TRACE 技能预审

概述

把 SkillHub 的 TRACE 评测体系变成 Skill 开发期的规范指南：上传前先跑一遍，拦掉"会被自动淘汰"的低级问题（安全红线、硬编码密钥、文档硬伤），并给出五维改进清单。

适用场景（命中即用）

• 用户说"上传前自查""按 TRACE 评估这个 Skill""这个 Skill 规不规范""帮我过一遍 TRACE"。
• 用户写/改完一个 Skill，想对照 T-R-A-C-E 五维改进。
• 用户要检查某个 Skill 有没有安全红线、硬编码密钥、缺中文、文档混乱。

不适用 / 边界

• 本工具复刻 TRACE 中可静态判定的部分（T/C/A 全查 + R 骨架近似）。
• E（有效性）无法静态判定：平台靠"no-skill 对照实验 + 旗舰模型盲评"，本工具只给实测指引。
• 每月编辑精选 TOP10 榜单是平台侧人工/编辑行为，本地无法复现。
• 详细评测条目见 references/trace-rubric.md，不要凭空编造评分标准。

输入

$ARGUMENTS 应为目标 Skill 的目录路径（含 SKILL.md 的那个目录）。

若用户未提供路径：先问"要预审哪个 Skill？给出它的目录路径（例如 ~/.workbuddy/skills/xxx）"。

执行步骤

1. 定位本 Skill 的脚本入口：本 Skill 目录下的 scripts/trace_check.py。

环境推荐用托管 Python（零依赖，普通 python3 亦可）：

• macOS/Linux：/Users/whalechen/.workbuddy/binaries/python/versions/3.13.12/bin/python3
• 普通：python3

1. 运行检查器（把 <target> 换成用户给的 Skill 目录）：

   python3 "<本skill目录>/scripts/trace_check.py" --skill "<target>"

可选参数：

• --json：输出 JSON（便于程序化处理）。
• --output report.md：把报告写入文件。

1. 读取并解读结果，按下方「结果解读」向用户说明，重点先讲红色预警。

结果解读（务必讲给用户听）

• 🔴 红线淘汰：命中安全红线（高危命令）或硬编码密钥 → 上传会被自动拒绝，必须先修。
• 🟢 可上传：综合分 ≥ 80。
• 🟡 建议修改：综合分 60–79，按清单改完再传。
• 🔴 需大修：综合分 < 60。

逐维度说明：

• T 可信任度：安全红线 + 最小权限 + 密钥 + 国内可用性 + 中文。最该优先修。
• R 可靠性：仅骨架近似；若报告标"需人工实测"，提醒用户真实跑一遍。
• A 适用性：场景/触发/边界/IO 是否写清。
• C 规范性：渐进式披露/结构/限制/示例。
• E 有效性：给自测模板，建议用户做"加载 vs 不加载"对照实验。

输出样例（节选）

# TRACE 预审报告 · my-skill
**总评：🟡 建议修改后再上传**  ｜  综合预估分：72 / 100
| 维度 | 预估分 | 说明 |
| T 可信任度（红线） | 88 | ... |
| R 可靠性（近似）   | 70 | ... |
| A 适用性           | 80 | ... |
| C 规范性           | 65 | ... |
| E 有效性（需实测） | 需实测 | ... |

快速自检（交付前扫一遍）

• [ ] 已用本工具对目标 Skill 跑出报告
• [ ] 红色预警（若有）已向用户高亮并给出修复建议
• [ ] 已说明 E 维度需用户自行实测
• [ ] 评分依据来自 references/trace-rubric.md，未编造标准