Menú
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
Instalar con Codex o Claude Copia este prompt, pégalo en Codex, Claude u otro asistente, y deja que revise la página de la skill y la instale por ti.
Basado en la clasificación ocupacional SOC
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。