Skills 全生命周期创造平台，让你的 Skill 可生成、可量化、可管理、可成长。
SkillNexus 系列导航（共 10 篇）
打开 ~/.claude/skills/，你能说清楚里面哪个 Skill 还在用、哪个已经失效、哪个其实跟另一个功能重叠吗？
大多数人不能。
这不是管理能力的问题，是 Skill 开发本身缺少基础设施：
- 写完不知道好不好——靠主观感受，没有量化数据
- 进化靠猜——改了一版，感觉"差不多"，但不知道哪个维度变好了、哪个退步了
- 模型换代后失效——Claude 升级，原来调好的 Skill 悄悄变差，你甚至不知道
- 多人重复造轮子——团队里三个人各自维护功能几乎相同的 code-review Skill，谁也不知道哪个最好
- 没有淘汰机制——旧 Skill 堆在那里，越来越多，越来越乱
Skill 解决了"能力的载体"问题——模块化、可分发、跨工具。但它没有解决：如何知道这个 Skill 好不好？怎么让它持续变好？
SkillNexus 要做的事
一句话：让 AI Skill 可生成、可量化、可进化的全生命周期平台。
核心是一个数据驱动的闭环：
Studio（生成）
→ TestCase（用例）→ Eval（评测）
→ Evo（进化）
→ Trending（榜单）
每一步都不是孤立功能，而是数据流转的节点：
生成有依据——Studio 内置 AI 辅助生成，同时提供 5 维实时质量预评分，写出来就知道大概在什么水平。
评测有标准——8 个维度量化 Skill 在真实任务上的表现：正确性、指令遵循、安全性、完整性、鲁棒性，以及 Skill 自身的可执行性、成本意识、可维护性。每次评测都留下历史记录。
进化有数据——Evo 消费评测历史，自动诊断哪个维度最弱、哪些样本最差，用 4 种算法（EvoSkill / CoEvoSkill / SkillX / SkillClaw）生成改进版本，并对比新旧版本的分数变化，防止回归。
排名有依据——Trending 从所有评测历史中聚合排行，哪个 Skill 真正在用、真正好用，数据说话。
为什么是桌面应用？
你的 Skill 文件和 API Key 都是本地资产，不应该经过任何第三方服务器。
- Skill 文件存在
~/.claude/skills/，与 Claude Code 直接共享，零迁移成本 - API Key 只在主进程内存中存在，渲染进程拿不到
- 评测任务（Shell 命令执行）需要访问本地环境
- 支持本地 Ollama，完全离线可用
下一步
如果你在用 Claude Code、Cursor 或任何支持 Skill 标准的 AI 工具，SkillNexus 可以直接扫描导入你现有的 Skill 目录，5 分钟内完成第一次评测。
下一篇我们讲具体怎么上手：02 · 5 分钟完成第一次 Skill 评测
SkillNexus · 2026 · skyseraph · GitHub
