SkillNexus：开源 Skills 全生命周期创造平台

你写的 Skill，到底有多好用？

打开~/.claude/skills/，数一数里面有多少个文件。

10 个？20 个？还是一堆叫不出名字的my-prompt-v3-final？

更难回答的问题是：你知道哪个 Skill 真的好用吗？

大多数人的答案是：凭感觉。

Skill 是什么

如果你用过 Claude Code、Cursor 或 Windsurf，你一定接触过 Skill——一段 Markdown 文件，包含 YAML frontmatter 和自然语言指令，作为 system prompt 影响 AI 的行为。

--- name: code-review description: 执行代码审查，关注安全、性能和可读性 tags: [review, security] --- 你是一位资深工程师，负责审查代码。 请按安全性、性能、可读性三个维度分析， 输出问题列表和可直接替换的代码片段。

这类文件可以安装到 Claude Code 的.claude/commands/、或 Cursor 的.cursorrules，让 AI 在特定场景下按你的意图工作。

Skill 解决了"能力的载体"问题——模块化、可分发、跨工具。

但它没有解决：这个 Skill 好不好？怎么让它持续变好？

从"写提示词"到"培育能力"的认知跃迁

传统 Skill 创建的问题不在于写法，而在于缺乏闭环：

• 写完即丢，没有版本管理
• 效果好坏靠主观感受，没有量化数据
• 模型换代后只能从零调试
• 多人协作时同一能力被反复重造

Skill 标准只定义了"能力的载体"——如何生成、如何量化、如何持续改进，依然是空白。

SkillNexus 填补了这个空白。

真正的问题

随着 AI 工具普及，开发者积累的 Skill 越来越多，但面临几个共同困境：

写完不知道好不好——靠主观感受，没有量化数据。一个 Skill 在常见任务上表现不错，在边界情况下可能完全失效，但你不知道。

进化靠猜——改了一版，感觉"差不多"，但不知道哪个维度变好了、哪个退步了。没有对比数据，优化靠直觉。

模型换代后悄悄失效——Claude 升级，原来调好的 Skill 可能悄悄变差，你甚至察觉不到。

重复造轮子——团队里三个人各自维护功能几乎相同的 code-review Skill，谁也不知道哪个最好。

这不是个人管理能力的问题。是Skill 开发本身缺少基础设施。

SkillNexus：Skill 的全生命周期平台

SkillNexus 是一款桌面应用（Mac / Windows），把 Skill 从生成到进化的完整链路收进一个工具：

Home（管理）→ Studio（生成）→ TestCase（用例）→ Eval（评测）→ Evo（进化）→ Trending（榜单）

每一步都不是孤立功能，而是数据流转的节点：Studio 生成的 Skill 进入 Home 管理，TestCase 为 Skill 建立数据集，Eval 产出评分，Evo 消费评分产出进化版本，Trending 从历史评分中聚合排行——形成完整的能力培育闭环。

Studio：6 种方式生成 Skill

不知道怎么写 Skill？Studio 给了你 6 条路：

每种模式生成后都有实时 5D 质量预评分，安装前就知道这个 Skill 大概在什么水平。

Eval：8 个维度，量化"好不好"

感觉好用和真的好用，差的是数据。

这是 SkillNexus 最核心的技术创新，也是让"感觉还行"变成"数据说话"的关键。

评测维度分为两组：

G 系列（任务质量）：衡量 Skill 产出的结果好不好

S 系列（Skill 质量）：衡量 Skill 本身写得好不好

8 个维度里：

• G 系列能告诉你"Skill 有没有做对事"
• S 系列能告诉你"Skill 有没有把事做好"
• 两者的分离设计是核心洞察：一个 Skill 可能任务成功率高但 token 耗费惊人，也可能指令模糊但碰巧跑对了

评测支持三种模式：

每次评测都留下历史记录，雷达图、趋势折线、热力图全部可视化。

Evo：让 Skill 自动变好

评测出了分，发现 Skill 有问题之后呢？

SkillNexus 内置 8 种进化策略，覆盖从交互式微调到全自动迭代的全场景。

Studio 流式进化（实时可见）