（1062期）Improve Skill Bespoke To CodeBase – 技能审计与智能优化专家

技能审计与智能优化专家 元技能：评估 Factory Droid 技能与当前项目的匹配度，生成可执行的优化建议，涵盖定义清晰度、代码库适配、边界情况等6大维度。 使用说明 核心用法 improve-skill 是一个元技能（meta-skill），用于审计和优化其他 Factory Droid 技能。它通过6步评估框架对目标技能进行深度体检：① 技能定义审计（检查指令清晰度、完整性、错误处理）；② 代码库适配分析（识别技能未覆盖的文件类型、目录结构、框架模式）；③ 边界情况发现（检测异常文件、编码问题、框架魔法目录等）；④ 输出质量评估（验证历史生成物的准确性、一致性、完整性）；⑤ 可组合性检查（评估与其他技能的协作能力、幂等性、状态管理）；⑥ 用户体验审查（评估调用 friction、反馈质量、可恢复性）。评估完成后输出结构化改进报告，包含评分卡、优先级排序的改进建议、边界情况清单及 SKILL.md 补丁建议，并支持直接实施改进。 显著优点 系统化评估框架：6大维度覆盖技能全生命周期，避免主观判断，诊断结果可复现 项目特异性洞察：结合当前代码库实际结构（文件类型、框架模式、规模）生成建议，而非通用模板 可执行输出：每个问题都附带具体修复方案、工作量估算和行级补丁建议，直接可用于迭代 闭环验证：支持改进后重跑样本验证，量化前后对比 自动触发机制：可监听用户反馈（"它漏了X"）或观察到的摩擦自动建议评估 潜在缺点与局限性 依赖历史调用数据：输出质量评估需要技能曾被调用过，新项目首次使用可能无法完整评估第4维度 模拟成本：无历史数据时需对5-10个代表性文件进行"干运行"模拟，增加 token 消耗 框架覆盖盲区：评估框架虽全面，但对新兴框架或高度定制化架构的检测可能滞后于实际演进 改进实施风险：直接编辑 SKILL.md 可能引入新错误，需要验证步骤但用户可能跳过 评估者能力上限：元技能的评估质量受限于当前模型的代码理解能力，复杂边界情况可能误判 适合人群 技能维护者：需要持续迭代官方或自定义技能以适应多项目场景的开发者 DevOps/平台工程师：负责维护组织内技能库、确保技能与项目模板同步的团队 高级用户：对现有技能输出不满意、希望系统性优化而非打补丁的终端用户 技能迁移场景：将技能从 A 项目迁移到 B 项目时，快速识别适配差距 常规风险 误报边界情况：可能将项目特有的合法模式标记为"需处理"，导致技能过度复杂化 评分主观性：虽然框架结构化，但 STRONG/ADEQUATE/WEAK/MISSING 的判定仍存在一定主观空间 改进范围蔓延：用户可能要求超出技能原始设计目标的"改进"，违背"尊重用户设计"原则 验证跳过：报告建议的"重跑验证"步骤若被忽略，可能使改进后的 regress 未被捕获 原始说明 Meta-skill: evaluate any Factory Droid skill against the current project codebase and suggest concrete improvements. Use when: a skill feels incomplete, prod...