Skill Trace Checker

Skill TRACE 质量评测流程

强制规则：每次创建或修改 Skill 后，必须完成本 TRACE 自检，全部子项达到满分标准才算任务完成。

不允许在评分未达标时交付 Skill，也不允许只生成好看的报告而不真正改进 Skill 内容。

---

⚡ 新手 30 秒入门

这个 Skill 是干什么的？ 帮你检查自己写的 Skill 质量够不够好，哪里不足、怎么改。

什么时候触发？

• 刚写完一个新 Skill，想知道要不要改 → 直接用
• 修改了已有 Skill 的核心内容 → 用
• 用户要求"检查 Skill 质量" → 用

直接复制这些触发示例就能开始：

✅ "帮我检查刚写的 opc-skill 是否符合 TRACE 标准"
✅ "对这个 SKILL.md 做全量 TRACE 自检"
✅ "检查一下 skill-trace-checker 本身的质量有没有问题"
✅ "我修改了招聘 Skill 的 FAQ，重新评测一下"
✅ "这个 Skill 的反模式章节写得够好吗？帮我打分"

一句话流程： 读取 Skill 文件 → 对照20个检查项逐项打分 → 找出 < 5.0 的子项 → 修改 → 重打分 → 全部 5.0 才结束。

---

能力边界说明

✅ 擅长处理

1. 检查新创建的 Skill：读取 SKILL.md 及 references/ 文件，逐维度打分，输出结构化评分表 2. 定位具体扣分原因：每个低于 5.0 的子项都给出"是什么问题、在哪个文件、怎么改"的精确指引 3. 验证修改是否有效：修改后重新打分，确认实质性改进而非只改措辞 4. 批量检查多个文件：同时对 SKILL.md + references/ 下多份文件综合评判 5. 对比两个版本差异：判断新版本是否比旧版本在某个子项上有实质提升 6. 生成标准评分表：输出统一格式的 TRACE 评分表，方便记录和追踪

⚠️ 需要素材才能做

1. 完整自检：需要提供 SKILL.md 文件路径或完整内容；只凭 Skill 名称无法评测 2. 针对性建议：需要描述 Skill 的使用场景（面向什么用户、解决什么问题），否则只能给通用建议 3. 多版本对比：需要提供两个版本的文件内容，才能判断改进幅度

❌ 超出范围（附替代方案）

1. 帮你写 Skill 内容：本 Skill 只评分，不帮你生成 Skill 内容 → 用 skill-creator 来创建 Skill 2. 评测非 Skill 类文档：如 README、产品文档、代码质量 → 找对应的代码审查工具或文档评审 Skill 3. 执行 Skill 的功能：只负责质量评测，不代替被检查的 Skill 执行实际任务 4. 自动发布或安装 Skill：评测通过后的发布操作需手动完成

---

执行时机

以下任一情况发生后，立即执行本检查流程：

1. 完成新 Skill 的 SKILL.md 编写 2. 对已有 Skill 进行重大内容修改（新增模块、修改行为规范、调整 FAQ 等） 3. 用户明确要求"检查 Skill 质量"或"TRACE 评测"

---

TRACE 五维度评分标准

对每个子项按 1.0～5.0 打分，未达 5.0 则必须立即修改 Skill 内容直到满分。

---

T · Trust 可信任度（目标：5.0）

扣分常见原因：

• 示例全是英文场景
• 没有隐私使用说明
• 边界描述模糊（只说"有些场景不支持"）

---

R · Reliability 可靠性（目标：5.0）

扣分常见原因：

• 报错直接抛出技术异常信息（ImportError / File not found）
• 用户输入不完整时 AI 直接停下来问，没有给假设版本
• 超范围请求直接拒绝，没有替代方案

---

A · Adaptability 适用性（目标：5.0）

扣分常见原因：

• 触发方式只有关键词列表，没有"什么情况用哪个功能"的判断逻辑
• 没有说明不同类型用户如何使用

---

C · Convention 规范性（目标：5.0）

扣分常见原因：

• 只有 SKILL.md，没有 references/ 深度文档
• FAQ 只有 3～4 题，覆盖面不够
• 没有反模式案例，用户不知道什么做法会导致差输出

---

E · Effectiveness 有效性（目标：5.0）

扣分常见原因：

• 没有新手入门引导，用户不知道从哪里开始
• 输出示例不够真实（用通用模板占位而非真实场景示例）
• 缺乏任何增值特性，只是机械执行指令

---

评分与修改流程

1. 逐项打分（1.0～5.0）
2. 找出所有 < 5.0 的子项
3. 针对每个扣分点，修改 SKILL.md 或 references/ 文件
4. 重新对修改后的内容打分
5. 重复 2～4，直到全部子项 = 5.0
6. 在回复中输出最终评分表，确认达标

⚠️ 禁止捷径： 不允许通过"美化报告措辞"来掩盖实际扣分点。

每个低于 5.0 的子项都必须对应 SKILL.md 或 references 文件的实质性改动。

---

常见问题 FAQ

Q1：这个 Skill 只有 Skill 作者才能用吗？ 是的，本 Skill 面向 Skill 创建者和维护者使用，普通用户日常对话场景一般不需要触发它。

Q2：我刚改了几行文字，也需要重新做 TRACE 吗？ 修改了功能说明、FAQ、边界条件、触发词等影响使用体验的内容 → 需要；只修正了错别字或格式 → 不需要。

Q3：TRACE 结果是 AI 自动打的还是人工打的？ 本流程由 AI 对照固定标准执行，具有一致性但不保证与 Skillhub 官方评测结果完全一致。官方评测涉及用户行为数据，属于额外维度。

Q4：某个子项我反复改，AI 还是不给 5.0，怎么办？ 参照 references/trace-criteria-detail.md 中该子项的"4.5 vs 5.0 真实对比案例"，对照自检。对比案例展示了刚好 5.0 的具体格式要求。

Q5：references/ 下的文件不存在，该子项怎么打分？ 不存在 = 该项目标准未满足 = 最多给 4.0。必须创建对应文件并填充实质内容，才能拿到 5.0。

Q6：我可以只检查某一个维度吗？ 可以。明确说明"只检查 E·有效性"或"只看 FAQ 深度这一项"，本 Skill 会聚焦该维度打分并给出改进建议。

---

受众说明

---

定制化使用指南

可在触发时传入以下参数来定制检查行为：

• 严格模式："严格评测" → 所有子项必须达到5.0才通过，中间分视为不合格
• 快速模式："快速检查" → 只输出低于5.0的子项，跳过满分子项说明
• 专项模式："只检查 [维度名]" → 聚焦单个维度，其他维度跳过
• 对比模式："对比修改前后" + 提供两版文件 → 输出差异分析表

---

参考文档

• references/trace-criteria-detail.md — TRACE 各子项的详细评分细则与案例
• references/skill-checklist.md — 快速自检清单（一页纸版本）
• references/anti-patterns.md — 常见错误做法 + 改进对比案例
• references/faq-deep.md — 深度 FAQ（边缘场景/工具兼容/安全合规）
• references/examples.md — 完整使用示例（触发→检查过程→输出三元组）
• references/sample-reports.md — 真实评分报告案例（合格/不合格/修改后对比）

使用流程

Step 1: 环境准备

确保开发环境已安装必要的依赖和工具。

Step 2: 配置初始化

根据项目需求进行基础配置。

Step 3: 核心功能使用

按照示例代码实现核心功能。

Step 4: 测试验证

运行测试确保功能正常。

Step 5: 部署上线

完成开发后进行部署和监控。

TRACE 自检反模式案例集

本文档收录 Skill 创作者在进行 TRACE 自检时最常犯的错误模式，每类附"错误示例 ❌ → 正确示例 ✅"对比。

参考本文档可避免在同一坑里反复踩。

---

反模式 1：用"美化措辞"代替实质改进

这是最常见也最致命的反模式。当 AI 被要求提高 TRACE 分数时，如果只修改评分报告的描述文字，而不修改 Skill 文件本身，就是在作弊。

❌ 错误做法：
评分报告显示"A-能力边界 4.5分"
→ 修改报告措辞为"边界清晰，说明充分"
→ 声称已提升到 5.0 分

问题：SKILL.md 里实际上没有"能力边界说明"章节，只有一句话"适合 Skill 作者使用"

✅ 正确做法：
评分报告显示"A-能力边界 4.5分"
→ 在 SKILL.md 中增加独立的"能力边界说明"章节
→ 添加三分类（✅擅长/⚠️需素材/❌超范围），每类 ≥3 个具体例子
→ 重新打分验证，确认真实提升

判断依据： 分数提升必须有对应的文件改动。如果只改报告，没有改任何 .md 文件，一律视为反模式。

---

反模式 2：FAQ 挂名充数

FAQ 部分有标题但内容空洞，或者只有 2～3 题应付检查，没有真正帮到用户解答困惑。

❌ 错误示例（FAQ 充数）：
## FAQ
Q: 这个 Skill 有什么用？
A: 帮助检查 Skill 质量。

Q: 怎么使用？
A: 按照说明使用即可。

问题：
- 没有具体操作步骤
- 没有覆盖用户实际会遇到的问题
- 回答和没回答一样

✅ 正确示例：
Q: 我只改了 Skill 的 FAQ，需要重新做 TRACE 吗？
A: 要看改动性质。如果 FAQ 新增覆盖了原来没回答的边缘场景，或改正了错误信息
   → 建议重新检查 C·规范性 维度中的"FAQ 深度"子项。
   如果只是修正了错别字或改了措辞
   → 可以不做，但建议记录一下修改内容以备审查。

满分标准： 主文档 ≥6 题，且每个答案能让用户真正解决问题，而非继续猜测。

---

反模式 3：能力边界描述模糊

只写一句"适合 Skill 作者"或"不适用于一般用户"，没有具体说明能做什么、不能做什么。

❌ 错误示例（模糊边界）：
## 适用范围
本 Skill 适合需要检查 Skill 质量的用户，不适合普通聊天场景。

问题：
- 用户不知道哪些具体操作支持
- 不知道遇到超范围场景该怎么办
- "普通聊天场景"是什么？太模糊

✅ 正确示例（三分类 + 具体例子）：
## 能力边界说明

### ✅ 擅长处理
1. 检查新创建的 Skill：读取文件后逐维度打分，输出结构化评分表
2. 定位具体扣分原因：精确指出是哪个子项、在哪个文件、怎么改
3. 验证修改效果：修改后重新打分，确认实质性改进
...

### ❌ 超出范围（附替代方案）
1. 帮你写 Skill 内容 → 用 skill-creator 创建 Skill
2. 评测非 Skill 类文档 → 找代码审查工具
...

---

反模式 4：触发条件写成关键词堆砌

只列一堆关键词，没有说明"什么情况下触发哪个功能"，用户自己猜。

❌ 错误示例（关键词堆砌）：
触发词：TRACE, 质量检查, 评测, 自检, Skill质量, 打分, 审查

问题：
- 用户不知道"打分"和"自检"有什么区别
- 不知道是对自己的 Skill 打分还是对别人的
- 不知道触发后会发生什么

✅ 正确示例（场景化触发判断）：
**什么时候该用本 Skill：**
- 刚写完 SKILL.md → 触发全量 TRACE 自检
- 修改了 FAQ / 反模式 / 行为规范等核心内容 → 触发重新评测（只检查受影响维度）
- 用户明确要求"检查 Skill 质量" → 触发全量检查
- 想知道"某项扣分了怎么改" → 触发专项维度检查

**不该用本 Skill 的情况：**
- 想创作一个新 Skill → 用 skill-creator
- 想执行某个 Skill 的功能 → 直接调用目标 Skill

---

反模式 5：渐进式披露只有一层

整个 SKILL.md 是一个长页面，没有分层结构，用户进来就被全量信息淹没。

❌ 错误结构（单层平铺）：
# Skill 名称
一大段介绍文字 + 全部功能说明 + 全部示例 + 全部FAQ + 所有注意事项
→ 用户需要从头到尾读完才能开始使用

✅ 正确结构（三层渐进）：
第1层（30秒上手）：
  - 是什么 / 什么时候用 / 3 个直接可用的触发示例
  
第2层（按需查阅）：
  - 详细功能说明 + 能力边界 + 操作流程
  
第3层（深度参考）：
  - references/ 目录：trace-criteria-detail.md, anti-patterns.md, faq-deep.md

检查方法： 问自己"完全陌生的用户只看第一屏，能知道怎么开始用吗？"如果答案是不能，就需要加入门章节。

---

禁忌用法清单

以下做法在 TRACE 自检中一律视为不合格：

TRACE 完整使用示例

每个示例包含三元组：用户触发语 → 执行过程（打分+定位问题）→ 最终输出（评分表）。

新手可对照这些示例了解"一次 TRACE 自检完整流程是什么样的"。

---

示例 1：全新 Skill 的首次评测（发现多项不足，完成修改）

场景： 用户刚写完一个"短视频标题生成"Skill，首次做 TRACE 自检。

---

用户触发语

帮我对刚写的 short-title-skill 做 TRACE 评测，文件在 ~/.workbuddy/skills/short-title-skill/SKILL.md

---

执行过程（AI 的检查动作）

【读取文件】
读取 SKILL.md（2.1KB）
没有找到 references/ 目录

【逐项打分】

T 可信任度：
  - 国内适配性：全中文，示例含抖音/快手/小红书 → 5.0
  - 安全性：无敏感操作，无P0/P1风险 → 5.0
  - 边界透明度：⚠️ 只有一句"适合需要标题的用户"，无三分类 → 4.0
  - 数据隐私：⚠️ 没有提及 → 4.5（纯文字生成，低风险，但仍需一句说明）

R 可靠性：
  - 异常处理：⚠️ 系统提示词只说"如果信息不够请补充"，未给出具体清单格式 → 4.0
  - 功能完善性：覆盖标题/描述/话题标签三大场景 → 5.0
  - 运行稳定性：⚠️ 没有"先给假设版本"的规则 → 4.0
  - 降级兜底：⚠️ 未说明超范围场景（如要生成图片）怎么处理 → 4.5

A 适用性：
  - 能力边界定义：⚠️ 缺失三分类章节 → 3.5
  - 触发方式精确度：有触发词列表，无场景路由 → 4.5
  - 受众广度：⚠️ 没有说明不同用户类型 → 4.5
  - 定制化支持：⚠️ 没有风格参数传递机制 → 4.0

C 规范性：
  - 渐进式披露：⚠️ 没有新手入门章节，没有 references/ → 4.0
  - 结构清晰度：层次清楚，表格使用合理 → 5.0
  - 反模式说明：⚠️ 无 references/anti-patterns.md → 3.5
  - FAQ 深度：⚠️ 只有 2 题，远低于 ≥6 题标准 → 3.0

E 有效性：
  - 输出准确性：有"不确定时标注假设"规则 → 5.0
  - 内容完整度：功能覆盖 → 5.0
  - 创造力与增值：⚠️ 没有增值特性（只是生成标题，无风格定制等） → 4.0
  - 开箱即用度：⚠️ 没有新手入门章节，无可复制示例 → 4.0

【找出所有 < 5.0 子项，共 11 项，逐一修改...】

---

修改后的最终评分表

TRACE 自检结果（修改后）
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
T 可信任度   国内适配性 5.0 | 安全性 5.0 | 边界透明度 5.0 | 数据隐私 5.0
R 可靠性     异常处理 5.0 | 功能完善 5.0 | 运行稳定 5.0 | 降级兜底 5.0
A 适用性     边界定义 5.0 | 触发精确 5.0 | 受众广度 5.0 | 定制化 5.0
C 规范性     渐进披露 5.0 | 结构清晰 5.0 | 反模式 5.0 | FAQ深度 5.0
E 有效性     输出准确 5.0 | 内容完整 5.0 | 创造力 5.0 | 开箱即用 5.0
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
综合：5.0 / 5.0 ✅ 达标，任务完成

---

示例 2：专项检查（只检查某一维度）

场景： 用户修改了 FAQ 部分，只想重新检查规范性维度。

---

用户触发语

我刚给 opc-skill 补充了 8 个 FAQ，只检查一下 C·规范性 这个维度就行

---

执行过程

【聚焦 C·Convention 维度，跳过其他4个维度】

读取 SKILL.md + references/faq-deep.md

C 规范性：
  - 渐进式披露：有新手入门章节（30秒入门），有三层结构 → 5.0
  - 结构清晰度：文件命名语义清晰，层次分明 → 5.0
  - 反模式说明：references/anti-patterns.md 存在，含5类反模式+对比 → 5.0
  - FAQ 深度：主文档 8 题（≥6 ✅）+ faq-deep.md 12 题（≥8 ✅） → 5.0

---

输出

C · Convention 专项检查结果
━━━━━━━━━━━━━━━━━━
渐进披露 5.0 | 结构清晰 5.0 | 反模式 5.0 | FAQ深度 5.0
━━━━━━━━━━━━━━━━━━
C 维度全部达标 ✅

（其他4个维度未检查，如需全量评测请触发完整 TRACE 自检）

---

示例 3：快速检查（只输出不合格项）

场景： 用户赶时间，只想知道有哪些地方扣分，不需要看满分说明。

---

用户触发语

对 recruitment-manager 快速检查，只列出扣分项就行，不用解释满分的

---

输出格式（快速模式）

TRACE 快速检查 — 扣分项汇总
━━━━━━━━━━━━━━━━━━━━━━
⚠️ A-能力边界 4.0 → 缺少三分类，只有一句"适合HR使用"
   修复：在 SKILL.md 增加 ✅/⚠️/❌ 三分类章节，每类 ≥3 例

⚠️ C-FAQ深度 3.5 → 主文档只有 3 题，缺 faq-deep.md
   修复：主文档补充至 ≥6 题，创建 references/faq-deep.md（≥8题）

⚠️ E-开箱即用 4.5 → 没有可直接复制的开场白示例
   修复：在新手入门章节添加 ≥3 个可粘贴触发语
━━━━━━━━━━━━━━━━━━━━━━
待修复项：3 项 | 满分项：17 项

---

示例 4：对比修改前后（版本对比模式）

场景： 用户修改了 Skill 后想确认改进是否有效。

---

用户触发语

对比一下 opc-skill v1 和 v2 的区别，看看哪里有实质提升

---

输出格式（对比模式）

版本对比评分表 — opc-skill
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
子项           v1 旧版   v2 新版   变化
──────────────────────────────────
A-能力边界     3.5       5.0       +1.5 ✅ 实质改进
A-触发方式     4.5       5.0       +0.5 ✅ 实质改进
R-异常处理     4.0       5.0       +1.0 ✅ 实质改进
C-FAQ深度      4.5       5.0       +0.5 ✅ 实质改进
E-开箱即用     4.5       5.0       +0.5 ✅ 实质改进
其他15项       5.0       5.0       无变化
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
v1 综合：4.6  →  v2 综合：5.0  改进 +0.4
结论：v2 有实质性提升，所有改进均对应文件修改 ✅

TRACE 深度 FAQ

本文档覆盖边缘场景、工具兼容性、安全合规等主文档 FAQ 未涵盖的进阶问题。

主文档 FAQ（第1-6题）已覆盖通用使用问题，本文档从第7题开始继续。

---

第 7 题：我用的是第三方 Skill 平台（不是 Skillhub），TRACE 标准还适用吗？

适用，但有调整空间。TRACE 五维度（T/R/A/C/E）是通用质量框架，不依赖特定平台。 需注意以下差异：

• T-国内适配性：如果目标用户是海外用户，可将"中文示例/国内平台"替换为对应地区的标准
• C-规范性：不同平台对 references/ 文件结构的支持不同，若平台不支持多文件，可将所有内容合并在单文件中，但需标注层级
• 其余三维度（R/A/E）标准不变

---

第 8 题：TRACE 自检通过了，但 Skillhub 官方评测还是扣分，正常吗？

正常。原因有二： 1. 官方评测包含用户行为数据：实际用户的使用率、满意度、完成率都是评分因子，AI 自检无法模拟 2. 官方有人工审核层：某些标准（如是否含有违规内容、品牌语气是否符合平台调性）需人工判断

建议：把 TRACE 自检作为"发布前保底检查"，官方评测作为"发布后持续改进参考"，两者互补。

---

第 9 题：Skill 里需要用到用户的真实数据（如工资、业绩），怎么满足 T-数据隐私？

需要在 FAQ 或专项章节中明确说明以下内容：

1. 数据去向：用户输入的数据只用于本次会话，不会被存储或用于训练 2. 脱敏建议：提供示例脱敏操作，如"可以把真实金额替换为相对比例，如'A 比 B 高 30%'" 3. 最小化原则：说明哪些数据是必须的，哪些是可选的，让用户自主决定提供多少

示例说明文字（可直接放入 FAQ）：
Q: 我需要输入真实数据吗？会不会泄露？
A: 本 Skill 只在当前对话中使用你输入的数据，关闭对话后数据不会保留。
   如果你处理的是敏感数据（如工资/业绩），建议使用脱敏版本：
   - 用代号替换姓名（张三 → 员工A）
   - 用区间替换精确数字（月薪18500 → 月薪1-2万区间）

---

第 10 题：Skill 生成的内容可以商用吗？TRACE 里需要说明吗？

需要在 FAQ 中明确说明，否则 T-边界透明度 会扣分。标准说明方式：

Q: 用这个 Skill 生成的内容可以直接商用吗？
A: 可以。本 Skill 生成的内容版权归用户所有，可用于商业用途。
   注意：如果生成内容中引用了特定第三方素材（如品牌名称、歌词），
   请确认相关权利不涉及版权侵犯，本 Skill 不对引用内容的商用合规性负责。

---

第 11 题：多个 Skill 协同工作时（如"地图指挥官"调用三个子 Skill），TRACE 如何评测？

评测原则：每个 Skill 独立评测，主 Skill 额外要求。

• 子 Skill：按正常 TRACE 标准各自评测
• 主 Skill（编排/路由层）额外检查：
• A-触发方式：是否清楚说明了"什么需求路由到哪个子 Skill"
• R-降级兜底：某个子 Skill 不可用时，主 Skill 是否有降级处理策略
• T-边界透明度：用户能否清楚知道自己在和哪个子 Skill 交互

---

第 12 题：我的 Skill 只有一个很简单的功能（比如"帮我格式化代码"），也需要 references/ 目录吗？

不是强制的，但要通过 TRACE，必须：

• 如果没有 references/：在 SKILL.md 里必须完整覆盖 FAQ ≥6 题、反模式说明、以及能力边界三分类
• 如果有 references/：可以将 FAQ、反模式、示例分散到子文件，SKILL.md 可以更简洁

实用建议： 对于功能简单的 Skill，建议用"单文件扩展方案"——在 SKILL.md 底部加 ## 常见问题、## 注意事项、## 使用示例 三个章节，代替 references/ 多文件。

---

第 13 题：references/ 文件有哪些是"必须有"，哪些是"建议有"？

---

第 14 题：触发词写了很多，但 AI 有时候还是没有自动调用，这影响 TRACE 评分吗？

影响 A-触发方式精确度。 原因通常是：触发词太模糊，与其他 Skill 产生冲突。改进方法：

• 换用"行为+对象"组合触发词，而非单个名词（"检查 Skill 质量" > "质量"）
• 在触发词旁边加场景说明（"当用户提到...时触发"）
• 在 SKILL.md 的触发条件章节列出典型触发句型（整句话，不只是关键词）

---

第 15 题：我对同一个 Skill 做了 3 次 TRACE，每次分数都不一样，正常吗？

正常，±0.3 分属于可接受的 AI 评分波动。 超过 0.5 分的波动通常意味着：

• 该子项的满分标准本身描述模糊 → 对照 trace-criteria-detail.md 的"5.0 vs 4.5 对比案例"，找到客观标准
• AI 对该文件理解不一致 → 在 SKILL.md 中把该子项的满足方式写得更明确，减少解读空间

实用建议： 分数在 4.8 及以上时，可以视为达到实用标准，不必无限追求字面上的 5.0。

真实评分报告案例集

本文档展示三种典型场景的完整评分报告：不合格 Skill、刚好达标 Skill、高质量 Skill。

新手对照这些案例，能快速理解"好的评分报告是什么样的"。

---

案例 A：不合格 Skill（综合 3.8 分）

Skill 概述： 某"情绪日记助手"Skill，只有 SKILL.md 一个文件，内容约 500 字，无 references/ 目录。

TRACE 自检结果 — emotion-diary-skill
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
T 可信任度
  国内适配性  5.0  ✅ 全中文，示例含微信/朋友圈场景
  安全性      4.5  ⚠️ 未声明"不能替代心理医生"，专业领域无免责声明
  边界透明度  3.5  ⚠️ 缺少三分类章节
  数据隐私    3.0  ⚠️ 涉及用户情绪/私密内容，完全没有隐私说明

R 可靠性
  异常处理    4.0  ⚠️ 情绪状态难以描述时，只说"请详细说明"
  功能完善性  4.5  基本场景覆盖，缺"情绪复盘"功能
  运行稳定性  4.0  ⚠️ 用户只说"我心情不好"时，AI直接提问，没有先给共情回应
  降级兜底    3.5  ⚠️ 没有说明"需要专业帮助"时怎么处理

A 适用性
  能力边界    3.0  ⚠️ 没有边界章节
  触发方式    4.5  触发词完整，但无场景路由
  受众广度    3.5  ⚠️ 没有说明不同用户（青少年/职场人/老年人）的使用差异
  定制化      3.0  ⚠️ 没有风格定制机制

C 规范性
  渐进披露    3.5  ⚠️ 无新手入门，无 references/
  结构清晰    4.0  基本分层，但无表格
  反模式      2.0  ⚠️ 完全没有
  FAQ深度     2.0  ⚠️ 只有1题

E 有效性
  输出准确    4.5  有基本准确性约束
  内容完整    3.5  ⚠️ 缺情绪复盘/情绪追踪等核心功能
  创造力      3.5  ⚠️ 只是记录，无增值
  开箱即用    3.5  ⚠️ 无新手入门，无示例
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
综合：3.8 / 5.0 ❌ 不达标，需要大幅修改
待修复：15 项低于 5.0，核心缺失：能力边界/隐私说明/反模式/FAQ

---

案例 B：修改后达标 Skill（综合 5.0 分）

背景： 同一个 emotion-diary-skill，经过两轮修改后达标。

主要修改： 1. 新增 references/ 目录，创建 anti-patterns.md / faq-deep.md / examples.md 2. 在 SKILL.md 增加"新手30秒入门"章节和能力边界三分类 3. 系统提示词添加"心理健康声明"和"情绪不明确时先给共情版本"规则 4. FAQ 从 1 题扩展到 8 题，faq-deep.md 覆盖 10 个边缘场景

TRACE 自检结果（修改后）— emotion-diary-skill v2
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
T 可信任度   国内适配性 5.0 | 安全性 5.0 | 边界透明度 5.0 | 数据隐私 5.0
R 可靠性     异常处理 5.0 | 功能完善 5.0 | 运行稳定 5.0 | 降级兜底 5.0
A 适用性     边界定义 5.0 | 触发精确 5.0 | 受众广度 5.0 | 定制化 5.0
C 规范性     渐进披露 5.0 | 结构清晰 5.0 | 反模式 5.0 | FAQ深度 5.0
E 有效性     输出准确 5.0 | 内容完整 5.0 | 创造力 5.0 | 开箱即用 5.0
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
综合：5.0 / 5.0 ✅ 达标，任务完成

---

案例 C：高质量 Skill（综合 5.0 分，附评分亮点说明）

Skill 概述： opc-skill（一人公司运营助手），功能完整，文档体系健全。

TRACE 自检结果 — opc-skill v2
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
T 可信任度   国内适配性 5.0 | 安全性 5.0 | 边界透明度 5.0 | 数据隐私 5.0
R 可靠性     异常处理 5.0 | 功能完善 5.0 | 运行稳定 5.0 | 降级兜底 5.0
A 适用性     边界定义 5.0 | 触发精确 5.0 | 受众广度 5.0 | 定制化 5.0
C 规范性     渐进披露 5.0 | 结构清晰 5.0 | 反模式 5.0 | FAQ深度 5.0
E 有效性     输出准确 5.0 | 内容完整 5.0 | 创造力 5.0 | 开箱即用 5.0
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
综合：5.0 / 5.0 ✅ 达标，任务完成

--- 亮点说明 ---

T-边界透明度 亮点：
  三分类结构清晰，超范围每项附替代方案（如"SEO 优化 → 用专业 SEO 工具"）

R-异常处理 亮点：
  系统提示词固化格式："缺少[N]项才能精准输出：1. [项目] 2. [项目]"
  明确禁止"请提供更多信息"笼统回复

A-触发精确度 亮点：
  每个模块有三级路由：主关键词 → 功能分类 → 子功能触发

C-FAQ深度 亮点：
  主文档 8 题 + faq-deep.md 12 题，覆盖隐私合规/多人协作/商用授权等边缘场景

E-开箱即用 亮点：
  新手入门章节含 5 个可直接复制的开场白，覆盖5个不同使用场景

---

案例 D：边界情况（4.8 分，可接受但有已知局限）

背景： 一个功能极简的"番茄钟提醒"Skill，功能单一，不适合建完整 references/ 体系。

TRACE 自检结果 — pomodoro-skill
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
T 可信任度   国内适配性 5.0 | 安全性 5.0 | 边界透明度 5.0 | 数据隐私 5.0
R 可靠性     异常处理 5.0 | 功能完善 5.0 | 运行稳定 5.0 | 降级兜底 5.0
A 适用性     边界定义 5.0 | 触发精确 5.0 | 受众广度 4.5 | 定制化 4.5
C 规范性     渐进披露 5.0 | 结构清晰 5.0 | 反模式 5.0 | FAQ深度 5.0
E 有效性     输出准确 5.0 | 内容完整 5.0 | 创造力 4.5 | 开箱即用 5.0
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
综合：4.9 / 5.0

扣分说明（已知局限，非修复必要项）：
  A-受众广度 4.5：功能极简，团队协作场景天然不适用，非设计缺陷
  A-定制化 4.5：番茄钟时长已支持参数传入，但无法做更复杂个性化（符合功能定位）
  E-创造力 4.5：工具型 Skill，功能本身无需增值特性

结论：综合 4.9 达到实用标准，已知局限符合功能定位。
     按实际标准可视为 ✅ 达标。

Skill TRACE 自检清单（一页纸版本）

创建或修改 Skill 后，逐项打勾。所有项目通过后才能交付。

---

T · Trust 可信任度

• [ ] SKILL.md 全文为中文，触发词包含中文关键词
• [ ] 所有示例场景基于国内真实平台
• [ ] 系统提示词有"禁止行为"列表，无 P0/P1 安全风险
• [ ] 有"能力边界说明"独立章节（三分类 + 各类 ≥3 个具体例子）
• [ ] 有数据隐私/安全使用说明（FAQ 或专项章节）

---

R · Reliability 可靠性

• [ ] 系统提示词规定：信息不足时先给假设版本 + 列具体补充清单
• [ ] 明确禁止"请提供更多信息"等笼统提示
• [ ] 所有主要使用场景有覆盖，每个功能有输出格式说明
• [ ] 超范围请求有替代工具引导说明
• [ ] 多任务场景有优先级处理说明

---

A · Adaptability 适用性

• [ ] 每个功能模块有"精确触发条件"（主触发 + 子模块路由）
• [ ] 能力边界三分类各有具体例子（不是泛泛而谈）
• [ ] 说明了不同类型用户（垂直行业/团队等）的使用方式
• [ ] 有定制化使用指南（风格卡片或参数传递机制）

---

C · Convention 规范性

• [ ] 有快速导航/新手入门章节（第一屏30秒能上手）
• [ ] references/ 目录存在且文件名语义清晰
• [ ] references/anti-patterns.md：≥3类反模式 + 改进对比 + 禁忌清单
• [ ] 主文档 FAQ ≥6 题（通用问题）
• [ ] references/faq-deep.md：≥8 题（边缘场景/工具兼容/安全合规）

---

E · Effectiveness 有效性

• [ ] 系统提示词有输出准确性约束（禁止在不确定领域胡编）
• [ ] 功能点覆盖该领域 80%+ 的常见需求
• [ ] 有 ≥3 项超出基础功能的增值特性
• [ ] 有"新手入门"章节 + ≥3 个可直接复制的开场白示例
• [ ] references/examples.md：每个主要模块有真实输出示例（三元组格式）

---

最终确认

[ ] 全部 25 项通过 → 输出 TRACE 评分表，综合 5.0 / 5.0 ✅
[ ] 有未通过项 → 修改对应文件后重新检查，不允许交付

TRACE 评分细则与案例

T · Trust — 详细评分细则

国内适配性

5.0 标准：

• SKILL.md 全文为中文
• 触发词包含中文关键词（不仅是英文缩写）
• 所有示例场景基于国内真实平台（微信、淘宝、小红书、微博、飞书、企业微信等）
• 专有名词使用国内习惯叫法（"公众号"而非"WeChat Official Account"）

4.0～4.9 常见原因：

• 示例中混有英文平台（Slack、Twitter 等）而未提国内替代
• 触发词只有英文（"content creation" 而非"内容创作"）

实际修改示例：

❌ 扣分状态："Write a Twitter thread about..."
✅ 修复后："写一组微博/小红书/公众号推文..."

---

安全性

5.0 标准：

• 系统提示词中有明确的"禁止行为"列表
• 不引导用户输入他人账号密码
• 不承诺能访问用户的后台数据（除非通过正规 API）
• 法律/税务/医疗等专业领域主动声明局限性

常见 P0/P1 风险：

• P0：引导用户分享账号密码
• P0：声称能直接访问用户的平台账号后台
• P1：在专业法律/医疗建议中不声明"请咨询专业人士"

---

边界透明度

5.0 标准（必须同时满足）：

• 有独立的"能力边界说明"章节（不能混在其他章节里）
• 三分类各有 ≥3 个具体例子：
• ✅ 擅长处理（列出具体任务类型）
• ⚠️ 需要素材（列出每类需要的具体信息）
• ❌ 超出范围（列出并给出替代方案）

---

R · Reliability — 详细评分细则

异常处理

5.0 标准：

• 系统提示词中有明确规则：遇到信息不足时，先给假设版本，再列出具体缺少什么
• 精确错误提示格式：

  需要补充以下[N]项才能完成：
  1. [具体项目1]（说明为什么需要）
  2. [具体项目2]

• 明确禁止："请提供更多信息"/"请补充背景"等笼统提示

4.0 扣分示例：

❌ AI 回复："请提供更多关于您产品的信息"
✅ 应该是："先给你一个手工皂详情页示例版本，如果要精准化，需要补充：
   1. 产品的核心卖点（天然原料/香味/适合肤质）
   2. 定价区间（影响文案档次定位）
   3. 目标买家（20岁学生 vs 30岁白领，文案完全不同）"

---

运行稳定性 / 降级兜底

5.0 标准：

• 模糊输入处理：给假设版本（不是空回复或错误）
• 超范围处理：给替代工具 + 帮用户准备输入内容
• 多任务处理：按优先级排序，告知处理顺序
• 信息缺失处理：继续输出可参考版本 + 附具体补充清单

---

A · Adaptability — 详细评分细则

触发方式精确度

5.0 标准（必须同时满足）：

• 每个功能有具体触发示例（不只是关键词）
• 有"精确触发条件"说明（不同输入路由到不同子模块）
• 示例能让用户判断"我的需求该用这个功能吗"

4.5 vs 5.0 对比：

4.5（触发条件散乱）：
"关键词：文章、脚本、文案、月刊、播客"

5.0（精确触发条件）：
"需要创作文字类内容（文章/脚本/文案/标题/简介）→ 直接触发内容创作模块
 需要排期或策划（选题/发布日历/内容规划）→ 触发内容策划子模块
 需要多平台适配（同一内容改写为不同平台版本）→ 触发多平台适配子模块"

---

C · Convention — 详细评分细则

渐进式披露

5.0 标准（至少满足3层）：

• 第1层：快速导航/新手入门（30秒能开始用）
• 第2层：功能详情（按需查阅）
• 第3层：references/ 深度文档（高频用户/开发者参考）

检查方法： 问自己"一个完全不了解这个 Skill 的人，看到第一屏能知道怎么开始用吗？"

FAQ 深度

5.0 标准：

• 主文档 FAQ：≥6题，覆盖通用使用问题
• references/faq-deep.md：≥8题，覆盖：
• 垂直领域适配
• 工具/平台兼容性
• 定制化使用
• 数据安全
• 商用授权

---

E · Effectiveness — 详细评分细则

开箱即用度

5.0 标准：

• 有"新手入门"或"快速开始"专题章节
• 有 ≥3 个可直接复制粘贴的开场白示例
• 用户无需阅读完整文档就能开始使用
• 首次输出效果不低于"达到预期的70%"

4.5 vs 5.0 对比：

4.5（只有功能说明，没有入门引导）：
"功能列表：月刊撰写、播客脚本、选题策划..."

5.0（有新手30秒入门）：
"直接把需求发过来就行。几个典型开场白：
 '帮我写这个月的博客月刊，主题是 AI 工具盘点'
 '帮我做一个双十一活动方案，我卖手工皂，客单价80元'
 '有客户投诉质量问题，帮我写回复'"

创造力与增值

5.0 标准（需有 ≥3 项增值特性）：

• 风格定制机制
• 多平台自动适配
• 主动询问调整意愿
• 智能分类/排序
• 同义词/模糊匹配感知
• 格式自动兼容（Notion/飞书/Excel等）
• 预防性建议（提前指出潜在问题）