用于审计Claude技能和命令的质量。支持快速扫描(仅变更技能)和全面盘点模式,采用顺序子代理批量评估。
复制安装指令,让 AI 自动完成配置 · 推荐新手
请帮我安装 askskill 上的 "skill-stocktake" 技能: 1. 下载 https://raw.githubusercontent.com/affaan-m/ECC/main/docs/zh-CN/skills/skill-stocktake/SKILL.md 2. 保存为 ~/.claude/skills/skill-stocktake/SKILL.md 3. 装好后重载技能,告诉我可以用了
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。
该命令针对以下相对于调用命令所在目录的路径:
| 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。
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 | 触发条件 | 持续时间 |
|---|---|---|
| 快速扫描 | results.json 存在(默认) | 5–10 分钟 |
| 全面盘点 | results.json 不存在,或 /skill-stocktake full | 20–30 分钟 |
结果缓存: ~/.claude/skills/skill-stocktake/results.json
仅重新评估自上次运行以来发生更改的技能(5–10 分钟)。
~/.claude/skills/skill-stocktake/results.jsonbash ~/.claude/skills/skill-stocktake/scripts/quick-diff.sh \ ~/.claude/skills/skill-stocktake/results.json
(项目目录从 $PWD/.claude/skills 自动检测;仅在需要时显式传递)[]:报告“自上次运行以来无更改。”并停止bash ~/.claude/skills/skill-stocktake/scripts/save-results.sh \ ~/.claude/skills/skill-stocktake/results.json <<< "$EVAL_RESULTS"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:
扫描中:
✓ ~/.claude/skills/ (17 个文件)
✗ {cwd}/.claude/skills/ (未找到 — 仅限全局技能)
| 技能 | 7天使用 | 30天使用 | 描述 |
|---|
启动一个 通用代理 工具子代理,并使用完整的清单和检查项:
Agent(
subagent_type="general-purpose",
prompt="
根据检查清单评估以下技能清单。
[INVENTORY]
[CHECKLIST]
为每项技能返回 JSON:
{ \"verdict\": \"Keep\"|\"Improve\"|\"Update\"|\"Retire\"|\"Merge into [X]\", \"reason\": \"...\" }
"
)
子代理读取每项技能,应用检查项,并返回每项技能的 JSON 结果:
{ "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:
- [ ] 已检查与其他技能的内容重叠情况
- [ ] 已检查与 MEMORY.md / CLAUDE.md 的重叠情况
- [ ] 已验证技术引用的时效性(如果存在工具名称 / CLI 参数 / API,请使用 WebSearch 进行验证)
- [ ] 已考虑使用频率
判定标准:
| 判定 | 含义 |
|---|---|
| Keep | 有用且最新 |
| Improve | 值得保留,但需要特定改进 |
| Update | 引用的技术已过时(通过 WebSearch 验证) |
| Retire | 质量低、陈旧或成本不对称 |
| Merge into [X] | 与另一技能有大量重叠;命名合并目标 |
评估是整体 AI 判断 — 不是数字评分标准。指导维度:
原因质量要求 — reason 字段必须是自包含且能支持决策的:
"Superseded""disable-model-invocation: true already set; superseded by continuous-learning-v2 which covers all the same patterns plus confidence scoring. No unique content remains.""Overlaps with X""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.""Too long""276 lines; Section 'Framework Comparison' (L80–140) duplicates ai-era-architecture-principles; delete it to reach ~150 lines.""Unchanged""mtime updated but content unchanged. Unique Python reference explicitly imported by rules/python/; no overlap found."| 技能 | 7天使用 | 判定 | 原因 |
|---|
…
为家庭实验室网络改造提供分段、DNS过滤与远程访问变更前检查清单
为医疗健康应用提供安全合规的 EMR/EHR 开发模式与界面流程建议
用生成器与评估器协同流程,自动迭代构建高质量应用原型与代码。
帮助你从间距、字体、阴影与交互细节入手,系统提升界面精致感。
提供数据库迁移最佳实践,支持模式变更、回滚与零停机发布方案
帮助你统筹多渠道营销活动策划、文案产出与执行落地。