skill-stocktake

# skill-stocktake 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。 ## 范围 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。** ### 针对特定项目 要包含项目级技能，从该项目的根目录运行： ```bash 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 | 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` ## 快速扫描流程 仅重新评估自上次运行以来有变更的技能（5-10 分钟）。 1. 读取 `~/.claude/skills/skill-stocktake/results.json` 2. 运行：`bash ~/.claude/skills/skill-stocktake/scripts/quick-diff.sh \ ~/.claude/skills/skill-stocktake/results.json` （项目目录从 `$PWD/.claude/skills` 自动检测；仅在需要时显式传递） 3. 如果输出是 `[]`：报告"自上次运行以来无变更。"并停止 4. 仅使用相同的阶段 2 标准重新评估那些变更的文件 5. 从之前的结果中继承未变更的技能 6. 仅输出差异 7. 运行：`bash ~/.claude/skills/skill-stocktake/scripts/save-results.sh \ ~/.claude/skills/skill-stocktake/results.json <<< "$EVAL_RESULTS"` ## 完整盘点流程 ### 阶段 1 — 清单 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 | |-------|--------|---------|-------------| ### 阶段 2 — 质量评估 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： ```text 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： - **可操作性**：代码示例、命令或步骤让你能立即行动 - **范围匹配**：名称、触发条件和内容对齐；不太宽泛或太窄 - **独特性**：不可被 MEMORY.md / CLAUDE.md / 其他技能替代的价值 - **时效性**：技术参考在当前环境中可用 **原因质量要求** — `reason` 字段必须自包含且支持决策： - 不要只写"未更改" — 始终重述核心证据 - 对于 **Retire**：说明 (1) 发现了什么具体缺陷，(2) 什么覆盖了相同需求 - 差：`"已被替代"` - 好：`"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。"` - 对于 **Merge**：命名目标并描述要集成什么内容 - 差：`"与 X 重叠"` - 好：`"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。"` - 对于 **Improve**：描述需要的具体更改（哪个部分、什么行动、目标大小如果相关） - 差：`"太长"` - 好：`"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。"` - 对于 **Keep**（快速扫描中仅 mtime 变更）：重述原始判决理由，不要写"未更改" - 差：`"未更改"` - 好：`"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。"` ### 阶段 3 — 汇总表 | 技能 | 7天使用 | 判决 | 原因 | |-------|--------|---------|--------| ### 阶段 4 — 整合 1. **Retire / Merge**：在与用户确认之前呈现每个文件的详细理由： - 发现了什么具体问题（重叠、过时、损坏的引用等） - 什么替代方案覆盖了相同功能（对于 Retire：哪个现有技能/规则；对于 Merge：目标文件和要集成什么内容） - 移除的影响（任何依赖的技能、MEMORY.md 引用或受影响的工作流） 2. **Improve**：呈现具体的改进建议及理由： - 要更改什么以及为什么（例如，"将 430 行精简到 200 行，因为 X/Y 部分与 python-patterns 重复"） - 用户决定是否行动 3. **Update**：呈现检查了来源的更新内容 4. 检查 MEMORY.md 行数；如果超过 100 行建议压缩 ## 结果文件模式 `~/.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`。 ```json { "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" } } } ``` ## 注意事项 - 评估是盲目的：相同的检查清单适用于所有技能，无论来源（ECC、自编写、自动提取） - 归档/删除操作始终需要明确的用户确认 - 不根据技能来源进行判决分支