Skill StocktakeSAFE

everything-claude-code 中文翻译项目:完整的 Claude Code 配置集合(agents, skills, hooks, commands, rules, MCPs)。源自 Anthropic 黑客松获胜者的实战配置,助力中文工程师高效理解与使用 Claude Code。

The instruction file, verbatim from the audited commit — this is the text the model reads, and the surface the audit's instruction layer examines. Quoted here so you can judge it without cloning anything.

---
description: "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。"
origin: ECC
---

# 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:

```bash
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 `$PWD/.claude/skills` 自动检测;仅在需要时显式传递)
3. 如果输出是 `[]`:报告“自上次运行以来无更改。”并停止
4. 使用相同的第 2 阶段标准仅重新评估那些已更改的文件
5. 沿用先前结果中未更改的技能
6. 仅输出差异
7. 运行:`bash ~/.claude/skills/skill-stocktake/scripts/save-results.sh \   ~/.claude/skills/skill-stocktake/results.json <<< "$EVAL_RESULTS"`

## 全面盘点流程

### 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)
2. **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
3. **Update**:呈现已检查来源的更新后内容
4. 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`。

```json
{
  "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

SAFEgrade B · trust 89/100 Nothing in the source contradicts what it says it does. Grade A is reserved for packages that have also passed the behavioural sandbox.

What the source does

Filesystem

none-observed

Network

none-observed

Shell

none-observed

Dependencies

pinned

Secrets in source

none-found

Findings (1)

Gates applied: no_behavioural_pass.