skill-test: Claude Code Skill 测试框架

自动化测试与质量评估工具。发现、测试、对比并选择最适合需求的 skills。

触发短语

• 测试 [主题] 相关skill - 搜索并测试相关 skills
• 测试 [skill名称] - 直接测试特定 skill
• test [topic] skills / test [skill-name] - 英文版

工作流程

1. Skill 发现

1. 本地搜索：扫描已安装的 skills
2. 远程搜索：通过 find-skills 查询 skills.sh
3. 合并排序：去重、按安装量排序
4. 展示选项：显示表格供用户选择

2. 测试执行

对每个选中的 skill：

准备 → 创建目录 [类别]/[skill名称]/，生成测试输入 input.md

执行 → 调用 skill，监控交互式问题，如有问题则召集领域专家自动回答，捕获输出和执行时间

成本分析 → 运行 /usage /cost 命令，记录性能指标

导出 → 运行 /export 到输出目录

重置 → 运行 /clear 重置会话，防止成本累积

总结 → 输出测试摘要，继续下一个

3. 报告生成

生成 SUMMARY.md：对比表格、关键发现、推荐建议、详细分析

评分维度

每个 skill 五个维度评分（1-5 分）：

总分：25 分

成本效率评分：5分(<5k) / 4分(5-15k) / 3分(15-30k) / 2分(30-50k) / 1分(>50k tokens)

自动交互处理

当被测 skill 提出交互式问题时，自动召集领域专家代理回答：

领域专家类型

1. 内容策略专家 - 写作、内容创作（语气、受众、格式）
2. 产品管理专家 - PRD、需求收集（策略、用户故事、可行性）
3. UX/UI 设计专家 - 界面设计、用户体验（设计系统、可访问性）
4. 软件架构专家 - 系统设计、架构模式（微服务、可扩展性、安全性）
5. 通用领域专家 - 跨职能问题、业务决策

专家召集流程

1. 检测问题上下文（领域、问题、场景）
2. 召集对应领域专家代理
3. 专家分析并提供最能展示 skill 能力的答案
4. 自动回复并继续测试

专家提示词模板：

你是【领域】专家，协助自动化 skill 测试。
上下文：被测 skill【名称】，测试场景【描述】，问题【内容】
任务：分析问题，选择最能展示 skill 能力的选项，提供简要理由，按期望格式回复。

实施规则：

• 绝不等待人工输入
• 总是召集相应专家代理
• 做出最能展示 skill 能力的决策
• 所有问答通过 /export 记录在 process.txt

输出结构

[类别]/
├── input.md           ← 测试提示词
├── [skill名称]/
│   ├── output.*       ← Skill 输出
│   ├── process.txt    ← 完整对话（含问答）
│   └── REPORT.md      ← 评估报告
└── SUMMARY.md         ← 综合分析

特殊情况处理

代理特定命令

自动检测代理类型（Claude Code/Cursor/其他）并使用相应命令（/usage /cost /export /clear）

会话重置

每个 skill 测试后必须运行 /clear 防止成本累积和指标重叠

不可调用的 Skills

如 user-invocable: false，则阅读文档手动应用，在报告中注明

失败/缺失的 Skills

失败：记录错误，反映在评分，继续测试 缺失：提示确认，运行 npx skills add [package] -g -y