Agent 技能体检
拿各 Skill 的执行日志做体检,筛出成功率低、太慢、差评多的那几个,并给出改进依据。
功能与用途
Skill 装多了以后问题变得隐性:有的总报错、有的明显变慢、有的触发了但用户其实想干别的事,只看单次对话根本看不出来。这个能力把每次执行的成功率、耗时、错误、满意度记进数据库,按阈值自动挑出需要处理的 Skill,并把反复出现的同类错误聚到一起给修复建议。它只负责诊断和提方案,改不改、怎么改由人决定。
适用场景
- 团队内部攒了上百个 Skill,说不清哪些还在用、哪些已经该:团队内部攒了上百个 Skill,说不清哪些还在用、哪些已经该下线腾位置
- 某个 Skill 上线后成功率一直不高,但单条日志看不出规律:某个 Skill 上线后成功率一直不高,但单条日志看不出规律,需要把同类错误归到一起
- 老板问 AI 工作流这季度到底稳不稳,需要一份能看健康度的周:老板问 AI 工作流这季度到底稳不稳,需要一份能看健康度的周期报告
适用人群
- 维护自有 Skill 库的平台/工具团队负责人
- 做 Agent 平台工程与可观测性的后端工程师
- 给团队搭 AI 工作流的质量管理人员
使用步骤
- 把各 Skill 的执行记录按约定写进指标库,保证成功率、耗时、错误、满意度这些字段都有值
- 选定统计周期,跑一次分析得到各 Skill 的执行量、成功率、耗时和满意度总览
- 看瓶颈清单,分清是偶发错误、性能问题还是触发不准,再聚类错误模式拿到修复建议
- 改动用 A/B 方式上线,用同一套指标比对新旧版本,最后结成周期健康报告
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- AI工作流
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes、国内 Agent
- 使用难度
- 专业
- 版本
- main
- 最近更新
- 2026-09-09
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
Use when monitor performance of other skills, identify bottlenecks, suggest
使用前准备
- 需要 Python 3.10+ 与 pandas/sqlite3、Git,并已积累一定量的执行日志与 .omc 状态数据
- 冷启动阶段没有数据可分析
依赖与权限
- DB_PATH
- 读取用户主动提供的内容