（3216期）Skill Quality Checker – 四维度技能质量静态扫描仪

四维度技能质量静态扫描仪 OpenClaw 技能质量静态分析工具，从文档、代码、配置、维护四维度评分，不执行代码仅文件分析，辅助筛选与改进技能，开发阶段可靠。 使用说明 概述 skill-assessment 是面向 OpenClaw 生态的轻量级静态分析工具，专用于评估 Agent 技能质量。其核心设计理念是"安全优先"——仅通过文件分析和元数据检查完成任务，完全不执行目标技能代码，从根本上规避了供应链攻击和恶意代码执行风险。 核心用法 工具支持四种典型使用场景：单技能评估、批量扫描、JSON报告生成、技能对比。命令行设计遵循 Unix 哲学，通过管道和文件输出便于 CI/CD 集成。评估维度采用加权评分制：代码规范性（40%）权重最高，体现对安全风险的重视；文档完整性（30%）次之；配置友好度（20%）关注用户体验；维护活跃度（10%）反映长期可靠性。 显著优点 安全隔离：纯静态分析，无代码执行，消除恶意技能入侵风险 多维量化：四维度加权算法，将主观质量判断转化为客观评分 可配置性：支持 YAML 配置和环境变量，适配不同团队标准 扩展架构：模块化 evaluators 设计，便于添加新检查规则 CI友好：JSON 输出和退出码设计，便于自动化流水线集成 潜在局限 静态分析的天花板：无法检测运行时性能问题、并发竞态条件、网络依赖故障 规则误报：安全扫描可能过度敏感，需人工调优例外规则 维护状态依赖文件时间戳：Git 提交历史比文件 mtime 更可靠，但实现更复杂 权重固化：四维度权重虽可配置，但难以捕捉特定领域的特殊质量要求（如金融技能对审计日志的严格要求） 适合人群 技能使用者：快速筛选 ClawHub 技能，避开文档缺失或安全隐患项 技能开发者：发布前的自检清单，定位改进优先级 平台运营：批量审计技能库，建立质量分级体系 企业安全团队：作为供应链安全的第一道闸门 常规风险 虚假安全感：高分不等于无风险，静态分析无法覆盖全部攻击面 配置漂移：本地自定义的权重规则可能与官方标准差异过大，导致评分不可比 依赖工具链：jq/yq 等外部依赖缺失会导致功能降级或失败 路径遍历：若未正确 sanitize 输入路径，可能读取预期外的敏感文件（需确认 assess.sh 实现） 原始说明 Agent skill quality checker. Input a skill directory or skill files; output trigger clarity, metadata issues, examples, safety boundaries, installability, po...