skill-static-review
Statically review a skill package for structure, coverage, procedural quality, verifier alignment, credibility, and agent compatibility, then produce issues and improvement suggestions; For: "review this skill quality", "check whether this skill meets release standards", "audit this skill package against static criteria"; Triggers: skill review, static evaluation, quality audit, release standard, verifier, compatibility, improvement suggestions
What this skill does
skill-static-review
何时使用
- 用户提供一个 skill 的说明文件、目录结构、脚本清单或完整包内容，希望判断它是否适合发布或进入动态评估。
- 用户要求检查 skill 是否存在结构混乱、边界不清、步骤不可执行、依赖不明、输出不可验证等问题。
- 用户希望得到一份可操作的质量评审报告，而不是泛泛评价。
不要用于：
- 实际运行 skill、执行动态 benchmark 或调用外部 verifier。
- 评审普通提示词、Agent 工作流或产品 PRD，除非用户明确要求按 skill 包标准做静态检查。
- 替用户直接重写整个 skill；本技能只输出审核结论和修改建议。
如何调用
- 收集待评审材料：至少需要 skill 的主说明文件；若有脚本、资源文件、目录树、示例输入输出，也一并读取。
- 识别 skill 的单一职责：判断它的目标领域、任务族、适用边界和反例边界是否清楚。
- 检查结构与规模：统计模块 / 文件数量，判断是否过度集中或过度拆分；确认是否包含使用条件、操作步骤、边界、示例、依赖说明。
- 检查程序化质量：逐步判断每个步骤是否原子化、可执行、具备前置 / 后置条件、失败路径和观察 → 决策准则；标记退化为事实性知识或宣传文案的部分。
- 检查验证器对齐：确认是否声明面向的 verifier 类型、输出格式是否能被稳定比对、是否暴露中间检查点。
- 检查来源与可信度：确认来源标签、版本 / 作者 / 更新时间、底层工具或 API 兼容说明是否存在；对 self-generated 或来源不明的内容提高风险等级。
- 检查 Agent 兼容性：按常见调用风格评估兼容性，例如 ReAct、代码生成型 Agent、CLI 型 Agent；说明最小模型能力和运行时依赖。
- 输出分级结论：给出通过 / 有条件通过 / 不建议发布，并按严重程度列出问题和改进动作。
返回格式
向用户返回一份结构化评审报告，包含：
{
"overall_result": "通过 | 有条件通过 | 不建议发布",
"score": {
"structure_and_size": "0-5",
"coverage_boundary": "0-5",
"procedural_quality": "0-5",
"verifier_alignment": "0-5",
"source_credibility": "0-5",
"agent_compatibility": "0-5"
},
"summary": "一句话总结主要质量状态",
"blocking_issues": [
{
"area": "问题所属维度",
"evidence": "来自材料的证据",
"impact": "为什么会影响使用或动态评估",
"fix": "必须修改的动作"
}
],
"improvement_suggestions": [
{
"priority": "高 | 中 | 低",
"suggestion": "具体建议",
"expected_effect": "修改后的收益"
}
],
"compatibility_matrix": [
{
"agent_type": "ReAct | code-gen | CLI | other",
"compatibility": "兼容 | 需改写 | 不兼容",
"notes": "原因"
}
],
"release_gate": {
"can_enter_dynamic_eval": true,
"required_before_release": ["发布前必须补齐的事项"]
}
}如果材料不足，应明确列出缺失项，并只基于已提供材料给出临时结论。
外部依赖
- 无必需外部依赖。
- 若用户提供的是文件路径或目录，需要当前会话具备读取这些文件的权限。
- 若用户要求核查远程仓库、论文或网页来源，需要网络访问；网络不可用时只做本地材料评审。
限制与已知问题
- 静态评审不能证明 skill 真实有效，只能判断其是否具备进入动态测试的基本质量。
- 无法替代 deterministic verifier、单元测试、状态差异测试或真实任务轨迹评估。
- 对脚本正确性只能做结构与接口层面的审查；除非用户另行要求运行测试，否则不执行代码。
- 当材料只有摘要、截图或片段时，结论必须标注为低置信度。
- 对来源不明或自生成的 skill，应默认提示需要更强的测试证据。
完整示例
示例 1：评审一个待发布 skill
输入：
请评审这个 skill 是否达到发布标准。材料包括 SKILL.md、scripts/run.py 和 examples/。输出要点：
结论：有条件通过。
主要问题：
1. 输出格式没有稳定 schema，动态评估时难以自动比对。
2. 依赖中使用了第三方 API，但没有说明 API key 获取方式和失败行为。
3. 步骤 3 同时包含抓取、清洗和总结，粒度过粗。
建议：
- 增加固定 JSON 输出格式，并保持成功 / 失败字段一致。
- 补充依赖说明和缺失凭据时的返回格式。
- 将步骤拆成抓取、解析、校验、汇总四个动作。示例 2：材料不足时
输入：
这是一个 skill 的简介，帮我看质量。输出要点：
临时结论：无法完整判断，不建议直接发布。
缺失材料：
- 主说明文件全文
- 文件 / 模块清单
- 输入输出示例
- 依赖说明
- verifier 对齐说明
基于现有简介可见的风险：
- 适用边界不清，可能被错误调用。
- 没有看到可执行步骤，可能只是普通提示词说明。Files in this skill
- SKILL.md
How to use in Orkas
Open the Orkas desktop app, go to the marketplace, and install this item with one click. Don't have Orkas yet? Download Orkas.
静态审核 skill 包的结构、覆盖度、过程质量、验证器对齐、可信度和 Agent 兼容性，并输出问题清单与改进建议；适合"帮我评审这个 skill 质量""检查这个 skill 是否达到发布标准""根据静态标准审核 skill 包"；触发词：skill评审、静态评估、质量审核、发布标准、verifier、兼容性、改进建议
该技能的功能
skill-static-review
何时使用
- 用户提供一个 skill 的说明文件、目录结构、脚本清单或完整包内容，希望判断它是否适合发布或进入动态评估。
- 用户要求检查 skill 是否存在结构混乱、边界不清、步骤不可执行、依赖不明、输出不可验证等问题。
- 用户希望得到一份可操作的质量评审报告，而不是泛泛评价。
不要用于：
- 实际运行 skill、执行动态 benchmark 或调用外部 verifier。
- 评审普通提示词、Agent 工作流或产品 PRD，除非用户明确要求按 skill 包标准做静态检查。
- 替用户直接重写整个 skill；本技能只输出审核结论和修改建议。
如何调用
- 收集待评审材料：至少需要 skill 的主说明文件；若有脚本、资源文件、目录树、示例输入输出，也一并读取。
- 识别 skill 的单一职责：判断它的目标领域、任务族、适用边界和反例边界是否清楚。
- 检查结构与规模：统计模块 / 文件数量，判断是否过度集中或过度拆分；确认是否包含使用条件、操作步骤、边界、示例、依赖说明。
- 检查程序化质量：逐步判断每个步骤是否原子化、可执行、具备前置 / 后置条件、失败路径和观察 → 决策准则；标记退化为事实性知识或宣传文案的部分。
- 检查验证器对齐：确认是否声明面向的 verifier 类型、输出格式是否能被稳定比对、是否暴露中间检查点。
- 检查来源与可信度：确认来源标签、版本 / 作者 / 更新时间、底层工具或 API 兼容说明是否存在；对 self-generated 或来源不明的内容提高风险等级。
- 检查 Agent 兼容性：按常见调用风格评估兼容性，例如 ReAct、代码生成型 Agent、CLI 型 Agent；说明最小模型能力和运行时依赖。
- 输出分级结论：给出通过 / 有条件通过 / 不建议发布，并按严重程度列出问题和改进动作。
返回格式
向用户返回一份结构化评审报告，包含：
{
"overall_result": "通过 | 有条件通过 | 不建议发布",
"score": {
"structure_and_size": "0-5",
"coverage_boundary": "0-5",
"procedural_quality": "0-5",
"verifier_alignment": "0-5",
"source_credibility": "0-5",
"agent_compatibility": "0-5"
},
"summary": "一句话总结主要质量状态",
"blocking_issues": [
{
"area": "问题所属维度",
"evidence": "来自材料的证据",
"impact": "为什么会影响使用或动态评估",
"fix": "必须修改的动作"
}
],
"improvement_suggestions": [
{
"priority": "高 | 中 | 低",
"suggestion": "具体建议",
"expected_effect": "修改后的收益"
}
],
"compatibility_matrix": [
{
"agent_type": "ReAct | code-gen | CLI | other",
"compatibility": "兼容 | 需改写 | 不兼容",
"notes": "原因"
}
],
"release_gate": {
"can_enter_dynamic_eval": true,
"required_before_release": ["发布前必须补齐的事项"]
}
}如果材料不足，应明确列出缺失项，并只基于已提供材料给出临时结论。
外部依赖
- 无必需外部依赖。
- 若用户提供的是文件路径或目录，需要当前会话具备读取这些文件的权限。
- 若用户要求核查远程仓库、论文或网页来源，需要网络访问；网络不可用时只做本地材料评审。
限制与已知问题
- 静态评审不能证明 skill 真实有效，只能判断其是否具备进入动态测试的基本质量。
- 无法替代 deterministic verifier、单元测试、状态差异测试或真实任务轨迹评估。
- 对脚本正确性只能做结构与接口层面的审查；除非用户另行要求运行测试，否则不执行代码。
- 当材料只有摘要、截图或片段时，结论必须标注为低置信度。
- 对来源不明或自生成的 skill，应默认提示需要更强的测试证据。
完整示例
示例 1：评审一个待发布 skill
输入：
请评审这个 skill 是否达到发布标准。材料包括 SKILL.md、scripts/run.py 和 examples/。输出要点：
结论：有条件通过。
主要问题：
1. 输出格式没有稳定 schema，动态评估时难以自动比对。
2. 依赖中使用了第三方 API，但没有说明 API key 获取方式和失败行为。
3. 步骤 3 同时包含抓取、清洗和总结，粒度过粗。
建议：
- 增加固定 JSON 输出格式，并保持成功 / 失败字段一致。
- 补充依赖说明和缺失凭据时的返回格式。
- 将步骤拆成抓取、解析、校验、汇总四个动作。示例 2：材料不足时
输入：
这是一个 skill 的简介，帮我看质量。输出要点：
临时结论：无法完整判断，不建议直接发布。
缺失材料：
- 主说明文件全文
- 文件 / 模块清单
- 输入输出示例
- 依赖说明
- verifier 对齐说明
基于现有简介可见的风险：
- 适用边界不清，可能被错误调用。
- 没有看到可执行步骤，可能只是普通提示词说明。技能包含的文件
- SKILL.md
如何在 Orkas 中使用
打开 Orkas 桌面应用，进入市场，一键安装此项。还没有 Orkas？ 下载 Orkas.