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。
Copy the install command and let the AI configure it · recommended for beginners
Please install the "skill-stocktake" skill from askskill: 1. Download https://raw.githubusercontent.com/affaan-m/ECC/main/docs/zh-CN/skills/skill-stocktake/SKILL.md 2. Save it as ~/.claude/skills/skill-stocktake/SKILL.md 3. Reload skills and tell me it's ready
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 |
|---|
…
Research prediction market signals for products, dashboards, agents, and decision intelligence.
Process documents with OCR, conversion, extraction, redaction, signing, and form filling.
Learn Rust testing patterns and TDD to improve code quality and reliability.
Build robust Python test suites with pytest, TDD, mocking, and coverage.
Run a pre-release verification loop for Quarkus builds, tests, scans, and reviews.
Build robust Django tests with pytest-django, TDD, mocks, factories, and API coverage.