Skill Insight

Skill Insight — 技能使用洞察 + 资产自检

会话侧只读 SQLite；资产侧用 scripts/skill-health.py（改进 skill 的 skill）。

0. 先跑资产自检（改进 session-digger 自身）

python3 $SD_ROOT/scripts/skill-health.py
python3 $SD_ROOT/scripts/skill-gap-finder.py analyze --min-occurrences 5

skill-health 检查：命令是否进路由表、是否含个人路径硬编码、combo_map 覆盖、安装副本 SHA 漂移、Herdr skill-gap 接线。 skill-gap-finder 检查：跨会话痛点 → SKILL 提案（默认脱敏，无用户名/绝对路径）。

数据源

1. 会话索引：优先 $SESSION_DIGGER_DATA_DIR/index.db，否则 ~/.claude/.session-digger/index.db
   （与 skills/common_paths.py 一致）
   • sessions.tool_usage_json — 每个会话的工具调用统计
   • messages_fts — 全文搜索，用于检查技能名是否在历史对话中出现
2. 已安装技能（多根探测，勿只扫单一目录）：
   • ~/.agents/skills/
   • ~/.claude/skills/
   • ~/.grok/skills/（若存在）

分析方法

1. 技能使用统计

扫描已安装的 SKILL.md 获取技能清单，对每个技能名在 messages_fts 中搜索， 统计有多少个会话提到了该技能名。

# 获取已安装技能列表（name + description）
find ~/.claude/skills -name "SKILL.md" -exec grep -H "^name:" {} \;

# 查某个技能在历史对话中的出现次数
python3 -c "
import sqlite3; from pathlib import Path
conn = sqlite3.connect(str(Path.home() / '.claude/.session-digger/index.db'))
count = conn.execute('SELECT COUNT(DISTINCT session_id) FROM messages_fts WHERE messages_fts MATCH ?', ('技能名',)).fetchone()[0]
print(count)
"

2. 闲置技能识别

将「从未在任意会话中被提及」的技能列为闲置候选。注意：

• 有些技能通过 Skill 工具间接调用，检查 tool_usage_json 中的 "Skill" 计数
• 季节性技能（如年报相关）可能间歇使用，不急于清理
• 清理建议归档到 .trash/ 而非直接删除

3. 工具使用模式

从 tool_usage_json 汇总所有会话的工具调用分布，识别：

• 高频工具：核心工作流（Bash、Read、Write、Edit 等）
• 领域工具：特定技能触发（如 mcp__* 前缀的工具）
• 通用工具不纳入技能推荐范围

# 汇总全局工具使用
python3 -c "
import sqlite3, json; from pathlib import Path
from collections import Counter
conn = sqlite3.connect(str(Path.home() / '.claude/.session-digger/index.db'))
tc = Counter()
for r in conn.execute('SELECT tool_usage_json FROM sessions WHERE tool_usage_json IS NOT NULL AND tool_usage_json != \"{}\"').fetchall():
    tc.update(json.loads(r[0] or '{}'))
for name, count in tc.most_common(20):
    print(f'{name:35s} {count:5d}')
"

4. 环境与习惯洞察

从索引中按环境分组统计：

• 错误率：errors / tool_calls，超过 10% 需关注
• 标记率：有 flags 的会话占比，超过 30% 说明长对话或重试循环多
• 平均消息数：超过 30 条说明会话偏长，建议拆分任务
• 主力环境：会话数最多的环境，优先优化其配置

输出原则

1. 数据驱动：每条建议附带具体数字（「X 个会话、Y% 错误率」）
2. 可执行：建议能直接操作（「归档到 .trash/」「拆分任务」「检查 SKILL.md」）
3. 不画蛇添足：没有问题不编造建议，数据不足就直说
4. 区分优先级：高错误率 > 闲置技能清理 > 使用习惯优化

下游协作

DO NOT

• 不自动删除技能——只提建议，由用户决定
• 不做实时技能推荐——这是分析技能，不是推荐引擎
• 不与 /optimize 抢职责——/optimize=会话痛点；本技能=使用统计 + 资产健康度
• 不在输出中粘贴含用户名的绝对路径——优先 session id