技能有用性审计

要解决的问题

Agent 工作区里的 SKILL 会越攒越多，却很少被清理。棘手的不是“这个技能没用”这种直觉，而是直觉没有证据：一个技能可能三个月没被调用，也可能只是触发描述写得含糊；两个技能功能重叠，可能其中一个换了宿主仍然有用；一个 SKILL.md 又长又重，但每次任务都真用得上。靠印象清理，要么删错，要么什么都不删。

这个技能把“该不该留着”变成一次可重复的审计：用调用日志、功能重叠、消融实验结果和质量负担等证据，给每个已安装技能打出 0–10 的本地分，再给出保留、合并或移除的建议。

审计如何进行

证据按七个层次收集，大致由客观到主观：

• 使用证据：优先读取原生计数与遥测，如 calls、recent_30d_calls、last_used_at、active_days，以及负担字段 script_failures、repair_turns、false_triggers；原生计数缺失时才退回 transcript 提及。
• 元数据与指令：逐个读取 SKILL.md，提取名称、描述、脚本、引用与资源体积。
• 功能重叠：比对描述、标题和资源名，为每个技能保留重叠度最高的 peer 及相似度分。
• 消融影响：对 general 类技能生成省钱的消融计划，只评估用户提供的 skill-on / skill-off 结果；api 与 tool 类技能（Excel、PDF、OCR、浏览器自动化等）走保护分支，不做假无工具模拟。
• 质量负担：对过度触发、上下文臃肿、弱渐进披露、引用冗余、脚本质量差等逐项扣分。
• 静态风险信号：扫描 shell、网络、安装钩子、动态执行等模式，只作为提示而非结论。
• 社区先验：可选的离线注册表指标，仅作外部参考。

每个技能最终得到 local 分减去质量惩罚后的 final_score，报告输出完整排名、建议动作、删除候选、缺失证据和质量负担五张表。

适用边界

• 只能由用户明确要求后手动触发，不会在常规任务执行中自动运行。
• 永不自动删除或隔离技能：delete、merge-delete、quarantine-review 结果都是人工复核建议。
• 仅靠结构审计（不带证据文件运行）得到的分数置信度较低，不应据此直接删技能。
• 不适用于通用代码审查、安全审计或员工技能评估。