xu-xiang/skills/skill-stocktake

skill-stocktake

斜杠命令（/skill-stocktake），使用质量检查清单 + AI 综合判断来审计所有 Claude 技能（Skills）和命令。支持两种模式：针对最近变更技能的快速扫描（Quick Scan），以及用于完整审查的全面盘点（Full Stocktake）。

作用范围（Scope）

该命令的目标路径相对于调用它的目录：

| 路径 | 描述 | |------|-------------| | ~/.claude/skills/ | 全局技能（适用于所有项目） | | {cwd}/.claude/skills/ | 项目级技能（如果该目录存在） |

在阶段 1（Phase 1）开始时，该命令会明确列出已发现并扫描的路径。

针对特定项目

若要包含项目级技能，请在该项目的根目录下运行：

cd ~/path/to/my-project
/skill-stocktake

如果项目没有 .claude/skills/ 目录，则仅评估全局技能和命令。

模式（Modes）

| 模式 | 触发条件 | 预计耗时 | |------|---------|---------| | 快速扫描（Quick Scan） | results.json 已存在（默认） | 5–10 分钟 | | 全面盘点（Full Stocktake） | results.json 不存在，或执行 /skill-stocktake full | 20–30 分钟 |

结果缓存路径： ~/.claude/skills/skill-stocktake/results.json

快速扫描流程（Quick Scan Flow）

仅重新评估自上次运行以来发生变更的技能（5–10 分钟）。

1. 读取 ~/.claude/skills/skill-stocktake/results.json
2. 运行：bash ~/.claude/skills/skill-stocktake/scripts/quick-diff.sh \ ~/.claude/skills/skill-stocktake/results.json （项目目录会自动从 $PWD/.claude/skills 检测；仅在需要时显式传递）
3. 如果输出为 []：报告 "No changes since last run."（自上次运行以来无变更）并停止
4. 使用相同的“阶段 2（Phase 2）”标准仅重新评估那些变更的文件
5. 沿用之前结果中未变更的技能
6. 仅输出差异部分（diff）
7. 运行：bash ~/.claude/skills/skill-stocktake/scripts/save-results.sh \ ~/.claude/skills/skill-stocktake/results.json <<< "$EVAL_RESULTS"

全面盘点流程（Full Stocktake Flow）

阶段 1 — 清单盘点（Inventory）

运行：bash ~/.claude/skills/skill-stocktake/scripts/scan.sh

该脚本会枚举技能文件，提取 Frontmatter，并收集 UTC 修改时间（mtimes）。 项目目录会自动从 $PWD/.claude/skills 检测；仅在需要时显式传递。 展示脚本输出的扫描摘要和清单表格：

Scanning:
  ✓ ~/.claude/skills/         (17 files)
  ✗ {cwd}/.claude/skills/    (not found — global skills only)

| 技能 | 7天使用率 | 30天使用率 | 描述 | |-------|--------|---------|-------------|

阶段 2 — 质量评估（Quality Evaluation）

启动一个任务工具子智能体（Task tool subagent，Explore agent, model: opus），携带完整的清单和检查表。 子智能体读取每个技能，应用检查表，并返回每个技能的 JSON 结果：

{ "verdict": "Keep"|"Improve"|"Update"|"Retire"|"Merge into [X]", "reason": "..." }

分块指南（Chunk guidance）： 每次子智能体调用处理约 20 个技能，以保持上下文可控。在每个分块处理后，将中间结果保存到 results.json（status: "in_progress"）。

在所有技能评估完成后：设置 status: "completed"，进入阶段 3。

断点续传检测： 如果启动时发现 status: "in_progress"，则从第一个未评估的技能开始恢复。

每个技能都会对照以下检查清单进行评估：

- [ ] 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 标志 / API，请使用 WebSearch）
- [ ] 已考虑使用频率

判定（Verdict）标准：

| 判定（Verdict） | 含义 | |---------|---------| | 保留（Keep） | 有用且不过时 | | 改进（Improve） | 值得保留，但需要特定的改进 | | 更新（Update） | 引用的技术已过时（通过 WebSearch 验证） | | 退役（Retire） | 质量低、陈旧或成本收益不对称 | | 合并至 [X]（Merge into [X]） | 与另一个技能存在实质性重叠；需注明合并目标 |

评估基于 AI 综合判断 —— 而非数字量化表。指导维度：

• 可操作性（Actionability）：能够让你立即行动的代码示例、命令或步骤
• 范畴契合度（Scope fit）：名称、触发条件和内容一致；既不太宽泛也不太狭隘
• 唯一性（Uniqueness）：其价值无法被 MEMORY.md / CLAUDE.md / 其他技能替代
• 时效性（Currency）：技术引用在当前环境下有效

理由质量要求 —— reason 字段必须是自包含的且能够支持决策：

• 不要只写 "unchanged"（未变更） —— 务必重申核心证据
• 对于退役（Retire）：说明（1）发现了什么具体缺陷，（2）什么东西替代了该需求
  • 错误示例："Superseded"（已被取代）
  • 正确示例："disable-model-invocation: true already set; superseded by continuous-learning-v2 which covers all the same patterns plus confidence scoring. No unique content remains."
• 对于合并（Merge）：指明目标并描述要整合的内容
  • 错误示例："Overlaps with X"（与 X 重叠）
  • 正确示例："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."
• 对于改进（Improve）：描述所需的具体变更（哪个章节，什么操作，如果相关则说明目标大小）
  • 错误示例："Too long"（太长了）
  • 正确示例："276 lines; Section 'Framework Comparison' (L80–140) duplicates ai-era-architecture-principles; delete it to reach ~150 lines."
• 对于保留（Keep）（快速扫描中仅修改时间变更的情况）：重申原始判定理由，不要写 "unchanged"
  • 错误示例："Unchanged"
  • 正确示例："mtime updated but content unchanged. Unique Python reference explicitly imported by rules/python/; no overlap found."

阶段 3 — 摘要表格（Summary Table）

| 技能 | 7天使用率 | 判定（Verdict） | 理由（Reason） | |-------|--------|---------|--------|

阶段 4 — 整合（Consolidation）

1. 退役 / 合并（Retire / Merge）：在用户确认前，针对每个文件提供详细的辩护理由：
   • 发现了什么具体问题（重叠、过时、引用失效等）
   • 哪种替代方案涵盖了相同的功能（对于退役：哪个现有技能/规则；对于合并：目标文件及要整合的内容）
   • 移除的影响（任何依赖该技能、MEMORY.md 引用或受影响的工作流）
2. 改进（Improve）：提供具体的改进建议及理由：
   • 变更内容及原因（例如，“将 430 行修剪至 200 行，因为 X/Y 章节与 python-patterns 重复”）
   • 由用户决定是否执行
3. 更新（Update）：提供已通过来源检查的更新内容
4. 检查 MEMORY.md 的行数；如果超过 100 行，建议进行压缩

结果文件 Schema

~/.claude/skills/skill-stocktake/results.json:

evaluated_at：必须设置为评估完成的实际 UTC 时间。 通过 Bash 获取：date -u +%Y-%m-%dT%H:%M:%SZ。切勿使用类似 T00:00:00Z 的仅日期近似值。

{
  "evaluated_at": "2026-02-21T10:00:00Z",
  "mode": "full",
  "batch_progress": {
    "total": 80,
    "evaluated": 80,
    "status": "completed"
  },
  "skills": {
    "skill-name": {
      "path": "~/.claude/skills/skill-name/SKILL.md",
      "verdict": "Keep",
      "reason": "Concrete, actionable, unique value for X workflow",
      "mtime": "2026-01-15T08:30:00Z"
    }
  }
}

注意事项

• 评估是盲审：同样的检查清单适用于所有技能，无论其来源如何（ECC、自创、自动提取）
• 归档 / 删除操作始终需要明确的用户确认
• 判定结果不会因技能来源不同而产生分支