Agent skill · Audited from source
luban
skill · learnprompt/luban-skillMIT licenceAudited 20 Oct 2026 · source d90921337ba7
Is it safe? With care — CAUTION, grade B (89/100). We read this skill's source at commit d90921337ba7 and observed filesystem access and no hard-coded secrets. The audit raised 1 finding, 1 critical or high. What it does: 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。…
Cite
Cite this page
ModelsAtlas. “luban (learnprompt/luban-skill)”. Retrieved 20 Oct 2026. https://modelsatlas.com/skills/learnprompt/luban
Trust audit
Audit 0.4.1 · source read 20 Oct 2026
CAUTION means the audit found things worth knowing before you trust this skill. Grade B is shared by 13,985 of 14,816 audited skills.
What the source does
- FilesystemUndeclared1 observation, not in its own description
- NetworkNone observedNo outbound calls in the source
- ShellNone observedNo commands run in the source
- DependenciesPinnedNothing floats
- SecretsNone foundNo keys in source
Five audit layers
| Layer | What we check | Result | Findings |
|---|---|---|---|
L0 Provenance | Repo owner, licence, archive status, activity | PASS | 0 |
L1 Static source | Secrets, path traversal, supply chain, hidden code | FAIL | 1 |
L2 Instructions | Prompt injection, authority framing, hidden directives | PASS | 0 |
L3 Inventory | The files and declarations match the source | PASS | 0 |
L4 Sandbox | Run in isolation and watch behaviour | SKIPPED why | 0 |
Gates applied: no behavioural pass.
Findings (1)
HIGHFilesystem / pathfs.credential_store · tools/check-skill-repo.sh:191
-o \( -name '.env' -o -name '*.pem' -o -name 'id_rsa' -o -name '*token*' \) -type f -print -quit 2>/dev/null | grep -q .; then
- Why
- touches a credential store
- Fix
- —
Audit 0.4.1 · source sha d90921337ba7 · 20 Oct 2026Report an issue or request a re-scan
Provenance
Who published it, and what the verdict is pinned to
- Publisherlearnprompt GitHub userOwner of the repository this skill is read from
- Source folderlearnprompt/luban-skill/skills/lubanThe exact folder we audited
- LicenceMITAs the repository states it
- Commit pinned for this verdictd90921337ba7A new audit runs when the source changes
- Repository statusNot archivedLast push 102 days ago
- Sandboxed runNot runSkills are read, not executed; layer L4 is skipped
What it tells the agent
Full source on GitHub ↗Its 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。…
---
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`
- `references/`、`scripts/`、`assets/`、`examples/`
- `test-prompts.json`或等价测试样例
- 安装说明、demo/showcase截图、GIF、输出样例
- GitHub仓库结构与commit/issue/star等公开信号
- ClawHub/skills.sh/Tessl等页面的展示方式
发布就绪项的核对底线见 `references/birth-checklist.md`(出生证清单)——缺的每一项都是现成的差距条目。
### 班规总纲
- **先验料,再动手。** 不要一上来改文案。
- **先访行,再谈差异。** 不做闭门造车式升级。
- **先量尺,再决定保留。** 不因为写得更长就认为更好。
- **静默失败比文档烂致命。** 绿色的CI会撒谎——一定要拉真实运行产物对账,不能只信状态灯。
- **每轮只刨一个面,信任后升级粒度。** 首轮严格单面,建立信任;用户明确批量授权("全做""都修了")后,切换为"单提交单面"——每个提交独立过验证门、提完立刻推送,归因单位从轮降到提交。
- **不写空话。** 禁止"建议考虑""可灵活调整""根据情况优化"这类无法执行的措辞。
- **不为了高级而复杂。** Skill越公共,越要让第一次看到的人快速理解。
- **不泄露隐私或凭据。** README、示例、脚本、测试数据中不得出现API key、token、cookie、私人路径、真实账号隐私。
- **默认面向跨Agent生态。** 尽量兼容Claude Code、Codex、OpenCode、OpenClaw、Hermes等Skill-compatible runtime,除非用户明确只要单一runtime。
### 工位纪律
打磨手艺再好,工位乱了照样出事故(实战教训:一个遗留的后台克隆进程在半小时后失败清理,删掉了工作目录和两个未推送的提交):
- **commit 即 push。** 不囤本地提交,每个通过验证的提交立刻推送。
- **长任务不进后台。** 克隆大仓库、跑流水线这类长命令前台等完;已转后台的任务,它操作的目录在任务终结前绝不复用。
- **后台子Agent要做心跳检查。** 产出文件长时间不动 = 疑似卡死(多半卡在不可见的权限弹窗上),主动叫停、捞回已有线索、换前台方案。
- **Showcase必须可复现。** demo的录制脚本(如 vhs tape)、数据脚本与产物一起入库,任何人随时可重录。
---
## 第一步:验料——Skill前提挑战
在一切打磨之前,先挑战这块料本身值不值得雕。回答四个挑战:
1. **真实问题**:这个Skill解决的真实用户问题是否成立?
2. **独特角度**:它的唯一性来自方法论、脚本资产、私有经验、数据、工作流还是展示效果?如果没有唯一性,直接指出同质化风险。
3. **安装理由**:用户为什么要安装它,而不是临时问Agent?
4. **公共传播性**:它有没有一句话传播钩子?有没有可截图、可录屏、可展示的结果?
输出格式(必须简短,先给结论):
```markdown
## 1. 验料结果(Skill前提挑战)
挑战1 - 真实问题:[成立/不成立/部分成立]。如果不成立,更真实的问题是:...
挑战2 - 独特角度:唯一性来自[方法论/脚本资产/私有经验/数据/工作流/展示效果],或指出同质化风险
挑战3 - 安装理由:...;如果理由不足,指出需要补强的资产
挑战4 - 公共传播性:钩子是.../缺钩子;可展示产物是.../缺展示产物
验料结论:[好料,继续打磨 / 料可用,但需调整定位 / 朽木,建议换料重雕]
```
**如果任一挑战明显不成立,停手。** 不要直接进入改写,先提出1-3个重构方向,等用户确认。
---
## 第二步:访行——同类Skill横向搜索
你必须联网寻找同类Skill,不能只凭已有知识或只基于用户自己的Skill判断。每个候选都要记录来源URL,不允许凭空说"有些项目"。
### 并行搜索策略
使用子Agent并行搜索提高效率。建议的分工:
- **子Agent 1 — GitHub同行**:搜 `<关键词> skill`、`<关键词> agent skill`、`<关键词> SKILL.md`、`<关键词> Claude skill`、`<关键词> OpenClaw skill`
- **子Agent 2 — Skill市场**:ClawHub、skills.sh、Tessl等目录里的同类分类、热门Skill、相近工作流
- **子Agent 3**(用户指定了对标时才需要):深读用户指定的对标仓库或Skill,分析它的README、安装路径、showcase做法
搜索词从当前Skill的`name`、`description`、README首屏、核心任务中提取,生成三组:功能词(它做什么)、人群词(谁会用)、形态词(skill/agent/runtime名)。
**子Agent的工具纪律**(写进每个子Agent的prompt里):
> 优先用 `curl`、`gh api` 这类通常已放行的CLI获取信息;WebFetch/WebSearch 这类工具可能触发用户看不见的权限弹窗,导致你静默挂起。如果一种工具连续失败或无响应,立刻换CLI路线,不要原地重试。每个候选必须给出真实URL,搜不到就如实说。
主流程负责心跳:后台子Agent的产出长时间不增长就视为卡死,叫停、捞回它已找到的线索、自己用CLI补完。
### 同行覆盖要求
至少覆盖三类同行,合计不少于5个候选;找不够就说明用了哪些搜索词、哪些渠道没结果,并用相邻项目补足:
- **直接同行**:解决同一个问题。
- **间接同行**:解决相邻问题,用户可能会二选一。
- **手艺同行**:不是同功能,但README、showcase、命名、传播做得好,值得学手艺。
注意:stars不是唯一指标。一个Skill能火,可能是因为名字好记、场景尖锐、安装后第一句话能直接用、showcase漂亮、安装简单、作者影响力强,或者切中了某个平台的新需求。
输出格式:
```markdown
## 2. 访行记录(同类Skill横向对标)
| 同类Skill | 链接 | 类型 | 一句话定位 | 它为什么容易被理解/安装/传播 | 可学的手艺 | 不能照搬的点 |
|---|---|---|---|---|---|---|
| ... | ... | 直接/间接/手艺 | ... | ... | ... | ... |
```
---
## 第三步:定位——纵看来路,横看行情
判断这件工具在生态里该站的位置。纵向追它的来路和去向,横向看行情里同类凭什么立足,交叉得出该抢的生态位。
### 纵向:这个Skill从哪里来,要走向哪里
- 它最初是为了解决什么具体痛点?
- 它现在是工具、方法论、工作流、风格迁移、还是自动化系统?
- 它从"私用"变成"公开可用"还缺哪一步?
- 下一版最该从哪条路演进:更强功能、更好展示、更稳安装、更通用适配、更高验证?
### 横向:行情里的同类凭什么立足
至少从以下维度判断:
- **命名钩子**:名字有没有记忆点?是否一听就知道解决什么?
- **一句话定位**:是否用人话说清楚用途?
- **安装摩擦**:是否一条命令能装?是否需要复杂前置条件?
- **首屏信任**:README首屏有没有徽章、GIF、截图、结果样例、真实数据?
- **可验证产物**:跑完后有没有HTML、PDF、报告、卡片、diff、测试结果等"看得见"的东西?
- **安全边界**:有没有说明不会乱删、不会泄露、不会擅自发外部请求?
- **生态兼容**:是否明确兼容多个Agent runtime?
- **故事感**:它是不是在讲"为什么现在需要这个Skill",而不是只列功能?
### 交叉定位
输出格式:
```markdown
## 3. 生态位判断
纵向结论:这个Skill的历史动机和下一阶段方向是...
横向结论:同类Skill的立足点主要来自...
交叉洞察:我们真正该抢的生态位不是...,而是...
一句话新定位:...
```
---
## 第四步:过尺——活体检查 + 九维评分
### 先量活体,再量文件
打分之前,先拉这个Skill/项目的**真实运行产物**对账——实战里最值钱的发现(数据停更8天、URL乱码污染评分、移动端三屏卡墙)全部来自活体,没有一个来自读文档:
- **数据产物新鲜度**:线上/仓库里的生成文件,`generated_at`一类时间戳是不是真的新?哪些文件停更了多久?
- **CI对账**:最近的流水线是绿的,但它实际提交/产出了什么?绿灯 ≠ 没病——状态成功而产物陈旧就是静默失败。
- **真实渲染**:如果有页面/输出物,在桌面和移动两档宽度下真实打开看一遍,截图留证。
- **真实调用**:文档里的命令逐条跑一遍,跑不通的就是证据。
### 九维评分
结构尺的底线项先一键体检:`bash tools/check-skill-repo.sh <目标路径或GitHub仓库链接>`——输出 PASS/WARN/FAIL 加出生证段,FAIL/WARN 直接转成差距清单条目,不要靠肉眼逐项数。
对当前Skill打分,满分100。三把尺一起量:**结构尺**量它写得清不清楚,**实测尺**量它跑起来灵不灵,**活体Excerpt, first 6,000 characters of SKILL.md, verbatim from the audited commit. It is text from someone else’s repository, quoted so you can judge it before your agent reads it.
Install
Pinned to the audited commit d909213
npx skills add {{owner}}/{{repo}}git clone https://github.com/learnprompt/luban-skill git -C luban-skill checkout d90921337ba7
Commands as the repository documents them: shown, never run by us. Our verdict covers commit d90921337ba7 only.
Works in which agents?
What its own text says, not a test
| Agent | Status | More |
|---|---|---|
| Claude Code | Mentioned in its text, not tested | Skills for Claude Code · About Claude Code |
| Codex | Mentioned in its text, not tested | Skills for Codex · About Codex |
| OpenClaw | Mentioned in its text, not tested | Skills for OpenClaw · About OpenClaw |
Audit history
Every audit, every source change
- !CAUTION B 89 / 100
first audit · source
d90921337ba7
README badge
For maintainers · shows the latest audit
[](https://modelsatlas.com/skills/learnprompt/luban/)
The badge shows our verdict and grade for this skill, and links back to this page. It changes when the audit does.
Similar skills
obra/superpowers
Use when about to claim work is complete, fixed, or passing, before committing or creating PRs - requires running verification commands and confirming output before making any success claims; evidence before assertions…
obra/superpowers
Use when you have a spec or requirements for a multi-step task, before touching code
obra/superpowers
Use when starting any conversation - establishes how to find and use skills, requiring skill invocation before ANY response including clarifying questions
Add this badge to your README
[](https://modelsatlas.com/skills/learnprompt/luban/)
<a href="https://modelsatlas.com/skills/learnprompt/luban/"><img src="https://modelsatlas.com/skills/learnprompt/luban/badge.svg" alt="ModelsAtlas: CAUTION B"></a>
Questions about luban
What does the luban skill do?
Is luban safe to install?
What can luban access on my machine?
Which assistants does luban work with?
How current is this page?
Sources
- github.com/learnprompt/luban-skill/tree/master/skills/luban — the audited source at commit d90921337ba7 and every finding aboveObserved · 20 Oct 2026
Spotted something wrong? Report a correction · Methodology
Keep going in your AI
Opens with this page as the source. We add nothing else to the prompt.
- What does the luban skill do?
- Is luban safe to install?
- What can luban access on my machine?