上一篇文章《一行命令识别 Shmoo 结果：shm-detect-tool 来了》介绍了我写的第三个 CLI 小工具，用 CNN 神经网络自动给 Shmoo 图分类，还能做多 Site 多文件对比。不少同学试了以后反馈不错，但跟之前 stdf-reader、check-info-tool 的 CLI 文章一样，总会有人问：命令参数有点多，记不住怎么办？

关于”记不住命令”这件事，其实之前我已经给出了答案。我先后写了两篇 Agent Skill 文章，《让 AI 帮你分析芯片测试数据：我写了一个 STDF Reader Agent Skill》和《一句话搞定 IG-XL 程序的测试条件提取：Check Info Skill 来了》。核心思路就是：你不用记命令，把操作手册给 AI，直接用大白话说需求就行。

今天这篇是第三篇，给 shm-detect-tool 也装上 Agent Skill。这样一来，你手里的工具链三件套：STDF 数据分析、IG-XL 测试条件提取、Shmoo 图识别与对比，全部都能用自然语言驱动了。

一、自然语言驱动的 Shmoo 识别

关于什么是 Agent Skill，前两篇文章已经详细讲过了，这里不再重复。简单来说，它就是递给 AI 助手的”操作手册”。装好 Skill 之后，你不需要再记–file、–config、–gap，用大白话说就行。

看看对比：

AI 会根据你的需求自动拼装正确的命令，选择默认配置还是自定义 JSON，加不加 –gap，全部由它判断。你只要把需求说清楚。

二、一键安装配置

总共只需要两步。

2.1 安装 Agent Skill

shm-detect-tool 的 Skill 已经上线。在你的工作目录下运行：

npx skills add showjim/chao-skills --skill shm-detect-tool

Skill 会自动下载并配置到当前项目中。Claude Code、GitHub Copilot、Cursor 等 AI Agent 启动后就能自动识别这个新技能。

2.2 手动安装 Python 工具

如果你在使用 Skill 时 AI 没有帮你自动安装，手动跑一下也行：

pip install shm-detect-tool

装好之后跑shm-detect –version验证一下，能正常输出版本号就说明安装成功。

三、实战演示

下面用一个完整的场景来展示 Skill 的实际体验。假设你刚跑完一批 CHAR，拿到一份 shmoo log，想看看里面的 Shmoo 图都是什么分类。

3.1 自动分类 Shmoo 图

AI 理解你的意图后，会先跟你确认：”这个 log 我没有自定义配置，先用内置的 CZ Studio Enhanced 格式解析，可以吗？” 你确认后，它在后台执行：

shm-detect analyse --file shmoo.txt

执行完毕后，AI 会告诉你结果：

“分析完成！共识别到 48 张 Shmoo 图，分类结果如下：

Pass：25 张

Marginal：10 张

Vol：6 张

Freq：4 张

Hole：2 张

Fail：1 张

报告已生成：shmoo.txt_report.xlsx，每张图都已自动标注分类，Pass/Fail 格子分别用颜色区分，方便你复查。” 下面是一个简化版的对话截图：

模型能自动识别这六种 Shmoo 图类型：

生成的报告里，之前需要你肉眼逐一判别的每一张 Shmoo 图，现在都带上了自动分类标签：

全程你不需要查文档、记参数、选配置，一句话就行了。

3.2 多 Site 并排对比

如果你的 shmoo log 里跑了好几个 Site，想让不同 Site 的结果在报告里并排显示，直接说：

AI 会心领神会，在后台自动加上–gap 25：

shm-detect analyse --file shmoo.txt --gap 25

生成的报告里，同一张 Shmoo 图在不同 Site 下的结果被并排放在一起，差异一目了然。不想并排的话说一句”顺序排列就行”，AI 就会用 –gap Disable。

3.3 自定义 log 格式，AI 带你一步步配

shm-detect-tool 最灵活的地方在于通过 JSON 配置文件适配不同格式的 log，但写 JSON 本身也是一道门槛。你得搞清楚七个字段分别是什么，正则表达式怎么转义，Y 轴在左边还是右边。有了 Skill，这道门槛消失了。

你只需要告诉 AI “这个 log 格式跟默认的不一样”，AI 就会根据 Skill 里写好的引导流程，逐项问你这七个问题：

Site 信息的行有什么关键字？比如Site:或Site

测试项名称的行有什么关键字？比如_SHM:或<

Shmoo 图 Y 轴的起始标记是什么？比如Tcoef开头的那行

X 轴的结束标记是什么？比如Vcoef开头的那行

Pass 的符号用哪些字符表示？比如P、*、+

Fail 的符号用哪些字符表示？比如.、#、–、E

Y 轴在 Shmoo 图的左边还是右边？

像这样一问一答跑完，AI 自动帮你生成 JSON 配置，正则表达式的转义也帮你处理好，保存为SHM_keywords_setting.json或你指定的文件名。然后用这份配置自动跑分析，一步到位。

然后 AI 会带着你一项项确认。最后生成的配置长这样：

{  "keyword_site": "Site: ",  "keyword_item": "_SHM:",  "keyword_start": "Tcoef(%)",  "keyword_end": "Vcoef(%)",  "keyword_pass": "P|\\*",  "keyword_fail": "\\.|#",  "keyword_y_axis_pos": "left"}

正则表达式的\\.、\\*这些转义细节全由 AI 处理，你只管说”Pass 的符号是 P 和星号”就行。

3.4 多文件多 Site 对比

有时候需要对比两份不同 log 的结果，比如不同批次、不同条件下各 Site 的 Shmoo 表现是否一致。correlate命令就是干这个的，但手工指定–sites “0,1;0,2”这种格式容易搞混，不同文件用分号隔开、同一文件不同 Site 用逗号，一个手滑就写错了。

AI 不会直接瞎拼命令。它会按照 Skill 里的 Workflow B，先去每个 log 里扫描有哪些可用的 Site，然后把结果列出来告诉你，让你确认要对比哪些、要不要全比。确认之后才组装命令执行。你完全不用记分号逗号那套格式。

如果只想对比特定的 Site，说清楚就行：

AI 自动转换格式，生成带叠加对比栏的 Excel 报告。所有 Site 结果一致的位置不做额外标注，出现差异的格子用黄色高亮，一眼就能定位问题。

四、进阶玩法

掌握了基础用法之后，还有一些更高级的操作可以探索。

使用自定义模型

工具内置的 CNN 模型覆盖了常见场景，不过如果你用 CLI 的shm-detect train练好了自己的模型，想让 Skill 用自定义模型来分析，一句话就行：

AI 会自动加上–model custom_model.pth参数。模型切换完全透明，不需要你改任何配置。

与其他 Skill 组合使用

Agent Skill 的真正威力在于可以自由组合。比如你手上有 STDF 数据和 Shmoo log，想让 AI 先解析 STDF 找到有问题的测试项，再去对应的 shmoo log 里看那些项的 Shmoo 图，这些串联操作 AI 都可以自动完成，不需要你手动衔接每一步。

五、结语

回过头看，stdf-reader负责 STDF 数据分析，check-info-tool负责 IG-XL 测试条件提取，shm-detect-tool负责 Shmoo 图识别与对比，我写的这三个 CLI 工具现在全部配上了 Agent Skill。这意味着你手里的三件套，从”记命令、查文档、拼参数”正式切换到了”说需求”。把规则化的流程交给 AI，工程师的时间和精力留给真正需要判断的地方。

如果你还没试过用 Agent Skill 来处理日常的 ATE 工作，不妨从这三件套开始：

# 安装 Skillnpx skills add showjim/chao-skills --skill stdf-readernpx skills add showjim/chao-skills --skill check-info-toolnpx skills add showjim/chao-skills --skill shm-detect-tool

如果你觉得好用，转发给组里同事一起用起来吧 😄