Skill Score Booster — Skill Hub 评分提升方案生成器

基于 TRACE 评测报告 + 源码，自动生成可落地、可执行、覆盖全扣分项的 skill 提分整改方案。仅出方案，不修改任何文件。

核心流程

收集输入 → 解析报告 → 定位源码 → 维度映射 → 确定档位 → 生成方案 → 输出

第一步：收集输入（两项必填）

触发后立即引导用户提供以下两项，缺一不可：

1.1 评测报告

支持三种形式（优先级从高到低）：

> 报告获取路径提示（首次使用时展示）：Skill Hub → 个人中心 → 我的 Skills → Skill 详情 → 评测报告

1.2 源码位置（二选一）

• Git 仓库地址：https://github.com/xxx/skill-name.git
• 本地已安装技能名：在 ~/.workbuddy/skills/ 下查找

第二步：解析 TRACE 报告

2.1 提取结构化数据

从报告中提取：

overall_score: 4.6        # 综合评分
max_score: 5.0             # 满分
grade: "优秀"              # 评级
dimensions:
  T: { score: 5.0, feedback: "..." }   # Trust 可信度
  R: { score: 4.4, feedback: "..." }   # Reliability 可靠性
  A: { score: 4.5, feedback: "..." }   # Adaptability 适用性
  C: { score: 4.5, feedback: "..." }   # Convention 规范性
  E: { score: 4.6, feedback: "..." }   # Effectiveness 有效性

2.2 识别扣分项

规则：score < max_score 的维度即为扣分项。对每个扣分项：
- 计算扣分量 = max_score - score
- 从 feedback 中提取改进建议关键词
- 按扣分量降序排列（最大扣分项优先处理）

第三步：定位并阅读源码

3.1 Git 仓库

git clone <repo_url> /tmp/score-booster/<skill-name>
cat /tmp/score-booster/<skill-name>/SKILL.md
ls /tmp/score-booster/<skill-name>/scripts/ /tmp/score-booster/<skill-name>/references/

3.2 本地技能

WorkBuddy 用户级技能目录为 ~/.workbuddy/skills/：
- Windows 实际路径：C:\Users\<user>\.workbuddy\skills\
- 若从 WSL FDE 访问：/mnt/c/Users/<user>/.workbuddy/skills/

SKILL_DIR="$HOME/.workbuddy/skills/<skill-name>"
cat "$SKILL_DIR/SKILL.md"
ls "$SKILL_DIR/scripts/" "$SKILL_DIR/references/"

3.3 源码审查重点

读取 SKILL.md 后，关注各段落与 TRACE 维度的对应关系（见第四步映射表）。

第四步：TRACE 维度→代码整改映射知识库

每个扣分项必须在此表中找到对应条目，才能给出函数级改法。

T — Trust 可信度 (满分 5)

R — Reliability 可靠性 (满分 5)

A — Adaptability 适用性 (满分 5)

C — Convention 规范性 (满分 5)

E — Effectiveness 有效性 (满分 5)

第五步：确定目标分档位

5.1 询问用户目标分（必须）

按优先级处理：
1. 用户已明确目标（如"我要满分""冲 4.8"）→ 直接用该目标
2. 用户未提及目标 → 询问："你的目标分数是？"
3. 用户给不出目标 → 提供三档供选择（见 5.3）

5.2 三档梯度算法

T1 = ceil10(current + 0.1)   # 起步档：当前分向上取整到下一位 0.1
T3 = max_score                # 满分档
T2 = round((T1 + T3) / 2, 1) # 中间档：四舍五入到一位小数

示例验证：4.6→4.7/4.9/5.0；4.4→4.5/4.8/5.0；4.9→5.0（收敛）

收敛规则：T1≥T3 只输出 [T3]；T2 与 T1/T3 重合（差<0.05）合并为两档

5.3 档位选择交互模板

📊 当前综合评分：{current}/{max} ({grade})

请选择目标档位：
| 档位 | 目标分 | 需整改维度 | 难度 |
| 轻度提分 | {T1} | {n1}个 | 低 |
| 中度提分 | {T2} | {n2}个 | 中 |
| 冲刺满分 | {T3} | {n3}个 | 高 |
回复编号或目标分即可。

第六步：生成整改方案

6.1 方案生成逻辑

对目标分 target：
1. gap = target - current
2. 按「权重 × 可行性」排序扣分项，选取总权重 ≥ gap 的最小集合
3. 每项输出：维度+当前分→目标分 + 函数级改法 + 预估贡献分
4. 预估总分 = current + Σ(贡献分)，不超过 target
5. 扣分量与预估贡献分均保留一位小数（如 0.6、0.4），避免浮点噪声

6.2 输出模板（严格 ≤500 字）

# 🎯 {skill_name} 提分方案
**当前 {current}/{max} ({grade}) → 目标 {target}/{max}**

## 整改清单（共 N 项，预估达 {estimated}/{max}）
### 1. [{维度}] {扣分量}分缺口 → 改法(+{贡献}分)
- 位置: SKILL.md 第 X 段 / 函数 xxx()
- 动作: 一句话描述具体改动
- 验证: 如何确认改到位
### 2. [{维度}] ...

## 实施顺序建议
高权重优先→中→低。预计时间: {估算}。

## ⚠️ 注意事项
- {风险提示}

6.3 字数控制

• 每项整改 60-80 字（位置+动作+验证）
• 最多列 6 项（超出合并低权重项）
• 顺序+注意各 ≤50 字
• 总上限 500 字（不含 Markdown 符号）

第七步：输出与保存

1. 对话内按模板呈现方案
2. 保存到工作区 skill-score-booster-report-{name}-{date}.md
3. 询问是否展开某项到 diff 级别

已知限制

• 报告解析依赖 AI 理解自由文本，可能偏差——解析后展示关键发现请用户确认
• 预估权重基于经验值，实际以 TRACE 重新评测为准
• 图片报告(PNG/JPG)依赖视觉理解，复杂表格可能丢数据
• 不支持自动改源码，所有整改需人工执行