今天skill-creator进行了一次大更新，基本上是进行了一次重构，使得 skill 的创建流程更加严谨和完整。

主要更新内容

SKILL.md 文档大幅重构

描述更新：

• 旧版：Guide for creating effective skills. This skill should be used when
  users want to create a new skill…
• 新版：Create new skills, modify and improve existing skills, and measure
  skill performance. Use when users want to create a skill from scratch,
  update or optimize an existing skill, run evals to test a skill, benchmark
  skill performance with variance analysis, or optimize a skill’s description
  for better triggering accuracy.

新增核心功能：

• 完整的评估和迭代循环 - 现在支持定量基准测试和定性评估
• 描述优化 - 自动优化技能描述以提高触发准确度
• 盲比较系统 - 用于严格评估两个技能版本的质量
• 平台特定指令 - 针对 Claude.ai、Claude Code 和 Cowork 的不同适配

新增脚本工具

新增 Agent 指令文件

• agents/analyzer.md - 如何分析为什么一个版本胜过另一个
• agents/comparator.md - 如何进行盲 A/B 比较
• agents/grader.md - 如何评估断言与输出

新增评估查看器

• eval-viewer/generate_review.py - 生成交互式评估查看器
• eval-viewer/viewer.html - 查看器前端
• assets/eval_review.html - 用于描述优化的评估审查模板

删除的文件

• scripts/init_skill.py - 初始化脚本被移除
• references/workflows.md - 工作流参考被移除
• references/output-patterns.md - 输出模式参考被移除

新增参考文件

• references/schemas.md - JSON 结构文档（evals.json, grading.json 等）

核心改进总结

这次更新将 skill-creator 从一个简单的技能创建指南转变为一个完整的技能开发和评估框架，包含：

1. 自动化测试和评估流程 - 支持并行运行测试、基准测试、盲比较
2. 描述自动优化 - 使用 Claude 扩展思考自动优化技能描述
3. 交互式查看器 - 浏览器内审查测试结果和反馈
4. 防过拟合机制 - train/test split 确保描述优化不只在测试集上有效
5. 从一个指令式的"如何创建技能"文档，变成了一个完整的"创建、测试、评估、优化"循环框架