Menu
在审计 Claude 技能和命令质量时使用。支持快速扫描（仅变更的技能）和完整盘点模式，使用顺序子智能体批量评估。
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
| name | skill-stocktake |
| description | 在审计 Claude 技能和命令质量时使用。支持快速扫描（仅变更的技能）和完整盘点模式，使用顺序子智能体批量评估。 |
| origin | ECC |
斜杠命令（/skill-stocktake），使用质量检查清单 + AI 综合判断审计所有 Claude 技能和命令。支持两种模式：快速扫描用于最近变更的技能，完整盘点用于全面审查。
该命令针对以下路径，相对于调用它的目录：
| 路径 | 描述 |
|---|---|
~/.claude/skills/ | 全局技能（所有项目） |
{cwd}/.claude/skills/ | 项目级技能（如果目录存在） |
在阶段 1 开始时，命令会明确列出找到和扫描的路径。
要包含项目级技能，从该项目的根目录运行：
cd ~/path/to/my-project
/skill-stocktake
如果项目没有 .claude/skills/ 目录，仅评估全局技能和命令。
| 模式 | 触发条件 | 持续时间 |
|---|---|---|
| 快速扫描 | results.json 存在（默认） | 5-10 分钟 |
| 完整盘点 | results.json 不存在，或 /skill-stocktake full | 20-30 分钟 |
结果缓存： ~/.claude/skills/skill-stocktake/results.json
仅重新评估自上次运行以来有变更的技能（5-10 分钟）。
~/.claude/skills/skill-stocktake/results.jsonbash ~/.claude/skills/skill-stocktake/scripts/quick-diff.sh \ ~/.claude/skills/skill-stocktake/results.json
（项目目录从 $PWD/.claude/skills 自动检测；仅在需要时显式传递）[]：报告"自上次运行以来无变更。"并停止bash ~/.claude/skills/skill-stocktake/scripts/save-results.sh \ ~/.claude/skills/skill-stocktake/results.json <<< "$EVAL_RESULTS"运行：bash ~/.claude/skills/skill-stocktake/scripts/scan.sh
该脚本枚举技能文件、提取 frontmatter 并收集 UTC 修改时间。
项目目录从 $PWD/.claude/skills 自动检测；仅在需要时显式传递。
从脚本输出呈现扫描摘要和清单表：
扫描中：
✓ ~/.claude/skills/ (17 个文件)
✗ {cwd}/.claude/skills/ (未找到 — 仅全局技能)
| 技能 | 7天使用 | 30天使用 | 描述 |
|---|
启动一个 Agent 工具子智能体（通用智能体），携带完整清单和检查清单：
Agent(
subagent_type="general-purpose",
prompt="
根据检查清单评估以下技能清单。
[清单]
[检查清单]
为每个技能返回 JSON：
{ \"verdict\": \"Keep\"|\"Improve\"|\"Update\"|\"Retire\"|\"Merge into [X]\", \"reason\": \"...\" }
"
)
子智能体读取每个技能、应用检查清单，并返回每个技能的 JSON：
{ "verdict": "Keep"|"Improve"|"Update"|"Retire"|"Merge into [X]", "reason": "..." }
分块指导： 每次子智能体调用处理约 20 个技能以保持上下文可管理。每个分块后将中间结果保存到 results.json（status: "in_progress"）。
所有技能评估完成后：设置 status: "completed"，进入阶段 3。
恢复检测： 如果启动时发现 status: "in_progress"，从第一个未评估的技能恢复。
每个技能根据此检查清单评估：
- [ ] 已检查与其他技能的内容重叠
- [ ] 已检查与 MEMORY.md / CLAUDE.md 的重叠
- [ ] 已验证技术参考的新鲜度（如果存在工具名称/CLI 标志/API，使用 WebSearch）
- [ ] 已考虑使用频率
判决标准：
| 判决 | 含义 |
|---|---|
| Keep | 有用且最新 |
| Improve | 值得保留，但需要具体改进 |
| Update | 引用的技术已过时（用 WebSearch 验证） |
| Retire | 质量低、过时或成本不对称 |
| Merge into [X] | 与另一个技能有实质性重叠；命名合并目标 |
评估是综合 AI 判断 — 不是数字评分标准。指导维度：
原因质量要求 — reason 字段必须自包含且支持决策：
"已被替代""disable-model-invocation: true 已设置；被 continuous-learning-v2 替代，后者涵盖所有相同模式加上置信度评分。没有剩余的独特内容。""与 X 重叠""42 行薄弱内容；chatlog-to-article 的步骤 4 已涵盖相同工作流。将'article angle'提示作为注释集成到该技能中。""太长""276 行；'框架比较'部分（L80-140）与 ai-era-architecture-principles 重复；删除以达到约 150 行。""未更改""mtime 已更新但内容未更改。独特的 Python 参考被 rules/python/ 显式导入；未发现重叠。"| 技能 | 7天使用 | 判决 | 原因 |
|---|
~/.claude/skills/skill-stocktake/results.json：
evaluated_at：必须设置为评估完成的实际 UTC 时间。
通过 Bash 获取：date -u +%Y-%m-%dT%H:%M:%SZ。绝不使用仅日期的近似值如 T00:00:00Z。
{
"evaluated_at": "2026-02-21T10:00:00Z",
"mode": "full",
"batch_progress": {
"total": 80,
"evaluated": 80,
"status": "completed"
},
"skills": {
"skill-name": {
"path": "~/.claude/skills/skill-name/SKILL.md",
"verdict": "Keep",
"reason": "具体、可操作、对 X 工作流有独特价值",
"mtime": "2026-01-15T08:30:00Z"
}
}
}
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。