luban

---

它解决什么问题

你写了一个Skill，自己用着挺好。然后呢？

• 发到GitHub，没人装——别人看不懂它是干嘛的；
• README像工程说明书，没有第一屏钩子，没有能截图的产物；
• 你说它"效果不错"，但拿不出一个能复现的证据；
• 想优化，又不知道该先动哪里——改触发词？重写工作流？补showcase？

普通的做法是"帮我润色一下"。鲁班的做法是把它当作品收进工坊：先挑战它值不值得雕，再看同行凭什么立足，三把尺量出短板，一刀一刀刨，每刀都要过验证门，最后发版立规矩。

它会交付什么

• 一份13节的《打磨报告》：验料结论、同行对标表（全部带URL）、生态位判断、评分表、三个打磨方向、可直接替换的改写片段
• 一张可截图的"出师证书"：打磨前后分数、一句话新定位、绝活、下一步
• 沉淀进你仓库的验证资产：一次性的对比脚本固化成工具，判断标准立成项目明文规矩

五个动作

动作	干什么	一句狠话
验料	先挑战这个Skill的前提是否成立	朽木不可雕也，不值得就直说
访行	联网找同行，看清生态位	闭门造车出不了好工具
过尺	结构、实测、活体三把尺量分	绿色的CI会撒谎，要拉真实产物对账
慢刨	冻结基线，改动过验证门才保留	量不过就回刀，绝不为显得干了活而多刨
回炉	发布后留对标观察清单，下轮从反馈进	交活不是终点

快速开始

npx skills add LearnPrompt/luban-skill -g

Claude Code 用户也可以走 plugin marketplace（自动更新）：

/plugin marketplace add LearnPrompt/luban-skill
/plugin install luban

装完对Agent说：

让鲁班看看我这个skill：[你的Skill目录 / GitHub仓库链接 / SKILL.md内容]

鲁班会先完成验料、访行、定位、过尺，给你三个打磨方向并推荐一个——在你选方向之前，它不会动你一行字。

触发方式

• "让鲁班看看这个skill" / "班门打磨一下"
• "升级我的skill" / "打磨我的skill"
• "skill体检" / "skill审计"
• "为什么我的skill没人装"
• "这个skill怎么发布到GitHub/ClawHub"
• "对标一下同类skill"

实战战绩

鲁班的第一单活：把 ai-news-radar（约1k星）从 v0.6 打磨到 v0.7.0，一个对话内完成，4个PR全部合并：

• 活体检查揪出 Actions 全绿之下静默停更 8 天的数据链路（git add 白名单遗漏）
• 评分修复用 83,725 条历史数据回放验证：清除 327 条假AI、零误伤
• 精选区单一信源占比 15/20 → 4/20；首屏渲染 806 → 523 卡，页高 -30%
• 验证手段沉淀为仓库工具 backtest_scoring.py，并立下"动评分必须附 ≥14 天回放"的项目规矩

全程记录（含事故与教训）：skills/luban/examples/ai-news-radar-case.md——每个数字都挂着可点击的PR链接。

它和同类有什么不同

	直接让Agent"帮我改好看点"	鲁班
起点	直接改文案	先挑战前提：这Skill值得存在吗？
依据	模型的审美	同行对标（带URL）+ 三把尺评分（带证据）
改法	一次全改，无法归因	冻结基线，单提交单面，过验证门才保留
验证	"看起来更好了"	真实数据回放，给出翻转数字
结束	改完就完	验证工具入库、立规矩、留回炉清单

安全边界

• 强制停手点：建议重构定位、merge到默认分支、打tag发版、对真实用户可见的部署——每一步都等你明确授权；你的疑问句（"都好了吧？"）不构成授权。
• 不把API key、token、cookie、私人路径写进任何公开产物。
• 改动永远以可审计的提交呈现，不用 git reset --hard 之类的暴力回滚。

文件结构

luban-skill/
├── skills/luban/
│   ├── SKILL.md                    # 工作流本体：五个动作、九步流程、班规与验收单
│   └── examples/
│       └── ai-news-radar-case.md  # 实战案例：真实仓库、真实数字、全程可查证
├── assets/                         # demo GIF 与可复现的录制脚本（vhs tape）
├── .claude-plugin/                 # Claude Code plugin marketplace 清单
├── README.md
└── LICENSE

验证与测试

装完用这句验收：

让鲁班看看这个skill：https://github.com/anthropics/skills

合格的表现：它先输出验料挑战和带URL的同行对标，给三个方向并停手等你选——而不是直接开始改写。

方法论致谢

鲁班的五个动作不是凭空造的，它站在这些工作的肩膀上：

• KKKKhazix/khazix-skills · hv-analysis — 横纵分析法：纵向追来路，横向看同期，交汇出判断（访行与定位的骨架）
• alchaincyf/darwin-skill — 评估 → 改进 → 实测 → 保留或回滚；独立评委视角；棘轮机制（过尺与慢刨的灵魂）
• microsoft/SkillOpt — 冻结基线、有边界的候选编辑、validation-gated接受（验证门的出处）
• 以及一次真实的全程实战 ai-news-radar v0.7.0——活体检查、验证资产沉淀、工位纪律、回炉，都是它教的

License

MIT — 随便用，随便改，随便让它帮你打磨。

---

---