Communitygithub.com

skill-stocktake

Usado para auditar habilidades e comandos do Claude quanto à qualidade. Suporta modos de Verificação Rápida (apenas habilidades alteradas) e Inventário Completo com avaliação em lote por subagente sequencial.

O que é skill-stocktake?

skill-stocktake é uma ferramenta de auditoria projetada para gerenciar e avaliar a qualidade das skills e comandos do Claude. Ela opera em dois modos principais: Verificação Rápida (Quick Scan), que reavalia apenas habilidades modificadas desde a última execução (5–10 min), e Inventário Completo (Full Stocktake), que realiza uma revisão completa de todas as habilidades (20–30 min). O processo é dividido em fases: inventário, avaliação de qualidade baseada em checklist com subagentes de propósito geral, sumário, e consolidação com recomendações de melhorias ou aposentadoria. Os resultados são salvos em ~/.claude/skills/skill-stocktake/results.json, permitindo detecção de retomada se interrompido. A ferramenta suporta skills globais e por projeto, e é executada via comando de barra /skill-stocktake.

Funciona com✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/skill-stocktake

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

O que skill-stocktake faz?

Comando de barra (/skill-stocktake) que audita todas as habilidades e comandos do Claude usando uma lista de verificação de qualidade + julgamento holístico de IA. Suporta dois modos: Verificação Rápida para habilidades alteradas recentemente, e Inventário Completo para uma revisão completa.

Escopo

O comando tem como alvo os seguintes caminhos relativos ao diretório onde é invocado:

CaminhoDescrição
~/.claude/skills/Habilidades globais (todos os projetos)
{cwd}/.claude/skills/Habilidades no nível do projeto (se o diretório existir)

No início da Fase 1, o comando lista explicitamente quais caminhos foram encontrados e verificados.

Segmentando um projeto específico

Para incluir habilidades no nível do projeto, execute a partir do diretório raiz do projeto:

cd ~/caminho/para/meu-projeto
/skill-stocktake

Se o projeto não tiver um diretório .claude/skills/, apenas as habilidades e comandos globais serão avaliados.

Modos

ModoGatilhoDuração
Verificação Rápidaresults.json existe (padrão)5–10 min
Inventário Completoresults.json ausente, ou /skill-stocktake full20–30 min

Cache de resultados: ~/.claude/skills/skill-stocktake/results.json

Fluxo de Verificação Rápida

Reavalie apenas habilidades que foram alteradas desde a última execução (5–10 min).

  1. Leia ~/.claude/skills/skill-stocktake/results.json
  2. Execute: bash ~/.claude/skills/skill-stocktake/scripts/quick-diff.sh \ ~/.claude/skills/skill-stocktake/results.json (O diretório do projeto é detectado automaticamente de $PWD/.claude/skills; passe-o explicitamente apenas se necessário)
  3. Se a saída for []: reporte "Nenhuma alteração desde a última execução." e pare
  4. Reavalie apenas esses arquivos alterados usando os mesmos critérios da Fase 2
  5. Mantenha as habilidades inalteradas dos resultados anteriores
  6. Saída apenas do diff
  7. Execute: bash ~/.claude/skills/skill-stocktake/scripts/save-results.sh \ ~/.claude/skills/skill-stocktake/results.json <<< "$EVAL_RESULTS"

Fluxo de Inventário Completo

Fase 1 — Inventário

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

O script enumera os arquivos de habilidade, extrai o frontmatter e coleta os UTC mtimes. O diretório do projeto é detectado automaticamente de $PWD/.claude/skills; passe-o explicitamente apenas se necessário. Apresente o resumo da verificação e a tabela de inventário a partir da saída do script:

Verificando:
  ✓ ~/.claude/skills/         (17 arquivos)
  ✗ {cwd}/.claude/skills/    (não encontrado — apenas habilidades globais)
HabilidadeUso 7dUso 30dDescrição

Fase 2 — Avaliação de Qualidade

Inicie um subagente da ferramenta Agent (agente de propósito geral) com o inventário completo e a lista de verificação:

Agent(
  subagent_type="general-purpose",
  prompt="
Avalie o seguinte inventário de habilidades contra a lista de verificação.

[INVENTÁRIO]

[LISTA DE VERIFICAÇÃO]

Retorne JSON para cada habilidade:
{ "veredito": "Manter"|"Melhorar"|"Atualizar"|"Aposentar"|"Mesclar em [X]", "motivo": "..." }
"
)

O subagente lê cada habilidade, aplica a lista de verificação e retorna JSON por habilidade:

{ "veredito": "Manter"|"Melhorar"|"Atualizar"|"Aposentar"|"Mesclar em [X]", "motivo": "..." }

Orientação de chunk: Processe ~20 habilidades por invocação do subagente para manter o contexto gerenciável. Salve resultados intermediários em results.json (status: "in_progress") após cada chunk.

Após todas as habilidades serem avaliadas: defina status: "completed", prossiga para a Fase 3.

Detecção de retomada: Se status: "in_progress" for encontrado na inicialização, retome a partir da primeira habilidade não avaliada.

Cada habilidade é avaliada contra esta lista de verificação:

- [ ] Sobreposição de conteúdo com outras habilidades verificada
- [ ] Sobreposição com MEMORY.md / CLAUDE.md verificada
- [ ] Atualidade das referências técnicas verificada (use WebSearch se nomes de ferramentas / flags CLI / APIs estiverem presentes)
- [ ] Frequência de uso considerada

Critérios de veredito:

VereditoSignificado
ManterÚtil e atual
MelhorarVale a pena manter, mas melhorias específicas são necessárias
AtualizarTecnologia referenciada está desatualizada (verifique com WebSearch)
AposentarBaixa qualidade, desatualizada ou assimétrica em custo
Mesclar em [X]Sobreposição substancial com outra habilidade; nomeie o alvo da mesclagem

A avaliação é julgamento holístico de IA — não uma rubrica numérica. Dimensões orientadoras:

  • Acionabilidade: exemplos de código, comandos ou etapas que permitem agir imediatamente
  • Adequação de escopo: nome, gatilho e conteúdo estão alinhados; não muito amplo ou restrito
  • Exclusividade: valor não substituível por MEMORY.md / CLAUDE.md / outra habilidade
  • Atualidade: referências técnicas funcionam no ambiente atual

Requisitos de qualidade do motivo — o campo motivo deve ser autossuficiente e habilitador de decisão:

  • NÃO escreva "inalterado" sozinho — sempre reafirme a evidência central
  • Para Aposentar: informe (1) qual defeito específico foi encontrado, (2) o que cobre a mesma necessidade em vez disso
    • Ruim: "Substituído"
    • Bom: "disable-model-invocation: true já definido; substituído por continuous-learning-v2 que cobre todos os mesmos padrões mais pontuação de confiança. Nenhum conteúdo único permanece."
  • Para Mesclar: nomeie o alvo e descreva qual conteúdo integrar
    • Ruim: "Sobreposição com X"
    • Bom: "Conteúdo fino de 42 linhas; a Etapa 4 de chatlog-to-article já cobre o mesmo fluxo. Integre a dica de 'ângulo do artigo' como uma nota nessa habilidade."
  • Para Melhorar: descreva a mudança específica necessária (qual seção, qual ação, tamanho alvo se relevante)
    • Ruim: "Muito longo"
    • Bom: "276 linhas; a seção 'Comparação de Frameworks' (L80–140) duplica ai-era-architecture-principles; exclua-a para chegar a ~150 linhas."
  • Para Manter (alteração apenas de mtime na Verificação Rápida): reafirme a justificativa original do veredito, não escreva "inalterado"
    • Ruim: "Inalterado"
    • Bom: "mtime atualizado, mas conteúdo inalterado. Referência Python única explicitamente importada por rules/python/; nenhuma sobreposição encontrada."

Fase 3 — Tabela de Resumo

HabilidadeUso 7dVereditoMotivo

Fase 4 — Consolidação

  1. Aposentar / Mesclar: apresente justificativa detalhada por arquivo antes de confirmar com o usuário:
    • Qual problema específico foi encontrado (sobreposição, desatualização, referências quebradas, etc.)
    • Qual alternativa cobre a mesma funcionalidade (para Aposentar: qual habilidade/regra existente; para Mesclar: o arquivo alvo e qual conteúdo integrar)
    • Impacto da remoção (quaisquer habilidades dependentes, referências MEMORY.md ou fluxos de trabalho afetados)
  2. Melhorar: apresente sugestões de melhoria específicas com justificativa:
    • O que mudar e por quê (ex.: "reduzir 430→200 linhas porque as seções X/Y duplicam python-patterns")
    • O usuário decide se deve agir
  3. Atualizar: apresente conteúdo atualizado com fontes verificadas
  4. Verifique a contagem de linhas do MEMORY.md; proponha compressão se >100 linhas

Esquema do Arquivo de Resultados

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

evaluated_at: Deve ser definido como o horário UTC real da conclusão da avaliação. Obtenha via Bash: date -u +%Y-%m-%dT%H:%M:%SZ. Nunca use uma aproximação apenas de data como 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": "Concreto, acionável, valor único para fluxo de trabalho X",
      "mtime": "2026-01-15T08:30:00Z"
    }
  }
}

Observações

  • A avaliação é cega: a mesma lista de verificação se aplica a todas as habilidades, independentemente da origem (ECC, autoescritas, extraídas automaticamente)
  • Operações de arquivar / excluir sempre exigem confirmação explícita do usuário
  • Sem ramificação de veredito por origem da habilidade

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

Habilidades Relacionadas