技能写完了，怎么知道它真管用？Anthropic 官方有个叫 skill-creator 的技能，专门干这事：给你的技能写测试用例、跑有技能和没技能两组对照、逐条打分，最后出一份通过率、耗时和 token 数的基准报告。AI Parabellum 11 月 4 日用 Claude Code v2.1.318 实测了一轮，拿的是一个故意写得很弱的技能。
测试对象是 standup-notes，一个只有两行正文的技能，把潦草笔记写成站会更新。第一轮只写了 2 个测试提示词、每个 3 条断言，跑了 4 个子代理（有技能和没技能各两遍）：通过率 83% 对 67%。数字本身不重要，有用的是挂掉的检查暴露的问题——把“等设计稿”错放进 Blockers、同一条 flaky CI 在两个小节各出现一次、Yesterday 和 Today 被合并成一个标题。按这份失败清单重写技能、快照旧版再跑一轮对照：新版 100%，旧版 60%。
照着抄的话记住几条：第一轮保持很小，2 个测试、每测 3 条断言就够找大毛病，跑多了烧用量；先读挂掉的检查、再看通过率；改之前先快照旧版，不然没法公平对照；一轮只跑一次只能算方向提示，想当结论要多跑几遍；检查要按真实需求先写好，写完技能再补检查等于自己给自己出送分题。装法也简单：从 Anthropic 官方 skills 仓库装插件，或者把 skill-creator 文件夹拷进项目的 .claude/skills/ 里只在项目内用。
相关阅读：Claude Code 技能写好了却不触发？6 步排查、自己写 Claude Code 技能先看这篇：SKILL.md 每个 frontmatter 字段是干嘛的
来源：AI Parabellum，原文：https://aiparabellum.com/how-to-test-improve-skill-with-claude-skill-creator/
没有回复内容