Find Best Skill

目标

当用户明确要求"搜索技能"、"寻找 Agent Skill"、"查找某个领域的 skill"、"推荐最佳 skill"时使用。支持多平台搜索（GitHub、SkillsMP、Reddit）和社区/AI 双维度评价，推荐数量可根据用户指令动态调整（默认 5-10 个，支持 3-20 个）。⚠️ 不适用：用户只是询问"有没有某个技能"（应直接回答）、只是想了解技能列表（应直接列举）、没有明确"搜索/寻找/查找/推荐"意图。

流程

输入

使用场景

当用户需要：

• 寻找特定功能的 Agent Skill
• 了解社区中某个领域的最佳实践方案
• 对比不同技能的优劣
• 发现已有技能的替代方案

依赖关系

可选依赖：

• get-review-theme skill：用于需求解构（第 1 步）
  • 如果用户未安装该 skill，可直接分析用户需求提取主题和关键词

执行步骤

核心工作流

1. 需求解构

分析用户需求，提取核心主题和关键词：

优先使用 get-review-theme skill（如已安装）：

/skill get-review-theme "用户原始需求描述"

如未安装：直接分析用户需求，从用户输入中提取核心主题、关键词、具体问题。

2. 缓存查询

优先检查本地缓存，快速匹配历史技能：

# 使用缓存管理器搜索匹配技能
python scripts/cache_manager.py --search "关键词1" "关键词2" --limit 10

说明：

• 默认缓存参数来自 config.yaml:cache（单一真相来源）
• CLI 参数（如 --cache-dir）会覆盖 config.yaml

命中策略：

情况	处理方式
有命中	展示本地结果 → 询问用户"是否联网扩展？" → 用户选择
无命中	直接进入联网搜索（第 3 步）

用户交互话术：

基于本地缓存，我找到 {N} 个相关技能：

{展示本地结果}

💡 发现 {N} 个候选，是否联网扩展搜索以获取更多最新结果？
- 回复"是"或"联网"进行在线搜索
- 回复"否"或"直接使用"直接输出以上结果

3. 社区调研

基于解构结果，使用 WebSearch 类工具或搜索类 MCP 工具（如 SearXNG、Tavily）进行多平台搜索。

搜索平台：

平台	搜索语法示例	搜索重点
GitHub	site:github.com "SKILL.md" {关键词}	开源项目、Stars、Forks
SkillsMP	site:skillsmp.com {关键词} skill	技能市场、人气排序
awesome-claude-skills	直接访问 github.com/VoltAgent/awesome-claude-skills	社区精选
Reddit	site:reddit.com/r/ClaudeCode {关键词}	用户讨论、真实反馈

搜索关键词组合（见 config.yaml:search_keywords）：

• {topic} claude skill（如 TDD claude skill）
• {topic} agent skill
• {topic} claude code

搜索示例：

# GitHub 搜索 TDD 相关技能
site:github.com "SKILL.md" TDD claude

# 搜索测试驱动开发技能
"test driven development" agent skill github

# Reddit 社区讨论
site:reddit.com/r/ClaudeCode TDD skill

辅助脚本（可选）：

# 生成研究检查清单模板
python scripts/get_skill_info.py "repo1,repo2,repo3"

4. 结果合并与缓存更新

如果联网搜索：将本地缓存结果与联网搜索结果合并：

操作	说明
去重	基于 skill_name 或 GitHub URL 去重
数据源标记	本地/联网分别标记（source: local/online）
排序优化	联网结果优先（最新数据），本地结果补充

缓存更新：将联网搜索到的新技能写入缓存

from scripts.cache_manager import CacheManager

manager = CacheManager()
manager.add_skill(
    skill_name="skill-name",
    meta={
        "url": "https://github.com/xxx/skill",
        "description": "技能描述",
        "stars": 1234,
        "last_updated": "2026-01-18",
        "source": "online"
    },
    keywords=["tdd", "testing"],
    tags=["official", "workflow"]
)

5. 社区舆情分析

对每个候选 skill，收集以下信息：

社区评价维度：

• GitHub Stars 数量
• 最近更新时间
• Issue 响应速度
• Fork/Watch 比例
• 社区讨论热度

质量信号：

• 是否有官方支持（Anthropic、OpenAI）
• 是否被知名团队使用（Sentry、Vercel）
• 文档完整性
• 代码质量

6. AI 评价

从 AI 视角评估每个 skill：

技术维度：

• 工作流设计的合理性
• YAML frontmatter 质量
• Progressive Disclosure 实现程度
• 与现有生态的兼容性

实用性维度：

• 使用场景覆盖度
• 配置灵活性
• 扩展性
• 维护活跃度

7. 生成推荐报告

按最合适至最不合适排序，推荐 skills。

推荐数量规则（详细参数见 config.yaml:recommendation）：

1. 优先级1：用户明确指定

   • 解析用户指令中的数量关键词（如"推荐 3 个"、"给我 15 个候选"）
   • 示例："找 5 个最好的 TDD skill" → 推荐数量 = 5

2. 优先级2：使用默认范围

   • 默认目标数量：见 config.yaml:recommendation.target_count
   • 可调整范围：见 config.yaml:recommendation.default_min/default_max

3. 边界约束：

   • 最少：见 config.yaml:recommendation.absolute_min
   • 最多：见 config.yaml:recommendation.absolute_max

每个 skill 包含：

## N. {Skill Name}

**GitHub**: [项目地址](https://github.com/xxx/xxx)

### 推荐理由

**社区评价**：
- ⭐ {Stars} | 🍴 {Forks} | 📅 {最后更新}
- {社区使用情况、知名团队引用等}

**AI 评价**：
- {技术优势}
- {工作流设计亮点}
- {与需求匹配度}

### 局限性

- {潜在短板}
- {适用场景限制}
- {依赖或平台要求}

辅助脚本

缓存管理

# 查看缓存统计
python scripts/cache_manager.py --stats

# 搜索缓存中的技能
python scripts/cache_manager.py --search "关键词1" "关键词2" --limit 10

# 清理特定技能缓存
python scripts/cache_manager.py --clear "skill-name"

# 清理所有缓存
python scripts/cache_manager.py --clear

批量获取技能信息

# 生成研究检查清单模板
python scripts/get_skill_info.py "repo1,repo2,repo3"

参考资源

• Agent Skills 调研报告
• SkillsMP 搜索指南

示例

用户输入：找一个能做 TDD 的 skill

输出示例：

基于您的需求 "测试驱动开发（TDD）"，我为您推荐以下 skills：

## 1. test-driven-development

**GitHub**: [obra/test-driven-development](https://github.com/VoltAgent/awesome-claude-skills)

### 推荐理由

**社区评价**：
- ⭐ 1.2k+ | 🍴 150+ | 📅 2周前更新
- 被多个团队采用，社区活跃讨论

**AI 评价**：
- 强制 Red-Green-Refactor 循环，确保 TDD 严格执行
- 支持多种测试框架
- 渐进式加载设计，性能优秀

### 局限性

- 对测试框架有预设（可能不支持您使用的框架）
- 初次使用需要适应其严格的流程要求

## 2. tdd-workflow

**GitHub**: [anthropics/tdd-workflow](https://github.com/anthropics/skills)

### 推荐理由

**社区评价**：
- ⭐ 官方维护 | 📅 持续更新
- Anthropic 官方最佳实践

**AI 评价**：
- 与 Claude Code 深度集成
- 简洁的工作流设计
- 灵活的测试适配

### 局限性

- 功能相对基础，高级特性较少
- 专注于 Claude Code 生态

[... 继续推荐 3-8 个 skills]

输出

输出规范

推荐数量

动态确定规则：

1. 优先级 1：用户明确指定

   • 解析用户指令中的数量关键词（如"推荐 3 个"、"给我 15 个候选"）
   • 示例："找 5 个最好的 TDD skill" → 推荐数量 = 5

2. 优先级 2：使用默认范围

   • 用户未指定时，使用 5-10 个
   • 根据候选质量和相关性灵活调整

3. 边界约束：

   • 最少：3 个（确实找不到更多时）
   • 最多：20 个（避免信息过载）

排序：按推荐度降序排列

筛选标准

必须满足：

• 有 GitHub 仓库地址
• 有有效的 SKILL.md 文件
• 有明确的功能描述

优先推荐：

• 官方维护（Anthropic、OpenAI）
• 高 Stars（>100）
• 最近更新（6个月内）
• 有完整文档

排除条件：

• 没有 GitHub 链接
• 仓库已归档
• 超过 1 年未更新
• 文档严重缺失

数量解析示例

用户指令	解析结果	说明
"推荐 3 个 TDD skill"	3 个	明确数字
"给我 15 个候选"	15 个	超出默认范围但有效
"找一些 debug 技能"	5-10 个	未指定，使用默认
"只要最好的一个"	1 个	少于最少边界，但用户意图明确
"列出所有相关的"	5-10 个	无明确数量，使用默认

输出管理

BenszAPI 任务工作区

校验

质量检查清单

触发验证（执行前）：

• 用户明确要求"搜索/寻找/查找/推荐"技能
• 非简单询问"有没有某个技能"（应直接回答）

输出验证（执行后）：

• 每个推荐都有 GitHub 链接
• 推荐理由包含社区和 AI 双重视角
• 局限性分析真实客观
• 排序逻辑清晰可解释
• 总数符合"输出规范"的约束（见上文"推荐数量规则"）

失败与恢复

搜索、缓存与候选失败

• get-review-theme 未安装时直接从用户需求提取主题和关键词，不把可选依赖故障当作任务失败。
• 本地缓存无命中时进入联网搜索；联网来源不可用或部分失败时，明确标记失败来源并使用仍可验证的缓存/搜索结果，不虚构 Stars、更新时间、链接或社区评价。
• 候选缺少 GitHub 链接、有效 SKILL.md、明确功能描述，或命中排除条件时剔除并在数量不足时说明原因，不用低质量结果填充数量。
• 缓存写入、辅助脚本或单个平台失败时保留已收集的结果和错误信息；只有满足来源可追溯、排序和数量约束的候选才进入最终推荐报告。

约束

公共硬约束

本块由 docs/templates/skill-common-constraints.md 统一维护；每个 SKILL.md 的 ## 约束 必须逐字同步本块，不得在副本中改写公共规则。

• 任务需要落盘时，使用唯一的 ./.bensz-api/task-{yyyymmdd-hhmm}-{简短描述}/ 根目录；共享材料放入 shared/，Skill 专属材料放入该 Skill 的 input/、output/、log/。
• 正式交付物、源代码和正式计划按项目约定保存，不写入任务工作区；未经授权不覆盖、删除、迁移或远程写入。
• 项目维护变更检查 BAC 可用性并记录需求、AI 产出、工具结果、文件改动和验证摘要；BAC 只做过程审计，不替代署名、责任或合规判断。
• 不记录 API Key、访问令牌、密码、Cookie、环境/凭据文件、私有 Prompt、身份信息、本地用户名、主机名或不必要的大体积原始数据。
• 文件路径必须规范化并限制在授权项目范围内；外部 URL、子进程和网络访问遵循最小权限，防止路径遍历、SSRF 和命令注入。
• Skill 版本唯一记录在自身 config.yaml:skill_info.version；公开 API、协议、目录或配置变更同步文档与 CHANGELOG.md。
• bensz-collect-bugs 是一个 Agent Skill；仅将 Bensz Agent Skill 或 Bensz 基础设施本身的设计缺陷交给它。先脱敏写入 ~/.bensz-skills/bugs/，当前任务不中断，只有用户明确要求才公开上报，禁止直接修改用户已安装的 Skill 源码。