这个 Skill 能做什么，适合哪些场景？
Skills Manager 是一款开源（MIT）桌面应用，把每份技能只写一份存入中央枢纽（~/.skills-manager/skills），再用符号链接同步到 Claude Code、Codex、Cursor、Gemini CLI 等 32 个 AI 编程工具。skm 是随附的命令行前端，与桌面应用读写同一份配置和链接，适合 SSH、无头服务器或纯终端工作流。本技能教代理如何正确调用 skm：初始化、启用/禁用、体检与修复。注意 skm 不负责编写或搜索技能内容，那些功能在 GUI 或其他工具中。
运行 skm init 初始化 ~/.skills-manager/config. 并检测本机已安装的 AI 工具；运行 skm list -- 查看枢纽中的技能及各工具的链接状态；运行 skm enable/disable <skill> --for <tool> 创建或移除符号链接（Windows 上依次尝试符号链接→junction→受控复制）；运行 skm adopt 把工具目录里已存在的真实技能目录迁入枢纽并重新链接（支持 --dry-run 预览）；运行 skm doctor 诊断工具检测与链接问题，skm fix --yes 自动修复。
- 在无 GUI 的 SSH/无头服务器上，用 skm init + adopt 完成全套终端化技能管理
- 排查『某技能在 Claude Code/Codex 里没显示』：doctor 定位问题，fix 修复断链
- 把某工具目录下手工放置的技能目录收编（adopt）进枢纽，避免绕过枢纽管理
- 只给用户点名的那个工具开启某技能，而不是盲目对所有工具全开
- 想搜索/安装 skills.sh 市场技能的用户——skm 不含 marketplace 功能，应改用 npx skills 或 GUI
- 想用 skm 编写 SKILL.md、打标签、翻译内容或增删自定义工具的用户——这些只能在 GUI 完成
- 想更换枢纽目录位置的用户——CLI 不支持，固定为 ~/.skills-manager/skills
如何安装这个 Skill？
- 注意：`skm adopt --` 不带 `--yes` 也会直接应用变更（跳过确认提示），代理调用时务必显式传 `--yes` 并先用 `--dry-run`（人类可读模式）预览。
- `skm doctor --` 恒退出 0，脚本必须按 `issues_count` 判断而非退出码；`fix --yes --` 可能 stdout 有结果同时退出 1。
- CLI 二进制需从境外网站/GitHub Releases 下载，仓库未提供校验和或签名验证指引，下载时注意完整性；该产品未被 Apple 公证。
- 启用工具即在各 AI 工具目录写入符号链接（Windows 下可能退化为受跟踪拷贝），属对本地文件系统的外部副作用，建议用户知情后使用。
- 静态审查未执行任何命令，所有行为描述均来自文档自述，实际结果需用户自行验证。
- Shell / 命令行
- 本地文件系统
Skills Manager desktop app or skm binary (GitHub Releases)terminal / shell access
先安装 Skills Manager 桌面应用或独立的 skm 二进制，本技能会随 skm init 自动装入枢纽。各安装途径：
桌面应用（macOS Homebrew）
brew tap jiweiyeah/tap
brew install --cask jiweiyeah/tap/skills-manager独立 CLI（GitHub Releases）
# 从 https://github.com/jiweiyeah/skills-manager/releases 下载 skm-<target>.tar.gz（Windows 为 .zip），解压后放入 PATH
skm --version本技能随 CLI 初始化自动安装
skm init --如何使用这个 Skill？
安装后，把下面任意一句发给 Agent 即可触发：
- 帮我在这台 SSH 服务器上初始化 skm，并把工具目录里已有的技能收编进枢纽
- 我的 ab-testing 技能在 Claude Code 里没显示，用 skm 诊断并修复
- 只给 Codex 启用枢纽里的 skills-manager-cli 技能，其他工具不要动
- 列出当前所有技能及各工具的链接状态，用 JSON 输出
当用户或代理需要从终端、SSH、CI 或无头机器管理技能时触发。典型流程：
skm init -- # 首次运行，幂等
skm adopt --dry-run # 预览可收编的目录
skm adopt --yes -- # 收编并重新链接
skm list -- # 确认状态
skm doctor -- # 体检（注意：以 issues_count 而非退出码判断）
skm fix --yes -- # 修复发现的问题要点：enable/disable 无 --；写命令有建议锁，冲突时重试一次；-- 模式下错误以 {"error":"..."} 输出到 stderr；fix/adopt 须加 --yes 才真正生效。
这个 Skill 有哪些优点和局限？
- GUI 与 CLI 读写同一配置，可互换使用，适合 dotfiles 脚本与无头环境
- 设计面向代理调用：-- 输出、幂等 init、dry-run 预览、建议锁防并发写
- 开源 MIT，跨 macOS/Windows/Linux，支持 32 个 AI 工具并可扩展自定义工具
- 符号链接同步无文件复制，Windows 普通账户三种降级策略即可工作
- CLI 不能编写、编辑、搜索、翻译技能，也不能访问市场——需要 GUI 配合
- 工具的 enabled/detected 标志 CLI 无法修改，需回 GUI Tools 页面处理
- skm 不是独立 npm 包，必须先装桌面应用或从 Releases 下载二进制
- init 后新装的工具可能一直显示 not installed，直到 GUI 重新检测；macOS 构建未经 Apple 公证
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| Skills Manager CLI（skm）技能 本页 | 59 · 推荐 | ★ 1.1k | 1 个月前 | MIT |
| Engram 持久记忆协议 | 68 · 推荐 | ★ 7.7k | 8 天前 | MIT |
| Vibe Replay 会话回放 | 56 · 谨慎使用 | ★ 38 | 7 天前 | MIT |
| Multica 技能导入器 | 56 · 谨慎使用 | ★ 54k | 6 天前 | NOASSERTION |
| OpenSkills 通用技能加载器 | 54 · 谨慎使用 | ★ 11k | 9 个月前 | NOASSERTION |
与 skills.sh 的 npx skills CLI 是不同且无关的工具：skm 只做本地枢纽与符号链接管理，不做市场搜索/安装；GUI 版提供市场、翻译、标签等 CLI 未覆盖的功能。
FollowSkills 如何评估这个 Skill？
技能本身仅驱动本地 CLI：无网络调用、无凭据读取，操作范围限于 ~/.skills-manager 与各工具技能目录的符号链接；写入命令有 advisory lock，Windows 回退链（symlink→junction→tracked copy）透明记录来源。扣分点：`adopt` 会移动用户真实目录，且 `--` 不带 `--yes` 也会跳过确认直接应用（文档自己承认），对代理调用者存在误触发即产生变更的风险；二进制需从网站或 Releases 下载，未提供校验和/签名说明，静态审查无法验证二进制供应链。
SKILL.md 与 references/.md 对 JSON 契约、退出码、dry-run/apply 矩阵（含 `adopt -- --dry-run` 不输出 JSON 这种反直觉行为）、锁冲突、错误消息均有极详细且自洽的描述，失败可诊断性文档层面近乎范例。但静态审查上限 10：无已执行的键路径复现，未见针对 skm 本体命令行为的提交测试证据（workflow 中的测试仅覆盖发布脚本）。
description 明确给出触发条件（管理技能、技能缺失、要求运行 skm）和否定边界（不用于 npx skills、skill-creator、marketplace），Out of scope 表与 Which tool 表进一步收窄；跨平台（含 Windows 权限说明）与 headless 场景适配良好。扣分点：核心依赖需从境外网站/GitHub Releases/ClawHub 获取，未提供国内镜像或校验手段；`--` 语义陷阱多，触发虽准确但正确使用门槛不低。
文档分层良好（SKILL.md → references/.md → references/tools.md），边界声明、安装位置、命名冲突表、许可证（MIT）、版本门控发布（publish-skill.yml 版本变更才发布）都清晰。扣分点：技能自身无 changelog/版本字段，与 app 版本绑定的更新路径依赖 ClawHub 发布流程；发布者身份未经认证，维护责任仅为个人仓库承诺；README 中含广告/赞助内容。
任务（跨 32 个工具同步技能链接）的边际价值明显高于手动建链，CLI 提供机器可读输出适合代理自动化，文档直接可用。但静态审查下无法验证实际输出正确性（如 junction 回退、adopt 移动行为），complete 证据仅来自作者自述，故上限 7，取 6。
有可审计的主材料：源码仓库、MIT 许可、真实 CI 工作流（build.yml 构建 skm 并附到 release，publish-skill.yml 含版本门控与单元测试）。但 CI 测试仅覆盖发布脚本而非技能声明的 skm 行为，JSON 契约无独立复现或第三方佐证，多证据交叉验证不足，静态上限 5，取 4。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →