SkillMM · SKILL 精选雷达

Agent Skills 、Claude Code Skills 和 Codex 工作流项目持续增加，但它们分散在不同仓库，文档质量和可运行程度差异很大。Star 只能提供热度上下文，不能说明触发条件、依赖、能力边界和真实复用场景。

因此，SkillMM 把目标定义为“降低发现与判断成本”，而不是收录得越多越好。用户应该能在几分钟内知道一个 Skill 是做什么的、为什么值得看、用前需要检查什么。

每个候选项目先去重，再确认仓库中存在真实 SKILL.md，然后读取仓库结构、说明文档与关键文件。评估不只看热度，而是同时检查完整性、可用性、实用性和维护度。

评级、精选分、推荐理由、标签、适用场景和安装前检查提示共同构成判断界面。评分用于组织注意力，但不会把评估者的判断包装成客观的万能结论。

这个网站背后是一条持续运行的内容供应链：Codex 每日发现候选项目，完成去重与评估辅助，写入本地 Obsidian 档案，更新每日清单和总览，再重建数据并同步线上。

三个视图承担不同任务：每日精选回答“今天有什么值得看”，优质归档回答“哪些值得长期保留”，全部 Skills 支持系统检索。数据新鲜度、同步状态和日常稳定性比一次性页面亮点更重要。

本地 Markdown 档案保留评估细节、数据来源与长期索引，是唯一正式数据源。线上仅发布重建后的静态 JSON 和页面，隐藏本地 Obsidian 路径，不开放写入、CMS 或云端自动抓取。

这个边界把经常变动、需要判断的研究工作留在本地，把稳定、脱敏、可快速访问的结果交给 Cloudflare Worker。用户无需登录，也不会触达本地评估笔记和临时文件。

我负责产品定位与知识运营体系：定义精选边界、评估维度、分类体系、信息架构、搜索与排序逻辑，以及本地档案到线上发布的每日工作流。

Codex 参与项目发现、仓库读取、去重、字段结构化、评估辅助和站点构建；选择标准、最终分级、公开边界和线上验收由我负责。