skill-stocktake¶

使用质量检查清单 + AI 整体判断，审查所有 Claude 技能和命令的斜杠命令（/skill-stocktake）。支持两种模式：针对最近变更技能的高速扫描，以及用于完整审查的完整盘点。

范围¶

此命令以调用命令的目录为基准，针对以下路径：

在阶段 1 开始时，命令会明确列出哪些路径被找到并扫描。

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¶

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

高速扫描流程¶

仅重新评估自上次运行以来发生变化的技能（5 至 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 $PWD/.claude/skills 自动检测。仅在需要时显式传递）
3. 如果输出为 []：报告“自上次运行以来无变更。”并停止
4. 仅按相同的阶段 2 标准重新评估已变更的文件
5. 沿用上次结果中未变更的技能
6. 仅输出差异
7. 运行：bash ~/.claude/skills/skill-stocktake/scripts/save-results.sh \ ~/.claude/skills/skill-stocktake/results.json <<< "$EVAL_RESULTS"

完整盘点流程¶

阶段 1 — 清单¶

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

脚本会列出技能文件，提取 frontmatter，并收集 UTC 修正时间。 项目目录从 $PWD/.claude/skills 自动检测。仅在需要时显式传递。 从脚本输出中显示扫描摘要和清单表格：

スキャン中：
  ✓ ~/.claude/skills/         (17 個のファイル)
  ✗ {cwd}/.claude/skills/    (見つからない — グローバルスキルのみ)

阶段 2 — 质量评估¶

启动包含完整清单和检查项的通用代理工具的子代理：

Agent(
  subagent_type="general-purpose",
  prompt="
チェックリストに基づいて以下のスキルインベントリを評価してください。

[INVENTORY]

[CHECKLIST]

各スキルについてJSONを返してください：
{ \"verdict\": \"Keep\"|\"Improve\"|\"Update\"|\"Retire\"|\"Merge into [X]\", \"reason\": \"...\" }
"
)

子代理会读取每个技能，应用检查项，并返回每个技能的 JSON 结果：

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

分块指南： 每次子代理调用处理约 20 个技能，以保持上下文可控。每个分块后，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"，并进入阶段 3。

恢复检测： 启动时如果发现 status: "in_progress"，则从第一个未评估技能恢复。

每个技能基于此检查清单进行评估：

- [ ] 他のスキルとの内容の重複を確認済み
- [ ] MEMORY.md / CLAUDE.md との重複を確認済み
- [ ] 技術的参照の時効性を確認済み（ツール名 / CLI引数 / APIが存在する場合、WebSearchで検証）
- [ ] 使用頻度を考慮済み

判定标准：

评估是AI 整体判断——不是数值评分标准。指导维度：

• 可执行性：可立即执行的代码示例、命令或步骤
• 范围适配性：名称、触发器、内容一致。不过宽，也不过窄
• 独特性：MEMORY.md / CLAUDE.md / 其他技能无法替代的价值
• 时效性：技术引用在当前环境中有效

理由质量要求 — reason 字段必须自包含并能支撑决策：

• 不要只写“无变更”——始终重述核心证据
• Retire 时：(1) 说明发现的具体缺陷，(2) 说明覆盖相同需求的替代方案
• 差："Superseded"
• 好："disable-model-invocation: true already set; superseded by continuous-learning-v2 which covers all the same patterns plus confidence scoring.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."
• Merge 时：命名目标，并说明要整合什么
• 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."
• Improve 时：说明所需的具体变更（哪个部分、什么操作，如适用则目标大小）
• 差："Too long"
• 好："276 lines; Section 'Framework Comparison' (L80–140) duplicates ai-era-architecture-principles; delete it to reach ~150 lines."
• Keep（高速扫描中仅 mtime 变更时）：重述原始判定理由，不要写“无变更”
• 差："Unchanged"
• 好："mtime updated but content unchanged. Unique Python reference explicitly imported by rules/python/; no overlap found."

阶段 3 — 摘要表格¶

阶段 4 — 整合¶

1. Retire / Merge：在用户确认前，逐文件提供详细理由：
2. 发现的具体问题（重复、过时、链接失效等）
3. 覆盖相同功能的替代方案（Retire 时：哪个现有技能/规则；Merge 时：目标文件以及要整合什么）
4. 删除的影响（依赖的技能、MEMORY.md 引用、是否有受影响的流程）
5. Improve：提供具体改进建议和理由：
6. 更改什么以及为什么（例如：“X/Y 部分与 python-patterns 重复，因此将 430 行压缩到 200 行”）
7. 由用户决定是否采取行动
8. Update：提供从已确认来源更新的内容
9. 检查 MEMORY.md 的行数，如果超过 100 行，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的实际 UTC 时间。 在 Bash 中获取：date -u +%Y-%m-%dT%H:%M:%SZ。绝对不要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¶

• 评估是盲评：无论来源（ECC、自制、自动提取），对所有技能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
• 不要根据技能来源分支判定