| name | custom-skills-ecc-analyze |
| description | 審視 ECC（everything-claude-code）分發名單，包含兩個模式：
(A) 既有清單瘦身：分析 distribution.yaml.enabled 與本地 skills/ 的重疊性與品質，輸出 enabled_remove 建議；
(B) 新項目導入評估：根據 ecc-catalog.yaml 與上次更新範圍，介紹 ECC 上游新增 skill、分析適用情境、建議是否加入 enabled。
Use when: (1) 評估 ECC 分發名單是否該瘦身、(2) ECC 上游新增 skill 後決定要不要導入、
(3) 想為終端使用者產 ecc-profile.yaml starter、(4) 季度 / 半年一次定期審視。
Triggers: "分析 ECC skill", "ECC 重疊", "ECC 清單瘦身", "ECC 新項目", "ECC 上游新增",
"要不要導入", "ecc analyze", "ecc new items review", "ecc profile starter", "ECC 品質審視".
|
Custom Skills — ECC Analyze
針對 ECC 分發名單做兩個模式的審視：
- Mode A — 既有清單瘦身：審視當前
distribution.yaml.enabled 是否有重疊／品質問題，輸出 enabled_remove 建議
- Mode B — 新項目導入評估：根據
ecc-catalog.yaml 與上次更新範圍，介紹 ECC 上游新增的 skill、分析適用情境、建議哪些該加入 enabled
輸出皆在 upstream/reports/，不自動改 distribution.yaml。
如何選 Mode
┌──────────────────────────────────────────────────────────┐
│ 使用者問題 → 觸發 Mode │
├──────────────────────────────────────────────────────────┤
│ "分析 ECC 清單" / "瘦身 enabled" → Mode A │
│ "上游新增了什麼" / "要不要加 XX" → Mode B │
│ "全面審視 ECC" → A + B 都跑 │
└──────────────────────────────────────────────────────────┘
兩個 Mode 共用 Step 5 的 5 個品質 bucket 與 guardrails，差別在輸入面（既有清單 vs 新增清單）與輸出建議方向（remove vs add）。
Mode A — 既有清單瘦身
針對已經 enabled 的 skill 找出該移除的。
工作流程
┌────────────────────────────────────────────────────────────────────┐
│ Mode A — Pruning Pipeline │
├────────────────────────────────────────────────────────────────────┤
│ │
│ 1. 取集合 2. 標籤本地 3. 過濾 ECC │
│ ┌──────────┐ ┌──────────┐ ┌──────────┐ │
│ │ enabled │ ───▶ │ classify │ ───▶ │ keep ECC │ │
│ │ + local │ │ local │ │ in scope │ │
│ └──────────┘ │ by role │ └──────────┘ │
│ └──────────┘ │ │
│ ▼ │
│ 4. 重疊比對 5. 品質分群 6. 報告 │
│ ┌──────────┐ ┌──────────┐ ┌──────────┐ │
│ │ pair by │ ───▶ │ 5 buckets│ ───▶ │ markdown │ │
│ │ purpose │ │ A-E │ │ + yaml │ │
│ └──────────┘ └──────────┘ └──────────┘ │
│ │
└────────────────────────────────────────────────────────────────────┘
Step 1 — 取集合
讀兩個來源：
ls custom-skills/skills/
uv run python -c "
import yaml
d = yaml.safe_load(open('upstream/distribution.yaml'))
print('\n'.join(d['distribute']['skills']['enabled']))
"
也要讀 ECC skill 的 description（用於語意比對）：
ECC=~/.config/everything-claude-code/skills
for n in <names>; do
desc=$(awk '/^description:/{sub(/^description:[ ]*/,""); print; exit}' "$ECC/$n/SKILL.md")
echo "[ECC] $n :: $desc"
done
為什麼用 description 而非全文：description 是 skill 的 trigger 條件，最能代表「使用情境」。要判斷重疊，比對「何時用」比比對「實作細節」更穩。
Step 2 — 標籤本地 skill 的角色
把本地 skill 按角色分群，因為角色相同的 skill 才有機會跟 ECC 重疊：
個人工具流 → custom-* (10)
內部 scaffold → auto-skill, uds
個人化輸出 → wiki, work-log-*
思考框架 → first-principles
領域特化 → cloud-infra-security
跨 AI 工具 → discuss-multi-ai
auto-skill、uds、work-log-* 是內部專屬，不會跟 ECC 重疊（ECC 沒這些概念）。Step 4 只需比對其餘群組。
Step 3 — 過濾 ECC
排除明顯不需要審視的 ECC skill：
- 已知為「ECC 內部工具」（如
ecc-guide, nanoclaw-repl, hermes-imports）→ 留待 Step 5 品質群處理
- ECC 上游剛新增、catalog 還沒收錄 → 跳過（執行
ai-dev ecc audit 處理）
Step 4 — 重疊比對
對每個本地 skill 找 1-3 個語意最近的 ECC skill：
┌────────────────────────────────────────┐
│ 本地 skill X │
│ ↓ 在 ECC enabled 中找語意鄰近候選 │
│ Y1, Y2, Y3 │
│ │
│ 針對每個 (X, Yk) 評估： │
│ - 觸發條件是否高度重疊？ │
│ - 輸出產物是否相似？ │
│ - 抽象層級是否相同？ │
│ │
│ 分級：高 / 中 / 低-中 / 低 │
└────────────────────────────────────────┘
重疊強度判準：
| 強度 | 判準 | 推薦動作 |
|---|
| 高 | 觸發條件高度重疊、輸出相似、抽象層級相同 | enabled_remove 較弱的一方 |
| 中 | 觸發條件部分重疊、scope 不同 | 留兩個，但備註 |
| 低-中 | 領域接近、實際用法不同 | 留 |
| 低 | 同樣關鍵字但本質不同 | 留 |
判斷哪一方該留（衝突時）：
- 本地版較專注、不易被通用版取代 → 留本地、移 ECC
- ECC 版能涵蓋本地未做的場景 → 留 ECC、考慮淘汰本地
- 兩邊都有獨特價值 → 留兩個（不衝突）
Step 5 — 品質分群（5 個 bucket）
把 ECC enabled 中可能該移除的項目分入五群：
A. 明確 deprecated
判準：description 含 [DEPRECATED] / deprecated / legacy 等字樣。
動作：必移除。
B. 高度小眾語言/框架
判準：description 鎖定特定框架/語言，且該框架/語言屬以下任一：
- GitHub star < 1k
- 全球 dev 占比 < 1%
- 命名指向特定區域工具（Cisco、Quarkus 等）
動作：問使用者是否使用該語言/框架；不用 → 移除。
C. 學術/科研專用
判準：description 含 scientific, literature, patent, genomic, scholar 等學術詞彙。
動作：問使用者是否做學術研究；不做 → 整群移除。
D. 命名劣質、辨識度低
判準：
- 名字是縮寫且無 expansion（
ck 之類）
- 名字以作者命名（
santa-method, ralphinho-*）
- 名字浮誇與內容不符（
agentic-os 實質是 file-memory）
- description 假設讀者已讀過某 paper（無 self-contained context）
動作：列出讓使用者決定。default 傾向移除（觸發描述模糊容易誤觸發）。
E. 邊界價值 / 可被內建取代
判準：
- 功能已被 Claude Code / 平台內建取代（
/compact 取代 strategic-compact）
- 單一原則做成整 skill（一行 rule 即可表達）
- 只在極窄場景觸發（< 5% 機率用到）
- 多個近似 skill 互相疊代（
motion-foundations × motion-advanced × motion-patterns × motion-ui）
動作：列為「邊界」，附上判斷依據讓使用者決定。
Step 6 — 報告輸出（Mode A）
輸出位置：upstream/reports/ecc-skill-analysis-YYYY-MM-DD.md
報告結構：
# ECC Skill 分析報告 — 重疊與品質審視
- 日期、分析對象、比對基準、資料來源
## 一、與本地 skill 的重疊性分析
### 本地 skill 角色拆解（ASCII 圖）
### 重疊矩陣（表格：本地 | ECC 候選 | 強度 | 推薦動作 | 理由）
### 重疊小結（建議 enabled_remove 的 yaml 片段）
## 二、品質與通用性問題
### A. 明確 deprecated（表格）
### B. 高度小眾語言/框架（表格 + 移除建議欄）
### C. 學術/科研專用（表格）
### D. 命名劣質、辨識度低（表格 + 問題說明）
### E. 邊界價值 / 可被內建取代（表格 + 為何邊界）
## 三、建議的 ~/.config/ai-dev/ecc-profile.yaml
（完整可貼入的 yaml，含中文註解分群）
## 四、後續
- 重新評估週期
- 觸發指令
yaml 區塊的撰寫原則：
- 用註解把 enabled_remove 按來源分群（重疊 / deprecated / 小眾 / 學術 / 邊界 / 二選一）
- 「二選一」項目用
# 註解列出讓使用者解註，不要 default 移除
- 加總分發數量變化（移前 / 移後）
Mode B — 新項目導入評估
針對 ECC 上游新增的 skill，介紹內容、分析適用情境、給出導入建議。
工作流程
┌────────────────────────────────────────────────────────────────────┐
│ Mode B — New Items Review Pipeline │
├────────────────────────────────────────────────────────────────────┤
│ │
│ 1. 找新項目 2. 介紹內容 3. 適用度評估 │
│ ┌──────────┐ ┌──────────┐ ┌──────────┐ │
│ │ catalog │ ───▶ │ read │ ───▶ │ 通用度 │ │
│ │ diff / │ │ SKILL.md │ │ 觸發頻率 │ │
│ │ added │ │ desc + │ │ 替代性 │ │
│ └──────────┘ │ 30 lines │ └──────────┘ │
│ └──────────┘ │ │
│ ▼ │
│ 4. 重疊檢查 5. 5 bucket 過濾 6. 三段建議 │
│ ┌──────────┐ ┌──────────┐ ┌──────────┐ │
│ │ 對比本地 │ ───▶ │ A-E 任一 │ ───▶ │ ✅ / ⚠️ / ❌ │ │
│ │ + enabled│ │ → 拒絕 │ │ + 理由 │ │
│ └──────────┘ └──────────┘ └──────────┘ │
│ │ │
│ ▼ │
│ 7. 報告 + │
│ enabled patch │
│ │
└────────────────────────────────────────────────────────────────────┘
Step 1 — 找新項目
三種來源任一可用（依場景選）：
方式 A：使用 ai-dev ecc audit
ai-dev ecc audit
方式 B：catalog 的 added 欄位
若 catalog 已被 audit 補入 uncategorized，比對 added >= 上次評估日期：
uv run python -c "
import yaml
from datetime import date
last_review = '2026-05-12' # 上次評估日，或從報告檔名取
cat = yaml.safe_load(open('upstream/ecc-catalog.yaml'))
new_items = []
for cat_key, cat_data in cat['categories'].items():
for s in cat_data.get('skills') or []:
added = s.get('added', '') if isinstance(s, dict) else ''
if added >= last_review:
new_items.append((cat_key, s['name'], added))
for c, n, a in sorted(new_items, key=lambda x: x[2]):
print(f'{a} [{c}] {n}')
"
方式 C：git log catalog 變動
git log -p upstream/ecc-catalog.yaml | head -200
確認新項目清單後，記下範圍與日期 cutoff。
Step 2 — 介紹每個新項目
對每個新項目讀其 SKILL.md：
ECC=~/.config/everything-claude-code/skills
for n in <new-names>; do
echo "=== $n ==="
sed -n '1,40p' "$ECC/$n/SKILL.md"
echo
done
為每個新項目產出一段介紹，含：
- 一行摘要（從 description 萃取）
- 主要功能（從前 30 行 SKILL.md 抓核心概念）
- 範例使用情境（從 description 的 "Use when..." 段或自行歸納 2-3 條）
Step 3 — 適用情境評估（四維）
每個項目打分 1-3：
| 維度 | 1（低） | 2（中） | 3（高） |
|---|
| 通用度 | 特定工具 / 框架 | 特定技術棧 | ≥ 50% 專案適用 |
| 觸發頻率 | 罕見 | 每月幾次 | 每週多次 |
| 不可替代性 | 平台已內建 / 本地有 | 部分覆蓋 | 無近似工具 |
| 學習成本 | 需讀 paper / 大量背景 | 中等 | self-contained |
總分判讀：
- 10-12 分 → 強烈建議
- 7-9 分 → 條件性
- ≤ 6 分 → 不建議
這是輔助框架，不是硬規則。description 模糊（D 群）或邊界價值（E 群）直接降一級。
Step 4 — 重疊檢查
對比現有 enabled + 本地 skills/ 找：
新項目 X
├─ 與本地某個高度重疊？ → 「換手」或「不導入」
├─ 與某個 enabled 高度重疊？ → 「不導入」或「替換掉舊的」
├─ 補強某個既有？ → 「同時保留」並備註定位差異
└─ 完全獨立？ → 進入下一步
Step 5 — 5 個品質 bucket 過濾（與 Mode A 共用）
任何一個 bucket 命中即降級或拒絕：
- A. Deprecated：description 含
[DEPRECATED] / legacy → 拒絕
- B. 高度小眾語言/框架：鎖定特定小眾框架 → 詢問是否使用該技術棧
- C. 學術/科研專用：含
scientific / literature / patent 詞彙 → 詢問是否做學術
- D. 命名劣質、辨識度低：縮寫無人懂 / 作者命名 / 浮誇 / 假設讀者背景 → 不導入（觸發描述模糊容易誤觸發）
- E. 邊界價值：被內建取代 / 單一原則做整 skill / 極窄場景 → 條件性或不導入
Step 6 — 三段建議
每個新項目歸類為下列三段之一：
✅ 強烈建議導入
- 通用 + 高品質 + 無重疊 + 適用情境清楚
- 直接列入「下次 commit 加進
distribute.skills.enabled」
⚠️ 條件性導入
- 限定情境但有用（例：你寫 Vue 才有用、做 e2e 才有用）
- 列出觸發條件，由使用者判斷
- 提供「若決定導入」的 patch 片段
❌ 不建議導入
- 附原因（小眾 / 重疊 / 品質 bucket 命中）
- 註明可能在未來情境再評估的條件
Step 7 — 報告輸出（Mode B）
輸出位置：upstream/reports/ecc-new-items-review-YYYY-MM-DD.md
報告結構：
# ECC 新項目導入評估 — YYYY-MM-DD
- 上次評估日、本次 cutoff、新項目數量、catalog 版本
## 一、新項目總覽（表格）
| 名稱 | category | added | 通用 | 頻率 | 替代性 | 學習 | 總分 | 建議 |
|------|----------|-------|------|------|--------|------|------|------|
## 二、強烈建議導入（N 個）
### <skill-name>
- 一行摘要
- 主要功能（2-4 點）
- 適用情境（2-3 例）
- 評分理由
## 三、條件性導入（N 個）
### <skill-name>
- 一行摘要 + 觸發條件
- 「若你 X 才有用」
- 評分理由
## 四、不建議導入（N 個）
### <skill-name>
- 為何不建議（命中哪個 bucket / 重疊誰）
- 未來重新評估的條件（若有）
## 五、建議 patch（要加進 distribution.yaml.enabled）
```yaml
# === <category> ===
- <skill-1>
- <skill-2>
記得同步更新 category 計數的註解。
六、後續
- 上次評估日更新為本次日期，下次 cutoff 從此處開始
**patch 撰寫原則**：
- 只列「強烈建議」項目（條件性的留給使用者自行加）
- 按 `ecc-catalog.yaml` 的 category 分群
- 標註各 category 預期數量變化
---
# Guardrails（兩個 Mode 共用）
1. **不自動寫 `ecc-profile.yaml` / `distribution.yaml`**：只產報告，最終由使用者決定
2. **不刪除任何檔案**：建議僅以 yaml 片段表達
3. **資料來源以 description 為主**：必要時再讀 SKILL.md 前 30-50 行；避免讀整檔案（成本控制）
4. **每個判斷要有依據**：每個建議都附「為什麼」一句話，否則不列入
5. **新舊不混淆**：Mode A 處理既有 enabled，Mode B 處理新項目；同時跑時也分開報告
---
## 範例輸出
- **Mode A 完整實例**：[`upstream/reports/ecc-skill-analysis-2026-05-12.md`](../../upstream/reports/ecc-skill-analysis-2026-05-12.md)
- Mode B 範例：首次執行後產出於 `upstream/reports/ecc-new-items-review-YYYY-MM-DD.md`
