Skeall：给满屏 Skills 做全身体检，这个元工具发现了什么

你有没有这种感觉——装了满屏的 Skills，用起来却经常「啊这怎么不触发」「这输出不对啊」？

问题不在 Skills 数量，在于没人给它们做质检。

GitHub 上 Skills 生态爆发了大半年，SkillsMP 收录了快 200 万个，但这些 Skill 到底有多少是真正可用的？Skeall 告诉你：大部分都有问题。

它是做什么的

Skeall 是一个专门给 Agent Skills 做”全身体检”的 CLI 工具——创建、改进、审计，一套流程全包。

它能扫描你的每个 SKILL.md，从 6 个维度打总分（满分 10）：
– 结构规范（目录、文件命名、引用关系）
– Frontmatter 格式（描述长度、触发词是否合规）
– 内容质量（Token 预算、冗余度、路由表一致性）
– LLM 友好程度（表格 vs 列表、Emoji 使用、标题层级）
– 安全性（XML 注入、硬编码凭证、密钥泄露）
– 跨平台兼容性（路径写法、baseDir 依赖）

这只是静态扫描。运行时还能做健康检查：幽灵 Skill（装了但从不触发）、重复 Skill、触发词冲突、引用脚本缺失、环境变量缺失、失效 URL……这些静态扫描根本看不到。

实测数据：平均分从 5.2 提到 7.8

作者在审计 22 个生产环境 Skill 时发现：
– 22 个 Skill，14 个需要修复，只有 8 个通过
– 高频问题：硬编码凭证（4 个）、名称与目录不匹配（3 个）、平台特定占位符（2 个）
– 修复后平均分从 5.2 提升到 7.8

这还是”看起来正规”的 Skill 仓库。想象一下 GitHub 上那几百万个野生 Skill，整体质量会是什么水平。

怎么用

在 Claude Code 里直接敲：

git clone https://github.com/dorukardahan/skeall ~/.claude/skills/skeall

然后：
– /skeall --create — 交互式引导创建新 Skill
– /skeall --improve <path> — 扫描并改进已有 Skill
– /skeall --scan — 只做审计，不改文件
– /skeall --healthcheck — 运行时健康检查

它支持 Claude Code、OpenAI Codex、OpenClaw 等 20+ 平台。

为什么值得注意

Skills 生态现在面临一个信任危机——大家都在装，但没人知道装的是不是垃圾。Skeall 某种程度上是在给这个行业建基础设施。

如果你自己在写 Skill，用它跑一遍再发布；如果你是团队负责人，用 --scan-all 批量审计全员技能库。至少知道哪些 Skill 真的值得装，哪些只是占坑。

GitHub：https://github.com/dorukardahan/skeall

GitHub: https://github.com/dorukardahan/skeall