（7449期）Skill Feed – 智能故障诊断，一键技能匹配

智能故障诊断，一键技能匹配 智能故障诊断与技能推荐引擎，自动检测工作流阻塞并提供针对性恢复方案，适配 Claude、ChatGPT、Gemini 多平台执行风格。 使用说明 核心用法 SkillFeed 是一款面向 ClawHub 的场景化技能推荐引擎，核心使命是自动识别并解除失败或卡住的工作流。当用户遭遇命令/API 失败、重试超限、输出缺失、执行超时，或仅有目标但缺乏实现路径时，SkillFeed 被触发运行。 其工作流程高度系统化：首先捕获并脱敏故障上下文（任务名、平台、错误代码类型、日志摘要），然后将故障分类为认证/权限、速率限制、网络超时、参数无效或未知类型。接着构建三层递进搜索查询（通用能力→场景→故障），在 ClawHub 执行实时搜索，按目标匹配度、故障类型匹配、设置成本、风险及维护信号多维排名候选技能。最终输出包含主推荐、备选方案、3-5 步即时行动、成功校验标准及回退路径的完整恢复计划。 数据脱敏是强制环节：API 密钥、令牌、PII、内部 URL、请求体等敏感信息必须在搜索前剥离，仅保留通用错误码、平台名、动作动词等安全标记。 显著优点 自动化故障诊断：无需用户手动描述问题，系统主动识别 6 类触发信号，降低诊断门槛 多层精准匹配：三层查询构造策略（broad → scenario → failure）确保推荐的相关性与深度 安全优先设计：强制脱敏规则防止凭证泄露，符合企业级安全合规要求 多平台适配：原生支持 Claude Code（终端优先）、ChatGPT（清单式）、Gemini（显式分段）三种执行风格，输出格式自动对齐 结构化决策支持：不仅给推荐，还提供量化权衡（setup cost、risk、maintenance signals）和明确的 fallback 路径 防噪机制：内置反重复推荐和危险操作确认拦截，避免干扰用户 潜在缺点与局限性 依赖 ClawHub 生态：搜索能力受限于 ClawHub 的技能库覆盖度与更新时效，冷门场景可能无匹配 实时性瓶颈：要求"always perform a live search"，离线场景下需回退到 references/top-skills-*.md，推荐质量可能下降 语义匹配风险：故障分类和查询构造依赖规则化 token 映射，非标准错误信息可能导致误分类 人工确认成本：高危险外部操作需用户确认，可能延长恢复时间 无自主执行权：仅提供 recommendation 和 action plan，实际修复仍需用户或调用方执行 适合人群 自动化工作流开发者：频繁与 Twitter/X、Telegram、GitHub 等 API 交互，需要快速诊断集成故障 Claude Code / ChatGPT / Gemini 重度用户：希望获得与当前平台风格对齐的执行指令 运维与 SRE 团队：需要标准化故障响应流程，减少人工排查时间 安全敏感型组织：要求工具内置数据脱敏，防止日志或查询中泄露凭证 常规风险 信息残留风险：尽管有脱敏规则，复杂日志中仍可能遗漏敏感字段，需用户二次确认 推荐过时：技能库更新不及时可能导致推荐方案基于旧版本 API 或已废弃端点 过度自动化依赖：用户可能盲目信任推荐，忽略对 fallback 路径的评估 平台差异遗漏：多适配逻辑虽全面，但边缘场景下的风格切换可能产生格式混淆 原始说明 Scenario-driven skill recommendation engine for ClawHub. Detects failed or stuck workflows, builds targeted search queries, and returns ranked skill recommen...