skill-stocktake 是做什么的？
斜杠命令（/skill-stocktake），使用质量检查清单和 AI 综合判断来审计所有 Claude 技能和命令。支持两种模式：快速扫描（仅检查近期变更的技能）和全量盘点（完整审查所有技能）。
范围
该命令针对 调用所在目录的相对路径 下的文件：
| 路径 | 描述 |
|---|---|
~/.claude/skills/ | 全局技能（所有项目） |
{cwd}/.claude/skills/ | 项目级技能（如果该目录存在） |
在第一阶段开始时，命令会明确列出已找到并扫描的路径。
针对特定项目
要包含项目级技能，请从项目根目录运行：
cd ~/path/to/my-project
/skill-stocktake
如果项目没有 .claude/skills/ 目录，则仅评估全局技能和命令。
模式
| 模式 | 触发条件 | 耗时 |
|---|---|---|
| 快速扫描 | results.json 存在（默认） | 5–10 分钟 |
| 全量盘点 | 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
只重新评估自上次运行以来发生变化的技能（5–10 分钟）。
- 读取
~/.claude/skills/skill-stocktake/results.json - 运行：
bash ~/.claude/skills/skill-stocktake/scripts/quick-diff.sh \ ~/.claude/skills/skill-stocktake/results.json（项目目录从$PWD/.claude/skills自动检测；仅在需要时显式传入） - 如果输出为
[]：报告“自上次运行以来无变更。”并停止 - 仅使用相同的第二阶段标准重新评估那些变更过的文件
- 保留之前结果中未变更的技能
- 仅输出差异
- 运行：
bash ~/.claude/skills/skill-stocktake/scripts/save-results.sh \ ~/.claude/skills/skill-stocktake/results.json <<< "$EVAL_RESULTS"
全量盘点流程
第一阶段 — 盘点
运行：bash ~/.claude/skills/skill-stocktake/scripts/scan.sh
该脚本枚举技能文件，提取前置元数据，并收集 UTC 修改时间。
项目目录从 $PWD/.claude/skills 自动检测；仅在需要时显式传入。
从脚本输出中展示扫描摘要和盘点表：
扫描中：
✓ ~/.claude/skills/ （17 个文件）
✗ {cwd}/.claude/skills/ （未找到 — 仅全局技能）
| 技能 | 7天使用 | 30天使用 | 描述 |
|---|
第二阶段 — 质量评估
使用完整的盘点和检查清单启动一个 Agent 工具子代理（通用型代理）：
Agent(
subagent_type="general-purpose",
prompt="
请对照以下检查清单评估给出的技能盘点表。
[盘点表]
[检查清单]
为每个技能返回 JSON：
{ "verdict": "Keep"|"Improve"|"Update"|"Retire"|"Merge into [X]", "reason": "..." }
"
)
子代理读取每个技能，应用检查清单，并为每个技能返回 JSON：
{ "verdict": "保留"|"改进"|"更新"|"淘汰"|"合并至 [X]", "reason": "..." }
分块指导： 每次子代理调用处理约 20 个技能，以保持上下文可管理。每处理完一个块后，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"，进入第三阶段。
断点续评检测： 如果在启动时发现 status: "in_progress"，则从第一个未评估的技能继续。
每个技能都对照以下检查清单进行评估：
- [ ] 已检查与其他技能的内容重叠
- [ ] 已检查与 MEMORY.md / CLAUDE.md 的重叠
- [ ] 已检查技术引用的时效性（如果存在工具名称 / CLI 标志 / API，则使用 WebSearch）
- [ ] 已考虑使用频率
判定标准：
| 判定 | 含义 |
|---|---|
| 保留 | 有用且符合当前情况 |
| 改进 | 值得保留，但需要特定的改进 |
| 更新 | 引用的技术已过时（使用 WebSearch 验证） |
| 淘汰 | 质量低、过时或性价比不对称 |
| 合并至 [X] | 与另一个技能有大量重叠；指出合并目标 |
评估基于 AI 综合判断 —— 而非数字评分。指导维度：
- 可操作性：提供代码示例、命令或步骤，使你能立即行动
- 范围匹配：名称、触发条件和内容一致；不过宽或过窄
- 独特性：价值不能被 MEMORY.md / CLAUDE.md / 其他技能替代
- 时效性：技术引用在当前环境下能正常工作
理由质量要求 —— reason 字段必须内容完整且支持决策：
- 不要仅写“未变更”——始终重申核心依据
- 对于 淘汰：说明（1）发现了什么具体缺陷，（2）什么替代方案能满足相同需求
- 错误：
"已被取代" - 正确：
"disable-model-invocation: true 已设置；已被 continuous-learning-v2 取代，该技能覆盖所有相同模式并增加了置信度评分。没有保留任何独特内容。"
- 错误：
- 对于 合并：指出目标并描述要整合的内容
- 错误：
"与 X 重叠" - 正确：
"42 行薄内容；chatlog-to-article 的步骤 4 已涵盖相同工作流。将'文章角度'技巧作为注释集成到该技能中。"
- 错误：
- 对于 改进：描述所需的具体变更（哪个部分、什么操作、相关目标大小）
- 错误：
"太长" - 正确：
"276 行；'Framework Comparison' 部分（第 80–140 行）与 ai-era-architecture-principles 重复；删除它以达到约 150 行。"
- 错误：
- 对于 保留（快速扫描中仅 mtime 变更）：重申原始判定的理由，不要写“未变更”
- 错误：
"未变更" - 正确：
"mtime 已更新但内容未变。独特的 Python 引用，由 rules/python/ 显式导入；未发现重叠。"
- 错误：
第三阶段 — 总结表
| 技能 | 7天使用 | 判定 | 理由 |
|---|
第四阶段 — 整合
- 淘汰 / 合并：在征得用户确认前，为每个文件提供详细的论证：
- 发现了什么具体问题（重叠、过时、引用失效等）
- 什么替代方案能覆盖相同功能（对于淘汰：哪个现有技能/规则；对于合并：目标文件以及要整合的内容）
- 移除的影响（任何依赖的技能、MEMORY.md 引用或受影响的工作流）
- 改进：提供具体的改进建议并说明理由：
- 要更改什么及原因（例如，“因为 X/Y 部分与 python-patterns 重复，将 430 行缩减至 200 行”）
- 用户决定是否执行
- 更新：提供已更新内容，并附上已检查的来源
- 检查 MEMORY.md 行数；如果超过 100 行，建议压缩
结果文件结构
~/.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。绝不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"
}
}
}
备注
- 评估是无偏见的：无论技能来源（ECC、自创、自动提取），均使用相同的检查清单
- 存档/删除操作总是需要用户显式确认
- 不根据技能来源进行判定分支