forkprobe

随着 AI Skill 生态快速膨胀，真正的难题不再是“有没有 skill”，而是“当前任务到底该用哪个 skill”。仅凭 skill 描述做选择，很容易被华丽的说明误导，直到实际跑完才发现不合适。ForkProbe 就是为这种不确定性而生的：它把 skill 选型变成一个可观察的试跑流程。你可以让同一个任务分别经过 baseline 和多个候选 skill，并排执行后生成本地 HTML 报告，直接对比每一路的完整输出、耗时、token 估算、文件预览和 AI 评审意见，再基于真实结果选出 winner。

ForkProbe 的核心能力不止于文本对比。它提供七种工作模式，覆盖学术润色与写作、PPTX 成品生成、论文作图与科研绘图、调研报告、图片提示词与风格方向、可运行网页以及视频成片。对于文件型任务，它会为每个候选生成完整 package，在报告中展示预览、源文件、QA 和评审，而不是只比较文字说明。候选来源也很灵活：可以自动发现本机已安装 Skill、查询 EverMind Skill Hub、搜索 GitHub，也可以显式提供本地路径、GitHub URL 或 raw SKILL.md，并做了内容指纹去重与场景匹配排序。

选定 winner 后，ForkProbe 会保存本地判定并生成 continuation handoff，让当前 Agent 沿胜出 Skill 的风格、结构或文件产物继续完成正式任务，避免重新起步。用户还可以选择是否匿名分享这次 Skill 选择，为社区推荐积累统计先验，分享内容仅包含任务类型、候选名称和最终选择，不会上传任务原文或产物。

ForkProbe 适合那些需要比较多个 skill 或 pipeline、最终交付真实成品的 Agent 用户：比如需要做 PPT、科研图、调研报告、图片提示词、网页或视频的人。它特别为 DeepSeek Harness 提供了原生插件支持，同时兼容 Claude Code、Codex 等自然语言 Agent 工作流。任务内容默认保留在本地，外部来源只接收清洗后的场景词，还支持 local-only 模式，对隐私敏感的场景也足够友好。