CommunityRédaction et éditiongithub.com

Zane456/skill-checkup

Bilan de santé pour les compétences Claude Code. skill-checkup diagnostique pourquoi un SKILL.md ne se déclenche pas de manière fiable, effectue un essai à blanc de son workflow et restructure le package. 4 scripts déterministes, aucune dépendance d'exécution.

Qu'est-ce que skill-checkup ?

skill-checkup est un outil d'audit spécialisé conçu pour analyser et améliorer les fichiers SKILL.md utilisés par l'agent Claude Code. Il agit comme une boussole, pas comme un manuel, en s'appuyant sur des références externes pour les standards. Le processus de diagnostic, divisé en quatre étapes principales, examine la fiabilité du déclenchement de la compétence à travers quatre prismes : le harnais (ce qui est injecté et quand), le modèle (biais d'économie, décroissance du contexte, sauts silencieux), le code dur (scripts qui imposent ce que la prose ne peut pas), et la structure (routage, registre, reçus). Il effectue des vérifications de budget, de chevauchement, de routes et de sécurité, puis propose un essai à blanc du workflow pour identifier les liens brisés ou les ambiguïtés. Enfin, il génère un rapport de diagnostic structuré avec des scores de qualité, une couche de code (problèmes classés par priorité) et une couche de décision (correctifs sûrs vs décisions utilisateur). L'outil supporte les plateformes basées sur les agents LLM comme Claude Code et est conçu pour être déterministe, utilisant 4 scripts Python sans dépendances d'exécution. Il est particulièrement utile pour les développeurs qui créent ou maintiennent des compétences d'agent et qui ont besoin de garantir leur fiabilité et leur comportement prévisible.

Compatible avec✓Claude Code~Codex CLI~Cursor
npx skills add Zane456/skill-checkup

Installed? Explore more Rédaction et édition skills: steipete/notion, langchain-ai/langchain, bytedance/podcast-generation · View all 6 →

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Skill Checkup

Diagnostiquer et améliorer n'importe quel SKILL.md. Une boussole, pas un manuel — les standards se trouvent dans references/.

Rôle — auditeur de livraison. Une compétence n'est pas son texte ; c'est la probabilité que chaque règle atteigne l'attention du modèle au moment où elle s'applique. Chaque constat sert cette quantité, à travers quatre prismes : harnais (ce qui est injecté quand : desc à chaque tour, corps sur déclenchement, références uniquement via Read), modèle (économie du biais, décroissance du contexte, sauts silencieux), code dur (les scripts imposent ce que la prose ne peut pas), structure (routage, registre, reçus).

Flux de diagnostic (chaque étape doit imprimer)

Les étapes silencieuses sont ignorées (Seleznov, 2026) — imprimez une ligne de confirmation par étape. Drapeau d'auto-révision : si cette session a déjà Edité/Écrit le SKILL.md cible, préfixez chaque ligne d'impression de skill-checkup avec [self-review], et un sous-agent frais en révision aveugle DOIT s'exécuter avant que le travail ne soit déclaré terminé — lancez-le avec des chemins de fichiers explicites et AUCUN résultat attendu (procédure + mise à l'échelle multi-cibles : runtime-contract.md §4), puis imprimez : [skill-checkup] re-vérification auto-révision : <agent> → <résumé du verdict> S'il ne peut pas s'exécuter, dites-le explicitement et marquez le travail comme non vérifié — le silence n'est pas une option.

Étape 1 : Lire la cible, exécuter les trois vérificateurs

Lisez le SKILL.md cible en entier, puis exécutez les trois vérificateurs via python3 <ce-dossier-de-compétence>/scripts/… (citez les chemins — les espaces sont courants) : check_listing_budget.py "<racine_du_projet>" --target "<nom_de_la_compétence>", check_routes.py "<dossier_de_la_compétence>", check_script_safety.py "<dossier_de_la_compétence>". Les trois s'exécutent À CHAQUE audit ; les hits boussole-cap/errants/orphelins = P1. Imprimez cinq lignes :

[skill-checkup] Audit : <chemin>  corps=<N> lignes  description=<M> caractères
[skill-checkup] Budget : <K> compétences installées, descriptions <T> caractères vs ≈<B> → <adapte | DÉPASSEMENT ×N.N>
[skill-checkup] Chevauchement : <propre | N paire(s), M avec cible>
[skill-checkup] Routes : <RÉUSSI | N problème(s) : boussole-cap/errant/orphelin>
[skill-checkup] Sécurité : <propre | N hit(s) : <classes>>

Sortie 2 du budget = indisponible → ligne de repli. Hiérarchisation : dépassement et chevauchement non-cible = AVIS uniquement ; chevauchement cible = P2 (description-templates.md §distinctness) ; hits sécurité = P0 quand CRITIQUE, sinon P1, en attente de légitimité (hard-code-vs-llm-judgment.md) ; Sécurité propre → ligne de reçu uniquement, jamais une ligne de rapport. Ne modifiez jamais la compétence auditée pour un avis de population ; ne supprimez jamais automatiquement un hit de sécurité (réduction = passe globale lancée par l'utilisateur).

Étape 2 : Établir le registre des dimensions, puis en lire UNE à la fois

Exécutez python3 <ce-dossier-de-compétence>/scripts/index.py "<dossier_de_la_compétence>" — il mesure la cible et imprime le registre des dimensions (FORCÉ / PAR DÉFAUT / IGNORER + raisons) plus une ligne MODE=. Le script est l'autorité pour le déclenchement ; references/index.md en est le miroir lisible par l'humain — ne rejugez pas le déclenchement à partir de la prose. MODE=inline → parcourez le registre un fichier par itération : Lisez-le → jugez la cible par rapport à CETTE dimension uniquement → imprimez un reçu → fichier suivant. Les sauts PAR DÉFAUT doivent citer la condition de saut imprimée par le registre. MODE=fanout → runtime-contract.md §4.

[skill-checkup] <dimension> : <N> constats

Étape 2.5 : Parcours d'essai à blanc (parcours positif quand ordered-steps=True ; négatif TOUJOURS)

En suivant references/effect-dry-run.md, prenez UNE invite typique PAR forme de tâche que la description promet (écrire / réviser / vérifier, 1–3 ; invite de révision de petite portée obligatoire pour les compétences d'édition). Parcourez chacune à travers les étapes du corps : entrée/instruction/sortie connectent, ET quelles portes dures se déclenchent à cette granularité. Tout lien brisé / ambiguïté / porte qu'aucune forme courante ne déclenche → P0, dans la couche Code de l'Étape 3. Imprimez une ligne par invite :

[skill-checkup] Essai à blanc "<invite>" (forme : <écrire|réviser|vérifier>)  liens brisés=<N>  portes déclenchées=<M>/<total>

Pas de processus ordonné du tout (compétence purement règle / référence) → imprimez :

[skill-checkup] Essai à blanc : parcours positif ignoré (pas de workflow)

TOUJOURS (workflow ou non) : jugez 1–2 invites qui NE DEVRAIENT PAS déclencher par rapport à la description seule, selon effect-dry-run.md §négatif. Capturées → P2 [sur-déclenchement]. Imprimez :

[skill-checkup] Essai à blanc négatif : <K> invites, faux-déclenchement=<J>

Étape 2.6 : Vérification d'injection en direct (quand la cible est dans le champ de cette session)

La cible apparaît-elle dans la liste des compétences disponibles de cette session avec sa description (pas seulement le nom) ? 3 cas + règle d'avis de population → references/live-injection-check.md. Imprimez une ligne :

[skill-checkup] Injection en direct : <injecté | SUPPRIMÉ (nom seul) | ignoré (<raison>)>

Étape 3 : Produire le rapport de diagnostic

Présentez selon references/output-format.md — un rapport en couches dans le style lesstoken, dans la langue de réponse de l'utilisateur : verdict → scores de qualité → Couche Code (P0→P3, preuve fichier:ligne) → Couche Décision divisée en ✅ Sûr à corriger maintenant vs 🤔 Nécessite votre décision → question de clôture.

Substance qui remplit les couches :

  • Chaque constat : ID stable (P0-1 …), ligne/champ spécifique, risque 🟢/🟡/🔴, trié P0→P3 (references/priority-tiers.md) ; même violation à N endroits = N constats ; le même défaut provenant de deux dimensions = dédoublonné en un avant la hiérarchisation.
  • Nommez le mode de défaillance lorsqu'il s'applique — une étiquette de predictability-glossary.md : [no-op]/[sediment]/[premature-completion]/[weak-leading-word]/[duplication]/[sprawl]/[over-trigger]/[no-floor]/[gate-gap]/[missing-license]. Préfixe = quel type, Niveau-P = à quel point c'est grave.
  • Chaque élément 🤔 sépare mécanisme (comportement maintenant) de conséquence (ce que le prochain LLM fera de travers), puis options + recommandation.

Étape 4 : Appliquer avec Edit après confirmation de l'utilisateur

Ne modifiez jamais sans confirmation — attendez que l'utilisateur dise "corrige-le".

Avant d'agir : porte de taille + vérification pré-suppression ; ensuite boucle de rétroaction — procédure dans references/apply-safety.md. Après correction, imprimez une ligne :

[skill-checkup] Appliqué <N> correctifs à <chemin>  corps : <ancien>→<nouveau> lignes (<+X%>)

Référence rapide des règles dures

Règles dures quantifiées (violation = erreur) → references/hard-rules.md, consultez à chaque audit.

Repli d'exception

Lorsqu'un chemin est manquant, YAML ne s'analyse pas, ou tout script inclus sous scripts/ est manquant ou se termine avec 2 — gérez selon references/exception-fallback.md (la liste des scripts faisant autorité s'y trouve) ; annoncez d'abord, ne sautez jamais silencieusement.

Langue

Anglais par défaut ; signalez l'injustifié non-anglais ⚠️ ; politique + 2 exceptions → references/language-policy.md.

Hors champ

Exactitude du domaine du contenu (bogue logique, pas de forme — le comportement d'exécution EST dans le champ → runtime-contract.md) ; conventions de projet (→ CLAUDE.md) ; scripts de correctif ponctuel.

Pourquoi ça existe

Les LLM écrivent des manuels ; la division mécanique-vs-jugement : references/rationale.md.

Skills associés