Commonly-used-high-value-skills find-skills

让 Agent 自动搜索并安装合适技能，解决不知道该用哪个技能的问题。

install

source · Clone the upstream repo

git clone https://github.com/seaworld008/Commonly-used-high-value-skills

Claude Code · Install into ~/.claude/skills/

T=$(mktemp -d) && git clone --depth=1 https://github.com/seaworld008/Commonly-used-high-value-skills "$T" && mkdir -p ~/.claude/skills && cp -r "$T/skills/task-understanding-decomposition/find-skills" ~/.claude/skills/seaworld008-commonly-used-high-value-skills-find-skills-21d146 && rm -rf "$T"

manifest: skills/task-understanding-decomposition/find-skills/SKILL.md

Find Skills

当用户只描述目标、但未指定具体工具或技能时，优先使用本技能做自动匹配。Find Skills 是 Agent 的“大脑插件中心”，它能理解用户意图，并从浩如烟海的 ClawHub 仓库中精准定位、安装并配置合适的技能。

安装

npx clawhub@latest install find-skills

工作方式

语义理解 (Semantic Extraction)：根据用户复杂、模糊的目标，生成 3-5 个核心技能检索词（如 “SQL optimization”, “React chart libraries”）。
多源检索 (Multi-Source Search)：在 ClawHub 官方仓库、本地已安装列表及相关开源索引中搜索候选技能。
优先级排序 (Prioritization)：根据技能的评分、下载量、更新频率以及与当前任务的匹配度进行综合排序。
决策与理由 (Reasoning)：为前 3 名技能给出详细的推荐安装理由。
按需执行 (On-Demand Execution)：按用户确认结果或自主决策执行
```
clawhub install
```
。

触发条件 / When to Use

冷启动场景：新项目开始，用户提出了一个 Agent 之前没处理过的任务类型（如“帮我写一个 Chrome 插件”）。
工具链补强：Agent 发现现有技能集无法完成任务，提示缺失必要的工具（如缺失
```
image-edit
```
时）。
优化替代方案：现有技能效率低下或报错，需要寻找功能类似的“增强版”技能。
批量环境部署：需要为一套复杂的工程方案（如云原生架构）一键安装全套开发、运维技能。
自动升级检测：当用户询问最新功能时，Agent 自动搜索是否有对应的 Beta 版技能可用。

核心能力 / Core Capabilities

1. 精准意图映射 (Intent Mapping)

操作步骤：
1. 接收到原始 Prompt。
2. 调用内部 LLM 对 Prompt 进行“原子任务”拆解。
3. 将拆解后的原子任务（如“PDF parsing”, “OCR”, “Summarization”）映射为标准技能标签。
最佳实践：生成检索词时，应包含“动词 + 名词”结构，如
```
parse-xlsx
```
而非仅仅是
```
xlsx
```
。

2. 候选技能对比评估 (Skill Benchmarking)

操作步骤：
1. 调用
```
list_agent
```
  或搜索接口。
2. 提取每个候选技能的
```
description
```
  和
```
metadata
```
  。
3. 建立评分矩阵（功能覆盖度、稳定性、易用性）。
最佳实践：优先推荐那些有
```
verified
```
标签或在大厂生产环境验证过的技能。

3. 一键环境就绪 (Zero-Config Readiness)

操作步骤：
1. 确认目标技能后，自动执行
```
clawhub install <skill-name>
```
  。
2. 检查安装后的
```
README.md
```
  ，识别是否需要环境变量（ENV）或 OAuth 授权。
3. 如果需要，主动提示用户配置或通过
```
composio_connect_app
```
  完成连接。
最佳实践：安装完成后，自动运行一个
```
hello world
```
级别的测试指令，确保技能真实可用。

4. 依赖项解析与递归安装

操作步骤：
1. 分析目标技能的依赖链。
2. 自动补充安装底层依赖（如
```
puppeteer
```
  ,
```
ffmpeg
```
  等底层二进制工具）。

常用命令/模板 / Common Patterns

智能技能匹配模板 (Matching Template)

### 用户目标
[描述：实现一个能够自动分析 XHS 数据并生成周报的机器人]

### 识别出的关键词 (Generated Keywords)
- `xiaohongshu-crawler`
- `data-analysis-pandas`
- `markdown-report-generator`
- `chart-visualizer`

### 推荐技能组合 (Recommended Stack)
1. **xhs-analyzer** (评分 4.8): 包含成熟的爬虫逻辑和反爬策略。
2. **super-report** (评分 4.5): 支持将 JSON 直接转化为美观的 Markdown。
3. **quick-chart** (评分 4.9): 能够生成静态图片图表并插入报告。

### 是否立即安装前两项？ (Confirm Installation?)
> [Yes] / [No] / [Tell me more]

检索接口模拟示例

// 示例：查询具备“代码审查”能力的技能
const candidateSkills = await mcp_call({
  name: 'search_available_skills',
  arguments: {
    keyword: 'code-review',
    limit: 5,
    sort_by: 'downloads'
  }
});

进阶应用场景 / Advanced Use Cases

1. 跨平台能力迁移

用户原本在本地使用
```
python-scripts
```
，现在想迁移到云端。Find Skills 会主动寻找
```
vercel-deploy
```
和
```
supabase-connector
```
等技能来适配。

2. 紧急漏洞补救

当系统提示
```
dependency vulnerability
```
时，Find Skills 会搜索具备“安全扫描与自动补救”能力的技能（如
```
security-vetter
```
）。

边界与限制 / Boundaries

安装权限限制：在受限容器或无 root 权限的环境下，安装可能失败。
冲突检测：防止安装功能高度重合或命令名称冲突（Name Collision）的多个技能。
Token 消耗：频繁的大规模搜索和
```
description
```
解析会消耗较多 Token。
未经验证风险：对于非官方认证（Community）的技能，Agent 应给予明确的安全警告。
版本不兼容：由于 ClawHub 版本迭代快，部分老旧技能可能在当前环境无法运行。

最佳实践总结

先搜后装：不要盲目安装，先利用
```
find-skills
```
进行横向对比。
最小安装原则：只安装完成当前任务最核心的 1-2 个技能，保持系统简洁。
理由先行：Agent 在推荐安装时，必须说明“为什么这个技能适合你的任务”。
安装后自检：安装成功后，立即读取
```
SKILL.md
```
获取该技能的
```
Common Patterns
```
。
定期清理：对于一次性任务使用的技能，在任务结束后提示用户可以卸载（Unload）。