name: meta-skill-writer
version: "1.3.0"
description: "帮我写个 skill。"
当用户提出「帮我写个 skill」时，按以下方法论创建。
openclaw skills check 验证依赖和用户确认三个问题：
按以下规则决定目录结构：
最小集（大部分场景够用）：
skill-name/
├── SKILL.md # 必需。核心说明书
├── scripts/ # 可选。确定性脚本
├── references/ # 可选。长文档/参考
├── examples/ # 可选。输入输出样例
└── evals/ # 可选。最小评测集什么时候加 scripts/：
什么时候加 references/：
什么时候加 examples/：
什么时候加 evals/：
什么时候不该加：
使用 references/skill-template.md 作为起点，填充以下内容：
frontmatter 必须包含：
---
name: skill-name # 简短，kebab-case
version: "1.0.0" # 语义化版本
description: "一句话说明" # 关键！Agent 靠这个判断是否触发
---description 写作原则：
对比案例（multi-agent-skill-evaluator 的真实迭代）：
| 版本 | description | 问题 |
|------|------------|------|
| ❌ v1.2 | Multi-agent独立技能评估。对任意skill，通过3个隔离的子agent分别打分+评语，最后汇总报告 | 描述功能，不是触发条件 |
| ❌ v1.3 | 当你想评估某个 skill 能不能胜任它的工作... | 好了点，但还有包装 |
| ✅ v1.4 | 帮我评估一下这个 skill | 用户会说的话，一字不改 |
正文结构：
# Skill 名称 — 一句话用途
(如果超出 2 行，说明 skill 范围太大)
## 首次设置（如果没有就是空）
## 工作流（核心步骤，从触发到交付）
## 输出格式（如果有）
## 注意事项正文写作原则：
脚本的原则：
bash script.sh "input" 应该能跑通完成前逐项自查：
创建完成后，可以调用 multi-agent-skill-evaluator 对新建的 skill 进行质量评估，获取改进建议。
| 反模式 | 说明 | 正确做法 |
|--------|------|---------|
| description 写成长文 | 触发条件模糊 | 直接用用户会说的话 |
| SKILL.md 里塞 API 文档 | 冲淡操作流程 | 放 references/ |
| 一个 skill 做两件事 | 职责不清 | 拆成两个 |
| 用脚本做 AI 判断 | 脚本不应该依赖 AI | 脚本只做确定性操作 |
| 缺少错误处理 | 失败时用户不知道怎么办 | 写明"如果 X 失败，告诉用户 Y" |
| 硬编码路径/凭据 | 不可移植 | 用参数/环境变量 |
写完后建议用 eval-skill 检查 skill 质量：
clawhub install eval-skill它会从触发准确性、步骤完整性、安全性等多个维度评估，确保你的 skill 达到发布标准。