技能合规检查
- 作者仓库星标 188,749
- 作者仓库 ECC
- 领域
- 文档
- 作者声明的智能体
- 未找到明确声明;不据此推断已兼容或已测试
- 静态检查
- 88 / 100 · 启发式扫描,不代表运行安全
- 运行环境证据
- 未执行;当前没有隔离运行测试证据
- 作者 / 版本 / 许可证
- @affaan-m · 未声明许可证
- 上下文用量评级
- 低消耗
- 接入复杂程度
- 即装即用
- 是否需要外部接口密钥
- 不需要
- 兼容的系统
- 未声明(默认跨平台)
- 运行环境要求
- Python
- 检测到的文件与系统行为
-
- 只读
- 网络行为
- 仅限本地
- 安装命令数
- 无(仅作为资料)
需要注意: 未声明工具权限范围;实际权限由运行环境决定。
# skill-comply:自动化合规性测量
通过以下方式测量编码代理是否实际遵循技能、规则或代理定义:
1. 从任意 .md 文件自动生成预期行为序列(规范)
2. 自动生成提示严格程度递减的场景(支持性 → 中性 → 竞争性)
3. 运行 `claude -p` 并通过 stream-json 捕获工具调用轨迹
4. 使用 LLM(而非正则表达式)将工具调用分类到规范步骤
5. 确定性检查时间顺序
6. 生成包含规范、提示和时间线的自包含报告
## 支持的目标
* **技能**(`skills/*/SKILL.md`):工作流技能,如搜索优先、TDD 指南
* **规则**(`rules/common/*.md`):强制性规则,如 testing.md、security.md、git-workflow.md
* **代理定义**(`agents/*.md`):代理是否在预期时被调用(内部工作流验证尚不支持)
## 何时激活
* 用户运行 `/skill-comply <path>`
* 用户询问"这条规则是否真的被遵循?"
* 添加新规则/技能后,验证代理合规性
* 作为质量维护的一部分定期执行
## 使用方法
```bash
# Full run
uv run python -m scripts.run ~/.claude/rules/common/testing.md
# Dry run (no cost, spec + scenarios only)
uv run python -m scripts.run --dry-run ~/.claude/skills/search-first/SKILL.md
# Custom models
uv run python -m scripts.run --gen-model haiku --model sonnet <path>
```
## 关键概念:提示独立性
测量技能/规则是否在提示未明确支持时仍被遵循。
## 报告内容
报告是自包含的,包括:
1. 预期行为序列(自动生成的规范)
2. 场景提示(每个严格程度级别询问的内容)
3. 每个场景的合规性评分
4. 带有 LLM 分类标签的工具调用时间线
### 高级(可选)
对于熟悉钩子的用户,报告还包含针对合规性较低的步骤的钩子提升建议。此为参考信息——主要价值在于合规性本身的可见性。
章节与文件索引
按说明文件中的顺序排列。
支持的目标
何时激活
关键概念:提示独立性
报告内容
高级(可选)
文件/命令 -> claude -p · skills/*/SKILL.md · rules/common/*.md · agents/*.md · /skill-comply <path>
内容校验值 -> 816ed27e55a0
当前原文的自动摘译,尚未人工审校。
支持的目标
技能(
skills/*/SKILL.md):工作流技能,如搜索优先、TDD 指南 规则(rules/common/*.md):强制性规则,如 testing.md、security.md、git-workflow.md 代理定义(agents/*.md):代理是否在预期时被调用(内部工作流验证尚不支持)何时激活
用户运行
/skill-comply <path>用户询问"这条规则是否真的被遵循?" 添加新规则/技能后,验证代理合规性 作为质量维护的一部分定期执行关键概念:提示独立性
测量技能/规则是否在提示未明确支持时仍被遵循。
报告内容
报告是自包含的,包括: 预期行为序列(自动生成的规范) 场景提示(每个严格程度级别询问的内容) 每个场景的合规性评分 带有 LLM 分类标签的工具调用时间线
高级(可选)
对于熟悉钩子的用户,报告还包含针对合规性较低的步骤的钩子提升建议。此为参考信息——主要价值在于合规性本身的可见性。