不同技能的优劣
- 发现已有技能的替代方案
依赖关系
可选依赖：
- get-review-theme skill：用于需求解构（第 1 步）
- 如果用户未安装该 skill，可直接分析用户需求提取主题和关键词
执行步骤
核心工作流
1. 需求解构
分析用户需求，提取核心主题和关键词：
优先使用 get-review-theme skill（如已安装）：
/skill get-review-theme "用户原始需求描述"
如未安装：直接分析用户需求，从用户输入中提取核心主题、关键词、具体问题。
2. 缓存查询
优先检查本地缓存，快速匹配历史技能：
# 使用缓存管理器搜索匹配技能
python scripts/cache_manager.py --search "关键词1" "关键词2" --limit 10
说明：
- 默认缓存参数来自
config.yaml:cache（单一真相来源） - CLI 参数（如
--cache-dir）会覆盖config.yaml
命中策略：
| 情况 | 处理方式 |
|---|---|
| 有命中 | 展示本地结果 → 询问用户"是否联网扩展？" → 用户选择 |
| 无命中 | 直接进入联网搜索（第 3 步） |
用户交互话术：
基于本地缓存，我找到 {N} 个相关技能：
{展示本地结果}
💡 发现 {N} 个候选，是否联网扩展搜索以获取更多最新结果？
- 回复"是"或"联网"进行在线搜索
- 回复"否"或"直接使用"直接输出以上结果
3. 社区调研
基于解构结果，使用 WebSearch 类工具或搜索类 MCP 工具（如 SearXNG、Tavily）进行多平台搜索。
搜索平台：
| 平台 | 搜索语法示例 | 搜索重点 |
|---|---|---|
| GitHub | site:github.com "SKILL.md" {关键词} |
开源项目、Stars、Forks |
| SkillsMP | site:skillsmp.com {关键词} skill |
技能市场、人气排序 |
| awesome-claude-skills | 直接访问 github.com/VoltAgent/awesome-claude-skills |
社区精选 |
site:reddit.com/r/ClaudeCode {关键词} |
用户讨论、真实反馈 |
搜索关键词组合（见 config.yaml:search_keywords）：
{topic} claude skill（如TDD claude skill）{topic} agent skill{topic} claude code
搜索示例：
# GitHub 搜索 TDD 相关技能
site:github.com "SKILL.md" TDD claude
# 搜索测试驱动开发技能
"test driven development" agent skill github
# Reddit 社区讨论
site:reddit.com/r/ClaudeCode TDD skill
辅助脚本（可选）：
# 生成研究检查清单模板
python scripts/get_skill_info.py "repo1,repo2,repo3"
4. 结果合并与缓存更新
如果联网搜索：将本地缓存结果与联网搜索结果合并：
| 操作 | 说明 |
|---|---|
| 去重 | 基于 skill_name 或 GitHub URL 去重 |
| 数据源标记 | 本地/联网分别标记（source: local/online） |
| 排序优化 | 联网结果优先（最新数据），本地结果补充 |
缓存更新：将联网搜索到的新技能写入缓存
from scripts.cache_manager import CacheManager
manager = CacheManager()
manager.add_skill(
skill_name="skill-name",
meta={
"url": "https://github.com/xxx/skill",
"description": "技能描述",
"stars": 1234,
"last_updated": "2026-01-18",
"source": "online"
},
keywords=["tdd", "testing"],
tags=["official", "workflow"]
)
5. 社区舆情分析
对每个候选 skill，收集以下信息：
社区评价维度：
- GitHub Stars 数量
- 最近更新时间
- Issue 响应速度
- Fork/Watch 比例
- 社区讨论热度
质量信号：
- 是否有官方支持（Anthropic、OpenAI）
- 是否被知名团队使用（Sentry、Vercel）
- 文档完整性
- 代码质量
6. AI 评价
从 AI 视角评估每个 skill：
技术维度：
- 工作流设计的合理性
- YAML frontmatter 质量
- Progressive Disclosure 实现程度
- 与现有生态的兼容性
实用性维度：
- 使用场景覆盖度
- 配置灵活性
- 扩展性
- 维护活跃度
7. 生成推荐报告
按最合适至最不合适排序，推荐 skills。
推荐数量规则（详细参数见 config.yaml:recommendation）：
优先级1：用户明确指定
- 解析用户指令中的数量关键词（如"推荐 3 个"、"给我 15 个候选"）
- 示例：
"找 5 个最好的 TDD skill"→ 推荐数量 = 5
优先级2：使用默认范围
- 默认目标数量：见
config.yaml:recommendation.target_count - 可调整范围：见
config.yaml:recommendation.default_min/default_max
- 默认目标数量：见
边界约束：
- 最少：见
config.yaml:recommendation.absolute_min - 最多：见
config.yaml:recommendation.absolute_max
- 最少：见
每个 skill 包含：
## N. {Skill Name}
**GitHub**: [项目地址](https://github.com/xxx/xxx)
### 推荐理由
**社区评价**：
- ⭐ {Stars} | 🍴 {Forks} | 📅 {最后更新}
- {社区使用情况、知名团队引用等}
**AI 评价**：
- {技术优势}
- {工作流设计亮点}
- {与需求匹配度}
### 局限性
- {潜在短板}
- {适用场景限制}
- {依赖或平台要求}
辅助脚本
缓存管理
# 查看缓存统计
python scripts/cache_manager.py --stats
# 搜索缓存中的技能
python scripts/cache_manager.py --search "关键词1" "关键词2" --limit 10
# 清理特定技能缓存
python scripts/cache_manager.py --clear "skill-name"
# 清理所有缓存
python scripts/cache_manager.py --clear
批量获取技能信息
# 生成研究检查清单模板
python scripts/get_skill_info.py "repo1,repo2,repo3"
参考资源
- Agent Skills 调研报告
- SkillsMP 搜索指南
示例
用户输入：找一个能做 TDD 的 skill
输出示例：
基于您的需求 "测试驱动开发（TDD）"，我为您推荐以下 skills：
## 1. test-driven-development
**GitHub**: [obra/test-driven-development](https://github.com/VoltAgent/awesome-claude-skills)
### 推荐理由
**社区评价**：
- ⭐ 1.2k+ | 🍴 150+ | 📅 2周前更新
- 被多个团队采用，社区活跃讨论
**AI 评价**：
- 强制 Red-Green-Refactor 循环，确保 TDD 严格执行
- 支持多种测试框架
- 渐进式加载设计，性能优秀
### 局限性
- 对测试框架有预设（可能不支持您使用的框架）
- 初次使用需要适应其严格的流程要求
## 2. tdd-workflow
**GitHub**: [anthropics/tdd-workflow](https://github.com/anthropics/skills)
### 推荐理由
**社区评价**：
- ⭐ 官方维护 | 📅 持续更新
- Anthropic 官方最佳实践
**AI 评价**：
- 与 Claude Code 深度集成
- 简洁的工作流设计
- 灵活的测试适配
### 局限性
- 功能相对基础，高级特性较少
- 专注于 Claude Code 生态
[... 继续推荐 3-8 个 skills]
输出
输出规范
推荐数量
动态确定规则：
优先级 1：用户明确指定
- 解析用户指令中的数量关键词（如"推荐 3 个"、"给我 15 个候选"）
- 示例：
"找 5 个最好的 TDD skill"→ 推荐数量 = 5
优先级 2：使用默认范围
- 用户未指定时，使用 5-10 个
- 根据候选质量和相关性灵活调整
边界约束：
- 最少：3 个（确实找不到更多时）
- 最多：20 个（避免信息过载）
排序：按推荐度降序排列
筛选标准
必须满足：
- 有 GitHub 仓库地址
- 有有效的 SKILL.md 文件
- 有明确的功能描述
优先推荐：
- 官方维护（Anthropic、OpenAI）
- 高 Stars（>100）
- 最近更新（6个月内）
- 有完整文档
排除条件：
- 没有 GitHub 链接
- 仓库已归档
- 超过 1 年未更新
- 文档严重缺失
数量解析示例
| 用户指令 | 解析结果 | 说明 |
|---|---|---|
"推荐 3 个 TDD skill" |
3 个 | 明确数字 |
"给我 15 个候选" |
15 个 | 超出默认范围但有效 |
"找一些 debug 技能" |
5-10 个 | 未指定，使用默认 |
"只要最好的一个" |
1 个 | 少于最少边界，但用户意图明确 |
"列出所有相关的" |
5-10 个 | 无明确数量，使用默认 |
输出管理
BenszAPI 任务工作区
校验
质量检查清单
触发验证（执行前）：
- 用户明确要求"搜索/寻找/查找/推荐"技能
- 非简单询问"有没有某个技能"（应直接回答）
输出验证（执行后）：
- 每个推荐都有 GitHub 链接
- 推荐理由包含社区和 AI 双重视角
- 局限性分析真实客观
- 排序逻辑清晰可解释
- 总数符合"输出规范"的约束（见上文"推荐数量规则"）
失败与恢复
搜索、缓存与候选失败
get-review-theme未安装时直接从用户需求提取主题和关键词，不把可选依赖故障当作任务失败。- 本地缓存无命中时进入联网搜索；联网来源不可用或部分失败时，明确标记失败来源并使用仍可验证的缓存/搜索结果，不虚构 Stars、更新时间、链接或社区评价。
- 候选缺少 GitHub 链接、有效
SKILL.md、明确功能描述，或命中排除条件时剔除并在数量不足时说明原因，不用低质量结果填充数量。 - 缓存写入、辅助脚本或单个平台失败时保留已收集的结果和错误信息；只有满足来源可追溯、排序和数量约束的候选才进入最终推荐报告。
约束
公共硬约束
本块由 docs/templates/skill-common-constraints.md 统一维护；每个 SKILL.md 的 ## 约束 必须逐字同步本块，不得在副本中改写公共规则。
- 任务需要落盘时，使用唯一的
./.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/根目录；共享材料放入shared/，Skill 专属材料放入该 Skill 的input/、output/、log/。 - 正式交付物、源代码和正式计划按项目约定保存，不写入任务工作区；未经授权不覆盖、删除、迁移或远程写入。
- 项目维护变更检查 BAC 可用性并记录需求、AI 产出、工具结果、文件改动和验证摘要；BAC 只做过程审计，不替代署名、责任或合规判断。
- 不记录 API Key、访问令牌、密码、Cookie、环境/凭据文件、私有 Prompt、身份信息、本地用户名、主机名或不必要的大体积原始数据。
- 文件路径必须规范化并限制在授权项目范围内；外部 URL、子进程和网络访问遵循最小权限，防止路径遍历、SSRF 和命令注入。
- Skill 版本唯一记录在自身
config.yaml:skill_info.version；公开 API、协议、目录或配置变更同步文档与CHANGELOG.md。 bensz-collect-bugs是一个 Agent Skill；仅将 Bensz Agent Skill 或 Bensz 基础设施本身的设计缺陷交给它。先脱敏写入~/.bensz-skills/bugs/，当前任务不中断，只有用户明确要求才公开上报，禁止直接修改用户已安装的 Skill 源码。