openclaw-skill-audit-prune

name	openclaw-skill-audit-prune
description	当用户说“技能太多”“帮我盘点技能”“清理没用 skill”“为什么 token 这么高”“哪些技能在浪费上下文”“帮我看看这些技能要不要删”时，必须使用这个技能。它专门解决 OpenClaw 技能生态的审计、调用统计、token 影响分析、候选清理建议、确认后清理和清理后验收。

openclaw-skill-audit-prune

这个技能解决的是：OpenClaw 技能越来越多后，用户很难分清哪些是真正可用的，哪些只是网页里显示但并不会用到，哪些最近根本没调用，哪些正在浪费上下文和 token。

默认模式是：

• 先审计
• 再建议
• 等用户确认
• 最后再清理和验收

不要跳过确认环节，不要一上来就删。

什么时候必须触发

只要用户有下面这些意思，就要优先用这个技能：

• 技能太多，想盘点
• 想知道哪些技能真的在用
• 想知道哪些技能只是网页里显示
• 想知道 token 为什么这么高
• 想清理没用技能，但不想误删
• 想看清理前后 token 有没有下降

默认边界

审计阶段允许做的事

• 跑 openclaw skills check
• 扫描技能目录来源
• 统计近 7 天调用次数
• 统计 token 基线或前后对比
• 生成候选清理表

审计阶段禁止做的事

• 不要删技能
• 不要卸载 CLI
• 不要改 OpenClaw 内置技能
• 不要顺手清理业务文件

清理阶段的前提

只有用户明确确认“删哪些”之后，才进入清理阶段。

标准流程

按下面 6 步固定执行，不要乱序。

第 1 步：盘点当前技能

先运行：

python3 scripts/audit_skills.py --output-report /tmp/openclaw_skill_audit.md --output-json /tmp/openclaw_skill_audit.json

目标：

1. 拿到 openclaw skills check 的结果
2. 区分：
   • 当前真正可用的技能
   • 缺前置条件的技能
   • OpenClaw 内置技能
   • 工作区残留技能
   • 重复技能

如果用户只是说“网页里为什么还有苹果笔记之类的技能”，这一轮就要先解释：

• 网页能看到
• 当前真正可用
• 只是内置但缺前置条件

这三者不是一回事。

第 2 步：统计近 7 天调用次数

调用统计已经并入 audit_skills.py，默认就是近 7 天。

统计口径：

• 默认看近 7 天
• 从 ~/.openclaw/agents/*/sessions/*.jsonl 中提取技能读取痕迹
• 输出：
  • 调用次数
  • 最近一次调用时间
  • 涉及 agent

不要直接用“感觉没用”来建议删除，先看调用记录。

第 3 步：统计 token 基线或前后对比

token 基线和前后对比也已经并入 audit_skills.py。

规则：

• 如果检测到 skill_prune_* 这类历史锚点，就自动做前后对比
• 如果没有，就只输出当前 token 基线
• 需要画图时，再带上 --plot-path

这里要看的是：

• 单次请求输入 token 的均值
• 中位数
• 95 分位

第 4 步：输出候选清理表

这里直接读取 audit_skills.py 产出的报告，不需要再单独跑拼装脚本。

输出给用户时必须固定成 3 段：

1. 当前概览
2. 候选清理表
3. 清理后验收

“候选清理表”里每个技能都要用通俗中文解释，不要只给英文名。

第 5 步：等用户确认

这一轮只做建议，不做删除。

你要让用户能直接回复：

• 删除哪些名字
• 只删 0 次调用的
• 哪些先保留

没有确认，就不能进入下一步。

第 6 步：确认后执行清理与验收

用户确认后，按顺序执行：

python3 scripts/execute_prune.py ...
python3 scripts/validate_after_prune.py ...
python3 scripts/audit_skills.py ...

清理动作固定是：

1. 先备份
2. 再移出技能目录
3. 如果 CLI 映射明确，再联动清理 CLI
4. 最后重新校验

输出要求

当前概览

至少要有：

• 总技能数
• 可用技能数
• 缺前置条件技能数
• 重复技能数

候选清理表

至少要有：

• 技能名
• 通俗说明
• 7 天调用次数
• 最近一次调用时间
• 是否涉及 CLI
• 建议动作

清理后验收

至少要有：

• 清掉了什么
• Eligible 减少了多少
• token 是否下降
• 是否还有残留

判断规则

默认可删

• 用户确认后的低频、0 调用、非核心、非内置技能

默认谨慎

• 最近有调用的技能
• 和当前主工作流强相关的技能

默认不直接删

• OpenClaw 内置技能
• 缺前置条件但只是网页里显示出来的系统技能
• 无法确认归属的技能

使用脚本而不是手工拼命令

这个技能的核心逻辑已经收敛成 3 个主脚本：

• scripts/audit_skills.py
• scripts/execute_prune.py
• scripts/validate_after_prune.py

其中：

• audit_skills.py 负责技能盘点、近 7 天调用统计、token 基线/前后对比、候选清理报告
• execute_prune.py 负责用户确认后的备份、清理和 CLI 联动处理
• validate_after_prune.py 负责清理后复查和结果校验

优先运行这些脚本，不要重复手工写一套零散命令。

参考文件

按需读取：

• references/report_template.md
• references/prune_policy.md
• references/cli_mapping.md

其中：

• report_template.md 用来保证给用户的输出结构稳定
• prune_policy.md 用来控制哪些能删、哪些要谨慎
• cli_mapping.md 用来控制哪些技能需要联动清理 CLI

失败时怎么处理

情况 1：openclaw skills check 跑不通

先告诉用户无法拿到当前技能清单，再退回目录扫描模式，不要直接猜。

情况 2：调用次数统计不全

先说明当前统计口径是“近 7 天显式技能读取痕迹”，不要伪装成绝对真相。

情况 3：用户要删内置技能

默认先提醒风险，再让用户明确确认，不要悄悄动 OpenClaw 自带目录。

最终目标

这个技能的目标不是“帮用户无脑删技能”，而是：

• 把技能生态讲清楚
• 把调用情况讲清楚
• 把 token 影响讲清楚
• 然后在用户确认后，安全地完成清理和验收