Skill Stocktake

skill-stocktake

斜杠命令 (/skill-stocktake)，用于使用质量检查清单 + AI 整体判断来审核所有 Claude 技能和命令。支持两种模式：用于最近更改技能的快速扫描，以及用于完整审查的全面盘点。

范围

该命令针对以下相对于调用命令所在目录的路径：

在第 1 阶段开始时，该命令会明确列出找到并扫描了哪些路径。

针对特定项目

要包含项目级技能，请从该项目根目录运行：

cd ~/path/to/my-project
/skill-stocktake

如果项目没有 .claude/skills/ 目录，则只评估全局技能和命令。

模式

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发生更改的技能（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 $PWD/.claude/skills 自动检测；仅在需要时显式传递）
3. 如果输出是 []：报告“自上次运行以来无更改。”并停止
4. 使用相同的第 2 阶段标准仅重新评估那些已更改的文件
5. 沿用先前结果中未更改的技能
6. 仅输出差异
7. 运行：bash ~/.claude/skills/skill-stocktake/scripts/save-results.sh \ ~/.claude/skills/skill-stocktake/results.json <<< "$EVAL_RESULTS"

全面盘点流程

第 1 阶段 — 清单

运行：bash ~/.claude/skills/skill-stocktake/scripts/scan.sh

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。 从脚本输出中呈现扫描摘要和清单表：

Scanning:
  ✓ ~/.claude/skills/         (17 files)
  ✗ {cwd}/.claude/skills/    (not found — global skills only)

第 2 阶段 — 质量评估

启动一个 Task 工具子代理（Explore 代理，模型：opus），提供完整的清单和检查清单。 子代理读取每个技能，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： 每个子代理调用处理约 20 个技能，以保持上下文可管理。在每个块之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"，进入第 3 阶段。

恢复检测： 如果在启动时找到 status: "in_progress"，则从第一个未评估的技能处恢复。

每个技能都根据此检查清单进行评估：

- [ ] Content overlap with other skills checked
- [ ] Overlap with MEMORY.md / CLAUDE.md checked
- [ ] Freshness of technical references verified (use WebSearch if tool names / CLI flags / APIs are present)
- [ ] Usage frequency considered

判定标准：

评估是整体 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，让你可以立即行动
• 范围契合度：名称、触发器和内容保持一致；不过于宽泛或狭窄
• 独特性：价值不能被 MEMORY.md / CLAUDE.md / 其他技能取代
• 时效性：技术引用在当前环境中有效

原因质量要求 — reason 字段必须是自包含且能支持决策的：

• 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) 有什么替代方案覆盖了相同需求
  • 差："Superseded"
  • 好："disable-model-invocation: true already set; superseded by continuous-learning-v2 which covers all the same patterns plus confidence scoring. No unique content remains."
• 对于 Merge：命名目标并描述要集成什么内容
  • 差："Overlaps with X"
  • 好："42-line thin content; Step 4 of chatlog-to-article already covers the same workflow. Integrate the 'article angle' tip as a note in that skill."
• 对于 Improve：描述所需的具体更改（哪个部分，什么操作，如果相关则说明目标大小）
  • 差："Too long"
  • 好："276 lines; Section 'Framework Comparison' (L80–140) duplicates ai-era-architecture-principles; delete it to reach ~150 lines."
• 对于 Keep（快速扫描中仅 mtime 更改）：重述原始判定理由，不要写“未更改”
  • 差："Unchanged"
  • 好："mtime updated but content unchanged. Unique Python reference explicitly imported by rules/python/; no overlap found."

第 3 阶段 — 摘要表

第 4 阶段 — 整合

1. Retire / Merge：在用户确认之前，按文件呈现详细理由：
   • 发现了什么具体问题（重叠、陈旧、引用损坏等）
   • 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：目标文件以及要集成什么内容）
   • 移除的影响（是否有依赖技能、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：
   • 更改什么以及为什么（例如，“将 430 行压缩至 200 行，因为 X/Y 部分与 python-patterns 重复”）
   • 用户决定是否采取行动
3. Update：呈现已检查来源的更新后内容
4. 检查 MEMORY.md 行数；如果超过 100 行，则建议压缩

结果文件模式

~/.claude/skills/skill-stocktake/results.json：

evaluated_at：必须设置为评估完成时的实际 UTC 时间。 通过 Bash 获取：date -u +%Y-%m-%dT%H:%M:%SZ。切勿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": "Concrete, actionable, unique value for X workflow",
      "mtime": "2026-01-15T08:30:00Z"
    }
  }
}

注意事项

• 评估是盲目的：无论来源如何（ECC、自创、自动提取），所有技能都应用相同的检查清单
• 归档 / 删除操作始终需要明确的用户确认
• 不按技能来源进行判定分支