thedixitjain skill-comply：自动化合规性测量
通过以下方式测量编码代理是否实际遵循技能、规则或代理定义：
- 从任意 .md 文件自动生成预期行为序列（规范）
- 自动生成提示严格程度递减的场景（支持性 → 中性 → 竞争性）
- 运行
claude -p并通过 stream-json 捕获工具调用轨迹 - 使用 LLM（而非正则表达式）将工具调用分类到规范步骤
- 确定性检查时间顺序
- 生成包含规范、提示和时间线的自包含报告
支持的目标
- 技能（
skills/*/SKILL.md）：工作流技能，如搜索优先、TDD 指南 - 规则（
rules/common/*.md）：强制性规则，如 testing.md、security.md、git-workflow.md - 代理定义（
agents/*.md）：代理是否在预期时被调用（内部工作流验证尚不支持）
何时激活
- 用户运行
/skill-comply <path> - 用户询问"这条规则是否真的被遵循？"
- 添加新规则/技能后，验证代理合规性
- 作为质量维护的一部分定期执行
使用方法
# Full run
uv run python -m scripts.run ~/.claude/rules/common/testing.md
# Dry run (no cost, spec + scenarios only)
uv run python -m scripts.run --dry-run ~/.claude/skills/search-first/SKILL.md
# Custom models
uv run python -m scripts.run --gen-model haiku --model sonnet <path>
关键概念：提示独立性
测量技能/规则是否在提示未明确支持时仍被遵循。
报告内容
报告是自包含的，包括：
- 预期行为序列（自动生成的规范）
- 场景提示（每个严格程度级别询问的内容）
- 每个场景的合规性评分
- 带有 LLM 分类标签的工具调用时间线
高级（可选）
对于熟悉钩子的用户，报告还包含针对合规性较低的步骤的钩子提升建议。此为参考信息——主要价值在于合规性本身的可见性。
Source: affaan-m/ECC → docs/zh-CN/skills/skill-comply/SKILL.md