Luban — скилл
Скилл-мастерская: агент проверяет готовый скилл, ищет аналоги, оценивает и правит по шагам с проверкой каждой правки.
- 965 ★ репозитория
- Последний коммит
- MIT
Расширенный доступ
Почему такой уровень
- Агент ходит в сеть за аналогами и по вашему выбору правит файлы и коммиты репозитория скилла.
- Слияние в основную ветку, тег релиза и деплой выполняются только с вашего явного разрешения.
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add skills/lubanОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- Агент ходит в сеть за аналогами и по вашему выбору правит файлы и коммиты репозитория скилла.
- Слияние в основную ветку, тег релиза и деплой выполняются только с вашего явного разрешения.
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Luban доводит рабочий скилл до публикуемого вида. Агент идет по пяти действиям: проверяет, нужен ли такой скилл вообще, ищет в сети аналоги и сравнивает с ними, оценивает скилл по трем линейкам (структура, прогон, живая проверка), вносит правки по одной и после выпуска оставляет список для наблюдения. На выходе отчет из 13 разделов: таблица аналогов со ссылками, оценки и три направления доработки с готовыми фрагментами для замены. К нему прилагается сертификат для скриншота с оценками до и после, новым позиционированием в одной фразе и следующим шагом. Проверки закрепляются в репозитории: разовое сравнение превращается в скрипт, критерии приемки становятся правилами проекта.
Для кого. Авторам скиллов, у которых работающий скилл остался без установок и без понятного описания.
Подходит, если
- Скилл хорошо работает у вас, но на GitHub его никто не ставит.
- Перед публикацией нужны сравнение с аналогами и оценка с доказательствами.
- Каждую правку триггеров и README хочется принимать после проверки на реальных данных.
- После выпуска пригодится список наблюдения, с которого начнется следующий круг доработки.
- Сомнительно, стоит ли скиллу существовать в нынешнем виде.
Не подходит, если
- Скилл предстоит написать с нуля: Luban дорабатывает готовое.
- Нужна быстрая косметическая правка текста без сравнения и проверок.
- Агенту нельзя выходить в сеть: аналоги он ищет в интернете.
- Релиз должен выйти автоматически: слияние, тег и деплой Luban оставляет вам.
Пример запроса к агенту
`让鲁班看看这个skill：<папка или ссылка на GitHub>`. Выберите одно из трех предложенных направлений, пока агент ничего не менял.Ограничения
Триггерные фразы и большая часть README написаны по-китайски, например `让鲁班看看这个skill`; английская версия лежит в `README.en.md`. Для шага с аналогами агенту нужен выход в сеть. Практический пример в репозитории один: доработка проекта ai-news-radar с версии 0.6 до 0.7.0. Слияние в основную ветку, тег релиза и публичный деплой Luban выполняет только после вашего прямого разрешения, а вопрос вроде «все готово?» разрешением не считается. Последний коммит сделан в июле 2026 года, лицензия MIT.
Как отключить. Удалите плагин `luban` через `/plugin` или папку скилла из каталога скиллов агента.
Частые вопросы
Как поставить Luban в Claude Code?
Добавьте маркетплейс и поставьте плагин: `/plugin marketplace add LearnPrompt/luban-skill`, затем `/plugin install luban`. Через менеджер скиллов работает `npx skills add LearnPrompt/luban-skill -g`, для Hermes Agent есть `hermes skills install LearnPrompt/luban-skill`.
Как запустить разбор скилла?
Скажите агенту фразу из README и укажите папку скилла, ссылку на репозиторий или текст SKILL.md. Luban проверит материал, найдет аналоги, оценит скилл и предложит три направления с одной рекомендацией.
Меняет ли Luban файлы без спроса?
Нет. До вашего выбора направления он не правит ни строки. Отдельно он останавливается перед пересмотром позиционирования, слиянием в основную ветку, тегом релиза и деплоем, видимым пользователям.
Что входит в отчет?
Тринадцать разделов: вывод по проверке материала, таблица аналогов со ссылками, оценка ниши, таблица оценок, три направления доработки и готовые фрагменты для замены.
Что показал пример в репозитории?
На проекте ai-news-radar живая проверка нашла, что данные не обновлялись 8 дней при зеленых проверках CI. Пересчет оценки на 83 725 старых записях убрал 327 ложных.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
СкиллыСкилл-врач для скиллов: выбирает архитектуру, проверяет по чек-листу с 21 красной линией и выдает отчет со ссылками на строки
Скилл для создания, проверки и улучшения других скиллов: сначала архитектура, потом тесты, оценка и упаковка
Мета-скилл, который превращает рабочий процесс в скилл для агента: поиск аналогов, проверка запуска по фразам и публикация на GitHub
Скилл для создания скиллов, который проверяет их работой: замер до и после, регрессионные тесты и аудит экосистемы
Скилл, который помогает агенту писать другие скиллы по спецификации agentskills.io: структура, метаданные, прогрессивная подача и проверка
Скилл превращает цель в готовый промпт: агент работает циклом строитель плюс критик, пока результат не выиграет слепое сравнение с эталоном
Сравнение с похожими
Карточки с тем же главным запросом: чем они отличаются.
| Инструмент | Официальный | Звезды репозитория | Главное отличие |
|---|---|---|---|
| Luban (эта карточка) | нет | 965 | |
| Darwin Skill | нет | 6 818 | оценивает SKILL.md по девяти критериям и откатывает неудачные правки; Luban добавляет проверку нужности, поиск аналогов со ссылками и отчет с тремя направлениями |
| skill-creator | нет | 2 291 | помогает написать новый скилл по спецификации; Luban работает с уже готовым скиллом и доводит его до публикации |
Коротко о README
Кроме установки, в README есть сравнение Luban с обычной просьбой улучшить скилл и список точек обязательной остановки. Методика опирается на разбор «по горизонтали и вертикали», храповик из darwin-skill и приемку по проверке из SkillOpt от Microsoft.
Бейдж для README
Исходный SKILL.md
--- name: luban description: | 鲁班（Luban）——Skill打磨工坊。把一个"能用的Skill"打磨成"能被理解、能被安装、能被传播、能被验证、能持续进化"的公共Skill资产。 方法论是工匠式的五个动作：验料（先挑战这个Skill的前提是否成立，不值得雕的料直说）、访行（联网寻找同类Skill，看清自己在生态里站什么位置）、过尺（结构、实测、活体三把尺一起量——活体指拉真实运行产物对账，绿色的CI会撒谎）、慢刨（冻结原版做基线，改动必须通过验证门才保留，否则回刀；验证手段尽量沉淀为仓库里的工具和规矩）、回炉（发布不是终点，留对标观察清单，下一轮从真实反馈进）。 当用户想要升级、优化、打磨、产品化、发布自己开发的Skill时使用。最终产出一份结构化的《Skill打磨报告》、可直接替换的改写片段，以及一张可截图传播的"出师证书"结果卡。 触发词包括但不限于：让鲁班看看这个skill、班门打磨、打磨我的skill、升级我的skill、优化这个skill、skill体检、skill审计、产品化我的skill、这个skill怎么发布、对标一下同类skill、为什么我的skill没人装、帮我把skill发到GitHub/ClawHub、改进SKILL.md。 即使用户只是丢来一个Skill目录、GitHub仓库链接或一段SKILL.md说"帮我看看怎么改"，只要上下文是想让Skill变得更好用、更可传播，都应该触发。 不要用于从零创建一个新Skill（用skill-creator）、不要用于普通的代码review（用code-review）、不要用于改写一段和Skill资产无关的普通提示语。 --- # 鲁班 | Skill打磨工坊 > **工坊规矩** > 鲁班打磨一件工具，靠五个动作。**验料**：先判断这块料值不值得雕——朽木不可雕也，不值得就直说，给出换料的方向。**访行**：把市面上同类的活儿都看一遍，知道自己这件在行里站什么位置，闭门造车出不了好工具。**过尺**：结构、实测、活体三把尺一起量，每个分数都要有证据，不凭手感——活体那把尺量的是真实运行产物，静默失败比文档烂致命。**慢刨**：原件先封存做基线，刨完拿尺子再量——量得过就留，量不过就回刀，绝不为了显得干了活而多刨。**回炉**：交活不是终点，同行还在动，用户还会回来，下一轮从真实反馈进。 你是鲁班，工匠祖师爷。用户把他的Skill拿到班门前，你的任务不是夸它或者随手抛光，而是把它当成一件准备摆进GitHub/ClawHub/skills.sh/Tessl生态的作品来打磨：让第一次见到它的人一眼能看懂、一分钟能装上、三分钟能跑出看得见的结果。最终产出一份**《Skill打磨报告》**、通过验证门的**可直接替换的改写片段**，以及一张**"出师证书"结果卡**。 打磨过程中你同时是五个工种： 1. **掌柜**（产品经理）：判断这件工具到底解决谁的什么问题，为什么值得安装。 2. **行脚**（生态研究员）：在GitHub、ClawHub、skills.sh、Tessl等生态中寻找同类Skill，分析它们凭什么被理解、收藏、安装、传播。 3. **量尺师傅**（审计员）：用结构评分 + 实测表现双轨评估，找出最该优先打磨的面。 4. **刨工**（优化器）：做有边界的候选编辑，只接受能通过验证门的改动。 5. **摆活儿的**（README与Showcase导演）：把Skill包装成别人愿意停下来看、看完想装的公共资产。 ## 前置准备 ### 接活：明确打磨对象 用户可能给你以下任意一种输入。如果已经足够明确，不需要追问，直接开始： 1. **目标Skill**：本地Skill目录路径 / GitHub仓库链接 / ClawHub页面 / 一段SKILL.md正文 / 一个还没成型的Skill想法 2. **目标发布平台**（可选）：GitHub / ClawHub / skills.sh / Tessl / 私用 3. **用户优先级**（可选）：传播力 / 实测效果 / 安装率 / 跨runtime兼容 / README表达 / showcase强度 如果输入不完整，先用现有材料做**最小可行审查**，不要卡住，但必须明确标注缺失项。 完整的实战案例（真实仓库、真实数字、全程可查证）见 `examples/ai-news-radar-case.md`——拿不准某一步该做到什么深度时，对照它。 ### 看料：读取材料清单 尽量读取/检查以下材料，读不到的标注"缺失"： - `SKILL.md`、`README.md`