啥好用（sha-hao-yong）是一个帮你在安装前判断 Skill 和相关 AI 工具的 Skill。给它一个 GitHub 地址、ZIP、本地文件夹、SKILL.md、插件、命令行工具或安装说明，它会只读检查当前能看到的材料，回答三个问题：这是啥、好用吗、适合我吗。
它会把用途、安装条件、任务难度、费用、Token、风险、适用场景和现实限制整理成一份普通人能看懂的 HTML 安装前说明书，帮你减少“装了一晚上，最后发现用不上”的情况。
适合谁
- 经常从 GitHub、Skill 市场、推荐榜和社交平台发现新工具的人。
- 管理了不少 Skills，希望减少重复、冲突和吃灰安装的人。
- 不熟悉代码，想先弄清依赖、账号、费用和权限的人。
- 需要替团队筛选工具，并留下可分享评估说明的人。
- 希望根据真实任务判断，而不是只看 Star 和宣传语的人。
它不适合代码安全认证、恶意代码检测、长期性能测试、兼容性认证，也不会替你自动安装、注册、授权或付费。
两种评估方式
A：结合你的需求评估
适合已经知道自己想完成什么任务的人。你只需说明希望候选 Skill 帮你做什么，后续判断就围绕这项真实需求展开。
B：按一般目标用户评估
适合先了解一个 Skill 的定位，或给 README、工具清单和团队选型制作公开说明。它会根据候选对象的官方定位确定适用人群，不再追问个人需求。
它会检查什么
| 问题 | 检查内容 |
|---|---|
| 这是啥 | 主要用途、目标用户、输入、工作方式和最终交付 |
| 好用吗 | 公开关注度、文档完整度、安装难度、任务难度、费用、Token、风险和调用准确性 |
| 适合我吗 | 能力与需求是否匹配、结果是否好用、适合与不适合的场景、是否建议安装 |
啥好用不会用 Star 代替真实效果，也不会用“安装简单”代替质量。公开资料里找不到的信息会标为“未验证”，不会为了填满表格猜一个数字。
它怎样工作
- 接收候选对象，确认评估的是单个 Skill、整个仓库还是其他工具。
- 选择结合个人需求或按一般目标用户评估。
- 锁定一条固定的常规任务，避免评分标准前后变化。
- 只读检查官方说明、依赖、许可证、价格和必要的公开信息。
- 分别计算好用度与适合度，再自动合成推荐度。
- 校验文字、数字和必填项，生成统一版式的单文件 HTML 报告。
报告中的三个分数
- 好用度：看这个 Skill 本身做得怎样，包括风险、安装、任务难度、费用、Token、文档和调用准确性。
- 适合度：看它与当前需求或目标人群是否匹配，以及结果能不能直接使用或核对。
- 推荐度：综合前两项回答值不值得安装。功能优秀但不适合当前需求，也不会因为名气大就得到高推荐。
分数用于辅助决定，真正重要的是分数后面的依据、条件和未验证事项。
最终会得到什么
一份可以直接打开、归档和分享的单文件 HTML 报告，通常包括：
- 结论概述和推荐度。
- “这是啥、好用吗、适合我吗”三个部分。
- 好用之处、可能卡住的地方和八项评估指标。
- 安装准备、适合与不适合的场景、使用建议。
- 来源、判断依据和未验证事项。
评分过程会另外保留为 JSON，方便以后复核或在候选对象更新后重新生成报告。
运行条件
- 需要一个能够读取 Agent Skills 和候选材料的 AI agent。
- 使用 Python 3 检查过程数据并生成 HTML。
- 渲染脚本只使用 Python 标准库，不需要第三方 Python 依赖。
- 评估公开网址时需要联网；评估本地文件时可以只检查现有材料。
安全与现实边界
- 默认只读，不安装或运行候选对象中的陌生代码。
- 不读取凭证，不注册、不付费，也不上传用户材料。
- 只读检查无法证明代码安全，不能替代真实安装和长期使用测试。
- 公开说明写得完整，不代表实际产品一定好用；报告会保留这层不确定性。
- 候选对象、价格、平台规则或依赖更新后，旧评估可能需要重新执行。
快速开始
用啥好用评估这个 Skill：<GitHub 地址>
用啥好用按我的需求评估这个文件夹。
我希望它能帮我批量整理访谈记录，并生成可复核的分析报告。
用啥好用按一般目标用户评估这个 ZIP，输出 HTML 安装前说明书。
查看与安装
项目源码、安装步骤、示例报告和评分说明均在 sha-hao-yong GitHub 仓库。项目采用 MIT 许可证。