# Bear Stats

> Показывает, какие скиллы реально срабатывают, а какие ни разу не сработали, — по логам прошедших сессий. Помогает найти мёртвые скиллы и понять, у каких плохое описание. Используй, когда пользователь спрашивает «какими скиллами я пользуюсь», «какие скиллы мёртвые», «статистика по скиллам», «что можно удалить», «зачем мне столько скиллов».

- Skill: `jtprogru/bear-stats` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add jtprogru/bear-stats`
- Raw SKILL.md: https://api.skillmd.com/api/skills/jtprogru/bear-stats/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: jtprogru (https://skillmd.com/u/jtprogru)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/jtprogru/bear-stats

---


<!-- СГЕНЕРИРОВАНО bin/mirror.js. Не редактировать: правки затрёт следующая генерация.
     Источник правды — domains/<домен>/. -->

# bear-stats — Что реально работает

## Данные

```bash
bear-skills stats              # за всё время
bear-skills stats --since 30   # за последние 30 дней
```

Команда читает логи сессий Claude Code и считает фактические вызовы скиллов. Это факт, а не оценка — но факт про прошлое, поэтому у свежих скиллов ноль по определению.

## Как читать

**Скиллы с вызовами** — рабочая часть коллекции. Порядок по частоте показывает, вокруг чего на самом деле крутится работа. Часто расходится с ожиданиями.

**Ни разу не сработавшие** — три разных случая, и их важно различать:

1. **Свежие.** Добавлены недавно, повода не было. Ничего не значит.
2. **Плохое описание.** Задача возникала, но модель скилл не нашла. Признак: пользователь помнит, как делал это руками или через другой скилл. Лечится переписыванием `description` под живые формулировки.
3. **Не нужен.** Задача не возникает. Кандидат на удаление.

Различить второй и третий случай можно только спросив пользователя: «за последние месяцы ты писал постмортемы?» Если писал, а скилл не срабатывал — проблема в описании, а не в скилле.

**Чужие скиллы** в выводе показывают, что ещё конкурирует за срабатывание. Чужой скилл с высокой частотой на территории нашего домена — повод посмотреть, не перехватывает ли он триггеры.

## Что делать с результатом

Мёртвый скилл — не безобидный балласт. Скиллы конкурируют за срабатывание описаниями, и чем их больше, тем хуже точность выбора. Удаление ненужного улучшает работу оставшихся.

Предложи конкретное действие по каждому мёртвому: переписать описание, снять с установки (`bear-skills uninstall skill:<имя>`) или удалить из репозитория. Не сноси ничего сам.

## Границы

Считаются только явные вызовы скиллов из логов. Работа, где модель применила знание из правила или сделала задачу без скилла, сюда не попадает — и это нормально: скилл, который не вызывался, но чьи правила соблюдались, всё равно не оправдывает места в каталоге.

Логов может не быть вовсе (новая машина, другой агент). Тогда так и скажи, а не выдавай пустой результат за «всё мертво».

## Чего не делать

- Не называй ноль вызовов доказательством ненужности, не спросив, возникала ли задача.
- Не удаляй скиллы сам.
- Не сравнивай абсолютные числа между доменами: `obsidian` вызывается ежедневно, релизный скилл — раз в месяц, и это не делает его хуже.
- Не выдумывай метрики, которых команда не считает: экономию токенов, качество вывода. Есть только частота вызовов.