skill-comply: 自動化遵循度衡量

skill-comply: 自動化遵循度衡量 是做什麼的？

衡量編碼代理是否確實遵循技能、規則或代理定義，方法如下：

1. 從任何 .md 檔案自動產生預期的行為序列（規格）
2. 自動產生提示嚴格程度逐漸降低的情境（支持性 → 中立 → 競爭性）
3. 執行 claude -p 並透過 stream-json 擷取工具呼叫軌跡
4. 使用 LLM（而非正規表達式）對工具呼叫進行分類以比對規格步驟
5. 以確定性方式檢查時序順序
6. 產生內含規格、提示與時間軸的獨立報告

支援的目標

• 技能 (skills/*/SKILL.md)：工作流程技能，例如搜尋優先、TDD 指南
• 規則 (rules/common/*.md)：強制規則，例如 testing.md、security.md、git-workflow.md
• 代理定義 (agents/*.md)：代理是否在預期時被叫用（內部工作流程驗證尚未支援）

啟用時機

• 使用者執行 /skill-comply <路徑>
• 使用者詢問「這個規則真的有被遵循嗎？」
• 新增規則或技能後，用以驗證代理遵循度
• 定期執行以作為品質維護的一部分

使用方式

# 完整執行
uv run python -m scripts.run ~/.claude/rules/common/testing.md

# 試執行（無成本，僅產出規格與情境）
uv run python -m scripts.run --dry-run ~/.claude/skills/search-first/SKILL.md

# 自訂模型
uv run python -m scripts.run --gen-model haiku --model sonnet <路徑>

核心概念：提示獨立性

衡量一項技能或規則是否在提示未明確支援的情況下仍被遵循。

報告內容

報告為獨立格式，包含：

1. 預期的行為序列（自動產生的規格）
2. 情境提示（每個嚴格程度下的提問內容）
3. 每個情境的遵循度分數
4. 附有 LLM 分類標籤的工具呼叫時間軸

進階功能（選擇性）

對於熟悉 hook 的使用者，報告還會針對遵循度較低的步驟提供 hook 晉升建議。此為參考資訊——主要價值仍在於遵循度的可視化本身。