Menu
可视化技能、规则和智能体定义是否被真正遵循 — 自动生成 3 个提示严格度级别的场景，运行智能体，分类行为序列，并报告合规率及完整工具调用时间线
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
Kubernetes 工作负载模式、资源管理、RBAC、probes、autoscaling、ConfigMap/Secret 处理，以及面向生产级部署的 kubectl 调试。
完成任何非平凡任务后使用。智能体按 5 个维度自评输出——准确性、完整性、清晰度、可执行性、简洁性——每项都给出具体证据。生成结构化 1-5 评分卡和具体改进建议。
在 competitive-platform-analysis 产出分层竞品集合后使用。按九个加权维度（定位、声音、视觉工艺、offer packaging、证据、enterprise-readiness、thought leadership、定价、客户 strategic tension）为每个竞品评分，使用明确 1–5 rubrics 和 tension-plot。位于 competitive-report-structure 之前。
当品牌需要通过结构化多会话访谈发现或表达身份时使用。通过 laddering、5 Whys 和 projective techniques，覆盖目的、定位、受众、个性、声音、叙事以及 founder-brand 张力 8 个模块。产出可恢复 session、磁盘持久化状态和 master brandbook（90_SYNTHESIS.md）。
通过 CodeScene MCP 提供实时结构性 Code Health——编辑前审查，变更后验证分数变化，门控 commit 和 PR。用于代码质量审查、重构、检查 AI 变更是否降低文件质量，或 commit/PR 前。
用于界定竞争 landscape：在任何 benchmark 开始前，识别、分类并用分数过滤竞品集合。决定谁算竞品、属于哪个 tier、应挖哪些来源。三技能竞争分析流水线第一步；位于 benchmark-methodology 之前。
| name | skill-comply |
| description | 可视化技能、规则和智能体定义是否被真正遵循 — 自动生成 3 个提示严格度级别的场景，运行智能体，分类行为序列，并报告合规率及完整工具调用时间线 |
| origin | ECC |
| tools | Read, Bash |
衡量编码智能体是否真正遵循技能、规则或智能体定义，通过：
claude -p 并通过 stream-json 捕获工具调用追踪skills/*/SKILL.md）：工作流技能如 search-first、TDD 指南rules/common/*.md）：强制规则如 testing.md、security.md、git-workflow.mdagents/*.md）：智能体是否在预期时被调用（内部工作流验证尚未支持）/skill-comply <path># 完整运行
uv run python -m scripts.run ~/.claude/rules/common/testing.md
# 试运行（无成本，仅规格 + 场景）
uv run python -m scripts.run --dry-run ~/.claude/skills/search-first/SKILL.md
# 自定义模型
uv run python -m scripts.run --gen-model haiku --model sonnet <path>
衡量即使提示没有明确支持某项技能/规则时，该技能/规则是否仍被遵循。
报告是自包含的，包括：
对于熟悉钩子的用户，报告还包括对合规率低的步骤的钩子推广建议。这是信息性的 — 主要价值在于合规可见性本身。