跳到主要内容
知仓学习社ZHICANG

skill-stocktake

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。

不碰外部(只输出文字)无严重或高危命中xu-xiang/everything-claude-code-zh

它会碰到什么

扫了多少1 个文本文件,5 KB
它会碰到什么不碰外部(只输出文字)
命中总数0 处
命中统计严重 0 · 高 0 · 中 0 · 低 0

这一栏是扫描器报的事实,不是结论。命中多不等于有毒(安全工具、规则库、示例脚本本来就会包含危险写法),命中少也不等于干净。它和你手上的凭据、文件、网络有什么关系,需要你自己看。

技能内容

skill-stocktake

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。

范围

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。

针对特定项目

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

| 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

快速扫描流程

仅重新评估自上次运行以来发生更改的技能(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

(项目目录从 $PWD/.claude/skills 自动检测;仅在需要时显式传递)

  1. 如果输出是 []:报告“自上次运行以来无更改。”并停止
  2. 使用相同的第 2 阶段标准仅重新评估那些已更改的文件
  3. 沿用先前结果中未更改的技能
  4. 仅输出差异
  5. 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

第 1 阶段 — 清单

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:

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

| 技能 | 7天使用 | 30天使用 | 描述 |

|-------|--------|---------|-------------|

第 2 阶段 — 质量评估

启动一个 Task 工具子代理(Explore 代理,模型:opus),提供完整的清单和检查清单。

子代理读取每个技能,应用检查清单,并返回每个技能的 JSON:

{ "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:

- [ ] Content overlap with other skills checked
- [ ] Overlap with MEMORY.md / CLAUDE.md checked
- [ ] Freshness of technical references verified (use WebSearch if tool names / CLI flags / APIs are present)
- [ ] Usage frequency considered

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:

  • 可操作性:代码示例、命令或步骤,让你可以立即行动
  • 范围契合度:名称、触发器和内容保持一致;不过于宽泛或狭窄
  • 独特性:价值不能被 MEMORY.md / CLAUDE.md / 其他技能取代
  • 时效性:技术引用在当前环境中有效

原因质量要求reason 字段必须是自包含且能支持决策的:

  • 不要只写“未更改” — 始终重述核心证据
  • 对于 Retire:说明 (1) 发现了什么具体缺陷,(2) 有什么替代方案覆盖了相同需求
  • 差:"Superseded"
  • 好:"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 Merge:命名目标并描述要集成什么内容
  • 差:"Overlaps with X"
  • 好:"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 Improve:描述所需的具体更改(哪个部分,什么操作,如果相关则说明目标大小)
  • 差:"Too long"
  • 好:"276 lines; Section 'Framework Comparison' (L80–140) duplicates ai-era-architecture-principles; delete it to reach ~150 lines."
  • 对于 Keep(快速扫描中仅 mtime 更改):重述原始判定理由,不要写“未更改”
  • 差:"Unchanged"
  • 好:"mtime updated but content unchanged. Unique Python reference explicitly imported by rules/python/; no overlap found."

第 3 阶段 — 摘要表

| 技能 | 7天使用 | 判定 | 原因 |

|-------|--------|---------|--------|

第 4 阶段 — 整合

  1. Retire / Merge:在用户确认之前,按文件呈现详细理由:
  • 发现了什么具体问题(重叠、陈旧、引用损坏等)
  • 什么替代方案覆盖了相同功能(对于 Retire:哪个现有技能/规则;对于 Merge:目标文件以及要集成什么内容)
  • 移除的影响(是否有依赖技能、MEMORY.md 引用或受影响的工作流)
  1. Improve:呈现具体的改进建议及理由:
  • 更改什么以及为什么(例如,“将 430 行压缩至 200 行,因为 X/Y 部分与 python-patterns 重复”)
  • 用户决定是否采取行动
  1. Update:呈现已检查来源的更新后内容
  2. 检查 MEMORY.md 行数;如果超过 100 行,则建议压缩

结果文件模式

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

evaluated_at:必须设置为评估完成时的实际 UTC 时间。

通过 Bash 获取:date -u +%Y-%m-%dT%H:%M:%SZ。切勿使用仅日期的近似值,如 T00:00:00Z

{
  "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

  • 评估是盲目的:无论来源如何(ECC、自创、自动提取),所有技能都应用相同的检查清单
  • 归档 / 删除操作始终需要明确的用户确认
  • 不按技能来源进行判定分支

想直接用这个技能?

本站把开放许可(MIT / Apache 等)的技能按仓库打包整理到网盘,点一下转存到你自己的网盘,不用一个个从 GitHub 拉。许可未声明的技能只给原始仓库链接,不打包。

同名技能的其他版本

有 2 个不同仓库或目录里都有叫 skill-stocktake 的技能。它们内容并不相同,别混用:

  • xu-xiang/everything-claude-code-zh — 用于对 Claude 技能(Skills)和命令进行质量审计。支持快速扫描(Quick Scan,仅针对变更的技能)和全面盘点(Full Stocktake)模式,并通过子智能体(