Everything Claude Code Skill Stocktake Skill 是面向 Claude Code 等 AI 编程助手开发者的专业技能库质量审计工具。它通过 /skill-stocktake 命令，支持 Quick Scan（仅检查有变更的技能，5~10 分钟）和 Full Stocktake（全量盘点，20~30 分钟）两种模式，结合 AI Checklist、批量子代理评估与结果缓存，自动生成详细的技能保留/改进/合并/淘汰建议，助力持续提升 AI 辅助编程效率与技能库健康度。

Everything Claude Code Skill Stocktake Skill：Quick Scan + Full Stocktake 两种模式的 Skill 库质量审计

在 AI 辅助编程体系日益复杂的今天，如何系统性地管理和优化 Skills/Commands，成为影响开发效率和代码质量的关键。Everything Claude Code Skill Stocktake Skill（以下简称 skill-stocktake）正是为此场景设计的生产级工具：它通过自动化、结构化的质量审计流程，让你的 AI 技能库始终保持高效、无冗余、可持续演进。

本指南将详细介绍 skill-stocktake Skill 的核心价值、触发场景、两种运行模式、完整操作流程、输出示例，以及与其他 Agent/Skill 的协作关系，帮助你在实际项目中用好这一工具。

skill-stocktake Skill 解决什么问题？

在没有 skill-stocktake 之前，开发者常常面临以下痛点：

技能库膨胀：随着项目推进，Skills/Commands 数量不断增加，难以及时发现内容重叠、陈旧、或已被替代的技能。
人工审计低效：手动逐个检查技能内容、引用、使用频率、技术新旧，费时费力且主观性强。
技能维护断层：很难追踪哪些技能需要更新、合并或淘汰，容易导致技能库失控，影响 AI Agent 的输出质量和上下文预算。

skill-stocktake Skill 通过引入自动化审计、AI Checklist、批量子代理评估和结果缓存，彻底解决上述问题，成为 Claude Code 插件体系中不可或缺的运维利器。

适用场景与触发条件

你可以在以下场景激活 skill-stocktake：

定期质量盘点：每月/每季度对全库 Skills/Commands 做一次全面健康检查，发现冗余与过时内容。
技能大规模更新后：批量新增、重构或引入第三方技能后，快速识别内容重叠与技术陈旧问题。
合并多项目技能库：团队合并或迁移时，梳理并优化全局与项目级技能结构。
上线前发布审计：确保即将发布的技能集无重大缺陷或重复内容。

触发方式：在命令行或 Claude Code 的交互界面中输入 /skill-stocktake（默认 Quick Scan），或 /skill-stocktake full（强制全量盘点）。

操作流程 Step by Step

1. 选择运行目录与目标范围

skill-stocktake 支持全局和项目级技能盘点：

全局技能：~/.claude/skills/
项目级技能：{cwd}/.claude/skills/（需在项目根目录下运行）

示例：

bash

# 全局盘点
/skill-stocktake

# 针对某项目技能盘点
cd ~/my-project
/skill-stocktake

skill-stocktake 会自动检测并列出实际扫描到的目录和文件数。例如：

Scanning:
  ✓ ~/.claude/skills/         (17 files)
  ✗ ./my-project/.claude/skills/    (not found — global skills only)

2. 选择模式：Quick Scan vs Full Stocktake

Quick Scan（增量）：默认模式，仅检查自上次盘点以来有变更的技能，5-10 分钟完成。适合日常维护。
Full Stocktake（全量）：首次盘点、长时间未盘点、或强制 /skill-stocktake full 时触发，20-30 分钟完成。适合结构性优化或大版本发布前。

skill-stocktake 会根据 results.json 文件（~/.claude/skills/skill-stocktake/results.json）的存在与否自动判断模式。

3. Quick Scan 流程（增量变更审计）

适合日常维护和小批量技能变更场景：

读取上次盘点结果 results.json
调用 quick-diff.sh 脚本，检测哪些技能自上次盘点后发生了变更
若无变更，直接提示“无变化”；否则仅对变更文件重新评估
AI 子代理对变更技能应用 Checklist，输出 verdict（Keep/Improve/Update/Retire/Merge into [X]）和详细 reason
未变更技能沿用上次结果，仅输出 diff
保存新结果到 results.json，便于下次增量审计

示例输出：

bash

No changes since last run.

或

json

{
  "skill-name": {
    "verdict": "Improve",
    "reason": "Section 'Framework Comparison' (L80–140) duplicates ai-era-architecture-principles;建议精简至150行。"
  }
}

4. Full Stocktake 流程（全量盘点）

适合首次、长周期或大规模技能结构调整场景。

Phase 1 — Inventory（技能清单扫描）

调用 scan.sh 脚本，枚举所有技能文件，提取 frontmatter、修改时间（mtime）、使用频率等元数据
输出技能清单表，便于后续评估

示例表格：

Skill	7d use	30d use	Description
python-testing	12	38	pytest TDD、覆盖率与参数化测试
docker-patterns	8	21	容器安全与多服务编排最佳实践

Phase 2 — Quality Evaluation（AI 质量评估）

启动 general-purpose 子代理，分批（每批约 20 个技能）读取技能内容和 Checklist
Checklist 包括内容重叠、技术新旧、引用频率等维度
每个技能输出 verdict（Keep/Improve/Update/Retire/Merge into [X]）和详细 reason，reason 必须自洽、可决策
支持断点续盘（in_progress 状态下自动恢复未评估部分）

Checklist 示例：

- [ ] 检查与其他技能内容重叠
- [ ] 检查与 MEMORY.md / CLAUDE.md 重叠
- [ ] 验证技术引用新旧（如涉及 CLI/API，需 WebSearch）
- [ ] 考虑使用频率

Verdict 解释：

Keep：有独特价值且内容最新
Improve：需精简/重写部分内容
Update：引用技术已过时，需更新
Retire：低质量/冗余/已被替代
Merge into [X]：内容应合并到指定技能

Reason 要求：

必须具体、可操作，不能只写“Unchanged”或“Superseded”
例如："disable-model-invocation: true 已设，已被 continuous-learning-v2 完全覆盖，无独特内容。"

Phase 3 — Summary Table（结果汇总）

输出技能 verdict 总览，便于一目了然地决策：

Skill	7d use	Verdict	Reason
python-testing	12	Keep	pytest TDD、覆盖率与参数化测试，唯一性强
docker-patterns	8	Retire	已被 backend-patterns 覆盖，内容重复

Phase 4 — Consolidation（确认与落地）

对 Retire/Merge 项目，详细说明问题、替代方案及影响范围，需用户确认后执行
对 Improve/Update，输出具体修改建议和理由，由用户决定是否采纳
检查 MEMORY.md 行数，>100 行时建议压缩

5. 结果缓存与断点续盘

所有评估结果和进度均保存在 ~/.claude/skills/skill-stocktake/results.json，包括：

评估时间（UTC，精确到秒）
当前模式（full/quick）
批次进度、状态
每个技能的 verdict、reason、mtime

示例结构：

json

{
  "evaluated_at": "2026-02-21T10:00:00Z",
  "mode": "full",
  "batch_progress": {
    "total": 80,
    "evaluated": 80,
    "status": "completed"
  },
  "skills": {
    "python-testing": {
      "path": "~/.claude/skills/python-testing/SKILL.md",
      "verdict": "Keep",
      "reason": "pytest TDD、覆盖率与参数化测试，唯一性强",
      "mtime": "2026-01-15T08:30:00Z"
    }
  }
}

输出示例

Quick Scan 无变更：

bash

No changes since last run.

Full Stocktake 结果片段：

Skill	7d use	Verdict	Reason
python-testing	12	Keep	pytest TDD、覆盖率与参数化测试，唯一性强
docker-patterns	8	Retire	已被 backend-patterns 覆盖，内容重复
ai-regression-testing	3	Improve	建议补充沙箱 API 示例与 CI 集成用例

常见配套 Agent 与 Skill 协作关系

与 Doc Updater Agent 配合：技能内容调整后自动同步文档与 Codemaps。
与 Rules Distill Skill 协同：盘点后可自动提炼通用原则，更新项目规则库。
与 Context Budget Skill 协作：辅助评估技能上下文占用，优化 token 预算。
与 Verification Loop Skill 联动：结合端到端验证循环，确保技能调整不会破坏现有工作流。

更多关于 Skills/Agents/Hooks 的体系化用法，详见 Everything Claude Code 完全指南与 Claude Code 快速上手指南。

FAQ

Q: skill-stocktake Skill 会自动删除或合并技能吗？
A: 不会。所有的 Retire/Merge 操作都需要用户确认，skill-stocktake 仅给出详细建议和影响分析。

Q: 如何只检查最近变更的技能，节省时间？
A: 直接运行 /skill-stocktake，默认进入 Quick Scan 模式，仅评估有变更的技能，5~10 分钟即可完成。

Q: 评估结果如何保证客观和可追溯？
A: 所有 verdict 和 reason 都存储在 results.json，每条建议都需具体、可操作，并附详细理由，便于团队复查与决策。

Everything Claude Code Skill Stocktake Skill：Quick Scan + Full Stocktake 两种模式的 Skill 库质量审计 ​

skill-stocktake Skill 解决什么问题？ ​

适用场景与触发条件 ​

操作流程 Step by Step ​

1. 选择运行目录与目标范围 ​

2. 选择模式：Quick Scan vs Full Stocktake ​

3. Quick Scan 流程（增量变更审计） ​

4. Full Stocktake 流程（全量盘点） ​

Phase 1 — Inventory（技能清单扫描） ​

Phase 2 — Quality Evaluation（AI 质量评估） ​

Phase 3 — Summary Table（结果汇总） ​

Phase 4 — Consolidation（确认与落地） ​

5. 结果缓存与断点续盘 ​

输出示例 ​

常见配套 Agent 与 Skill 协作关系 ​

FAQ ​

Everything Claude Code Skill Stocktake Skill：Quick Scan + Full Stocktake 两种模式的 Skill 库质量审计

skill-stocktake Skill 解决什么问题？

适用场景与触发条件

操作流程 Step by Step

1. 选择运行目录与目标范围

2. 选择模式：Quick Scan vs Full Stocktake

3. Quick Scan 流程（增量变更审计）

4. Full Stocktake 流程（全量盘点）

Phase 1 — Inventory（技能清单扫描）

Phase 2 — Quality Evaluation（AI 质量评估）

Phase 3 — Summary Table（结果汇总）

Phase 4 — Consolidation（确认与落地）

5. 结果缓存与断点续盘

输出示例

常见配套 Agent 与 Skill 协作关系

FAQ