Skill 体检改造（Matt Pocock 方法论）
用 Matt Pocock writing-great-skills 元技能的 6 类失败模式，对一个 Agent Skill（SKILL.md）做体检与改造，目标只有一个：Predictability（可预测性）——让 agent 每次跑同一套流程。
何时用
- 用户说"体检 / 改造 / 优化 / 打磨 skill"、"给 XX skill 做检查"
- 发布 skill 前做质量门禁
- 复用一个旧 skill 前先审计
体检清单（逐条对照 SKILL.md）
- premature completion（过早完成）：步骤是否带「✅ 完成判据」？判据是否可核验、可穷尽（如"读完所有列出的帧 + 结合转写 + 按需求产出"）？无判据 → 补。
- duplication（重复）：description 触发词是否把同一 branch 的同义写多遍（"读懂视频/看视频/分析视频/视频理解"）？中英双语复述是否冗余？合并为 one trigger per branch。
- sprawl（过长）：主文件是否过长？把"非每 run 都需"的内容（速查表、效率表、边界说明）渐进式披露到
references/子文件，SKILL.md 留指针。 - no-op（空操作）：是否有"模型默认就遵守"的废话（如 "be thorough"）？删掉省 context；换成强词（"relentless"）。
- negation（否定）：是否用禁令反而强化了禁项（"别想大象"）？改说正向目标行为；仅保留真护栏（如"绝不泄露 API key"）。
- sediment（沉积）：是否有只加不减的 stale 层？pruning：每个含义单一来源、删无关行、删 no-op 句。
额外两招
- 完成判据：每个工作流步骤末尾写「✅ 完成判据 = ...」，条件可核验（文件存在 / 输出特定行 / 全部项处理完）。
- leading words：用模型预训练已有的紧凑词锚定行为（如
reusing锚定"复用已加载模型、不双占显存"）。 - version bump：改完升小版本（语义化），commit message 用 conventional（
docs(skill): ...）。
工作流（实操）
- 读取目标 SKILL.md（及
references/子文件）。 - 逐条跑上面 6 类清单，列出发现。
2.5 （推荐）运行python3 scripts/check.py <目标SKILL.md路径>自动扫出 6 类问题并给 0–100 体检分，作为人工清单的对照基线。 - 改 SKILL.md：补完成判据、去重触发词、把长内容迁到
references/、删 no-op/negation。 - 升 version，commit + push（若开源）。
- 写一份体检报告（对象表 / 各仓明细 / 推送结果）。
反例（真实战）
海哥 3 个开源 skill 的共性问题：均无完成判据（补）、description 触发词重复（去重）、video 主文件过长（Cookie/Token 节迁入 references）。改造后版本 1.2.2 / 1.1.3 / 1.0.1，均 push 回 GitHub 成功。报告见 记忆库/AI研究/Skill开源仓库体检改造报告-2026-07-23.md。
资源
references/rubric.md— 6 类失败模式的完整判分 rubric：每类含「定义 / 信号 / 修复动作 / 严重度 / 自测问题」，体检时逐条打勾。scripts/check.py— 纯 stdlib 自动体检脚本（加载即跑，无依赖）：扫描 SKILL.md，按 6 类失败模式给出 0–100 体检分与命中清单。用法：python3 scripts/check.py path/to/SKILL.md。
