最近发现了一个非常不错的 Compose AI Skills 项目 compose_skill ，这个 Skills 可以针对你的 compose 项目生成一份评分的报告，例如下面就是我的 Compose 项目在这个 Skills 下得到的评分：
- 性能：4/10
- 状态管理：5/10
- 副作用：6/10
- Composable API 质量：5/10
技能检查后的整体评价是：项目已经是比较完整的 Compose 多模块应用，结构合理，但是列表性能、状态收集方式、可复用组件的 API 设计，还有 ViewModel/模型穿透 UI 的方式，都存在系统性的问题，最关键的是这些问题不是零星个别点，而是在多个 feature 里重复出现了，所以只有 46/100 。
compose_skill 整体可信度还是可以的，它不是只是通过提示词和 rules 做评审，而是会通过内置的 Gradle 初始化脚本，直接生成并解析 Compose 编译器的报告（Reports）和指标（Metrics），主要评判维度有：
- 性能 (35%)：检查 Compose 里的耗时操作、Lazy 列表的 Key、稳定性（Stability）、强跳过模式（Strong Skipping）
- 状态管理：审计状态提升（Hoisting）、单一事实来源、生命周期感知的状态收集
- Side Effects：检查 Effect API 的正确使用、Key 的选择、回调捕获
- API 质量：审查 Modifier 规范、参数顺序、Slot API 设计
然后技能会生成一个名为 COMPOSE-AUDIT-REPORT.md 的报告，报告不只有分数（0-100），而是每一项扣分都会附带代码位置 和官方文档引用 (References) ，例如我的检查里：
less
**State management: Android screens collect flows without lifecycle awareness**
- Why it matters: `collectAsState()` keeps collecting even when the screen is stopped, which wastes work and can keep screen state hot longer than intended.
- Evidence: `app/src/main/java/com/shuyu/gsygithubappcompose/MainActivity.kt:49`, `feature/search/src/main/java/com/shuyu/gsygithubappcompose/feature/search/SearchScreen.kt:34`, `feature/detail/src/main/java/com/shuyu/gsygithubappcompose/feature/detail/RepoDetailScreen.kt:106`, `feature/profile/src/main/java/com/shuyu/gsygithubappcompose/feature/profile/ProfileScreen.kt:28`
- Fix direction: add `lifecycle-runtime-compose` and switch Android UI collectors to `collectAsStateWithLifecycle()`.
- References: <https://developer.android.com/develop/ui/compose/state>最重要是，它还能从审计结果利筛选出影响力最大的修复点，同时预测修复后对 skippable%（可跳过率）指标的提升效果。
而相比起那些只通过提示词和规格的技能， 这个技能之所以能够做到深度的专家级审计，主要是因为：
- Gradle ： 项目自带了
scripts/compose-reports.init.gradle，在技能使用时 AI 会通过--init-script运行项目的 Gradle 任务，将编译器报告的配置动态注入到构建流程中，在不改动代码的情况下拿到部分数据 - 静态源码分析： 它定义了一套详尽的 Ripgrep (rg) 搜索策略，涵盖了从
derivedStateOf滥用、remember缺失 Key 到Scaffold忽略内边距等数十种常见问题 - 评分机制： 不是主观评价，在性能评分里如果
skippable%低于 50%，或者不稳定类的数量超过阈值，性能得分会强制"封顶"（例如最高只能给 4 分），无论其他地方写得再好也不行 - 知识图谱与官方文档锚定： 该项目维护了一份
canonical-sources.md，将所有的审计规则直接关联到 Android 官方文档和 AndroidX 源码中的 API 指南
所以相比起单纯的 AI 评价，它会更专业和全面，而相比起一般的 Linter，它结合了编译器的真实数据 + AI，不仅能告诉你"这个类可能不稳定"，还能通过编译器报告指出是哪个属性导致了不稳定。
当然，它对视觉能力审计会比较弱，作者也维护了另一个叫
material-3的技能，这个技能会针对Material 3 的合规性、配色或排版进行评分。
这个技能可以看成是一个高级工程师的经验（如何看编译器报告、如何找状态提升问题、如何优化侧效应）固化成了 AI 可执行的脚本和规则，然后再通过 AI 进行量化判断，可以说是无私的奉献了：
你可以用它作为每次提交代码后的自动审查工具，或者在接手一个混乱的旧项目时，用它来快速定位性能瓶颈和架构风险。
总之，如果你正在用 Compose ，这个技能技必须不能错过。
我糟糕项目的报告可见：github.com/CarGuo/GSYG...
最后，android 官方也发布了对应的 skills ，目前主要是用于帮助 AI 升级和适配的技能，比如：
- 将 Android 项目升级到 Android Gradle Plugin (AGP) 9，涉及 DSL 迁移、内置 Kotlin 迁移、KSP 适配等复杂步骤
- 提供了将旧版 XML 视图迁移到 Jetpack Compose 的结构化工作流，定义了一套包含 10 个步骤的方法论，确保 UI 的视觉一致性和功能完整性
- 其他还涵盖了 Navigation 3 导航系统、R8 分析器 性能优化以及 全屏显示 (Edge-to-Edge) 适配等场景
这份技能主要通过各种结构化的技术文档来告诉 AI 应该怎么处理升级和适配，需要遵循什么规则，每个技能都包含详细的前置要求 、具体步骤、操作准则 和验证方法，所以它不仅告诉 AI "做什么"，还明确规定了"不能做什么"，比如：
在 AGP 升级中禁止编写 Python 脚本。
技能文档中大量引用了 references/ 目录下的技术参考资料，例如在 XML 迁移技能中，它会引用专门的"分析项目布局"和"设置 Compose 依赖"的子文档。
所以这里最重要的就是，官方已经在强烈暗示你:「migrate-xml-views-to-jetpack-compose」，毕竟 AI 场景下，XML 确实也是更不上了。
总的来说，android skills 是偏通用性质的升级和适配场景，内容也都是文档和资料，而 compose_skill 则是专家级别的经验检测，能快速帮你找到需要优化的问题和建议。
我已经开始好奇了，你的项目能得几分 ~~~~~