最適合誰
同時使用多個 AI coding agent（Claude Code + Gemini CLI，或 Claude Code + Codex）的開發者，特別是：
- 需要在不同 agent 平台之間共用工作流 skill 的多 Agent 使用者
- 覺得 AI 除錯太依賴直覺、需要更系統化方法論的工程師
- 需要跨多個資訊來源做研究聚合、並追蹤每條 claim 出處的研究者
- 想要 Gemini 文生圖直接整合進 Claude Code workflow 的人
如果你只用單一 agent 平台，這個套件的跨平台相容性不是你需要的。但套件裡的個別 skill（特別是 debug-hypothesis 和 wiki-aggregate）即使在單一平台環境下也有獨立的強大價值。
我實際怎麼看待它
lich-skills 的核心設計哲學和大多數 skill 套件不一樣：它不是「幫你做更多事」，而是「強制你做對的事」。每個 skill 都有防合理化表（anti-rationalization tables）——一份明確寫出「當你想繞過這個步驟時，你可能的藉口和為什麼這個藉口是錯的」的清單。
這種設計針對的是 AI 的 #1 失敗模式：在錯誤假設上不斷堆砌行動，而不是先驗證假設。
六個 skill 各有清晰定位：
debug-hypothesis：科學方法除錯（觀察→假設→實驗→結論），強制每次最多改 5 行，禁止在假設未驗證前寫 fix codespec-driven-dev：Spec→Plan→Build→Test→Review→Ship 六階段閘，每階段有 exit criteria checklistwiki-aggregate：N 個來源的研究聚合，每條 claim 追蹤path:line出處，支援交叉矛盾偵測tavily-search做 Tavily API 網路搜尋整合nano-banana是 Google Gemini Flash Image 的封裝，512–4K 文生圖直接在 Claude Code 裡可用- 同一套 skill 同時有
.claude-plugin/、gemini-extension.json、Codex 三種適配版本
跨平台架構是這個套件少見的技術投入，幾乎沒有其他 skill 套件認真做了這三個平台的同步維護。
真正強的地方
- 跨三平台原生相容：Claude Code、Gemini CLI、OpenAI Codex 共用同一份 skill 庫，不需要維護多套版本
- 每個 skill 附 anti-rationalization tables，明確列出「你可能會繞過這步的藉口」並解釋為何不行
debug-hypothesis的 5 行實驗上限強制原子化實驗，大幅減少「改了很多但不知道什麼修好了」的問題wiki-aggregate出處追蹤：每條 claim 追蹤path:line，研究可審計，不是黑箱結論nano-banana讓 Gemini 文生圖直接在 Claude Code 可用，不需要切換工具
它會失敗在哪裡
- Tavily 搜尋需要 Tavily API Key，nano-banana 需要 Gemini API Key，個別 skill 有不同前置需求
- 如果已安裝 GSD skill 系列（
gsd-plan-phase、gsd-execute-phase），spec-driven-dev可能是重複工具 - 社群規模小：個人 skill 庫，Stars 不多，遇到問題主要靠自行看源碼
- 6 個 skill 的維護同步性取決於作者個人，需要觀察
價格、難度與風險
完全免費，MIT 授權。難度中等——個別 skill 安裝門檻低，但充分利用跨平台功能（Gemini CLI + Codex 同步）需要多平台 agent 環境設定。Tavily/Gemini API Key 為可選項，不影響核心 debug/spec/wiki 功能。
結論
三個核心 skill（debug-hypothesis、wiki-aggregate、nano-banana）就值得安裝這整個套件。跨平台相容性是少見的設計投入，對於多 Agent 工作流是真正的差異化價值。
如果你不用 Gemini CLI 或 Codex，spec-driven-dev 可能與現有 GSD 工具重疊，但另外三個不重疊。建議先裝 wiki-aggregate 和 debug-hypothesis，效果立竿見影。