检查AI技能与插件配置
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
Skillsaw 是面向 Agent Context 的高级 Linter，核心场景不是传统代码风格检查，而是检查 AI Agent 使用的指令文件、插件、skills、commands、agents、hooks 和 marketplace 结构。它宣称提供 40+ 到 50 条规则，覆盖弱语言、同义反复、注意力死区、嵌入式密钥、矛盾、术语不一致、上下文预算和结构元数据等问题。
从抓取内容看，Skillsaw 的优势在于“内容智能”和“Agent 指令工程”结合较深。它能自动识别 CLAUDE.md、AGENTS.md、Cursor、Copilot、Gemini、Kiro 等格式，并检查跨文件一致性。例如 inconsistent terminology 规则会发现 directory/folder 或 npm/yarn 等术语混用，避免模型在推理时处理隐含冲突。CLI 支持 uvx skillsaw 快速运行，skillsaw fix 修复结构问题，skillsaw fix --llm 借助任意 LLM 处理内容质量问题，并支持并行、范围化重新检查和按文件回滚。
Skillsaw 提供 GitHub Action，可在 CI 日志输出违规项，也可通过独立 review action 发布 PR 行内评论，具备评论去重和自动 resolve。文档还特别给出双工作流方案，以避免在不可信 PR 代码中授予写权限，并建议 pin 到 commit SHA，说明其 CI 安全意识较强。生态上支持自定义规则、禁用模式、阈值、脚手架生成和 HTML/Markdown 文档生成，适合团队将 AI 指令资产纳入工程化治理。
抓取文本未给出定价、支付方式或商业支持信息。页面显示项目路径为 stbenjam/skillsaw，并提供 GitHub Action 用法，但未明确声明许可证，因此不能直接判定其开源授权。部署方面，可本地 CLI 或 GitHub Actions 运行，未见独立服务端自托管说明。
优点是定位精准、规则体系丰富、CI 集成成熟，并且支持 LLM 自动修复；缺点是商业支持、其他 CI 平台、许可证和定价信息不足，LLM 修复质量也会依赖外部模型。它适合维护 AI 编程工具上下文文件的开源项目、平台团队、DevOps 和技术文档负责人。
未提供中国大陆访问、镜像或支付信息，访问情况评为未知。如 GitHub 或 PyPI 网络不稳定，可能需要代理或内部制品镜像。替代方案可考虑 Promptfoo、CodeRabbit、通用 Markdown Linter、Semgrep 或自研 CI 规则。
本测评基于公开资料整理,不构成购买建议,请以 skillsaw.org 官网实际信息为准。
面向AI编程助手生态，适合开发者研究。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。