我用 skill-cleaner 给自己的 AI Skills 做了一次体检

这两天看到一个挺有意思的小工具，叫 skill-cleaner。

它不是帮你写 Skill 的，而是反过来帮你检查现有的 Skills：哪些描述太长，哪些 Skill 重复了，哪些很久没用过，哪些会占掉太多 prompt budget。

每个人手里都装了不少 Claude Code、Codex、OpenClaw 相关的 Skills 吧，这个工具就挺值得看一下。

Skill 多了以后，也会变成负担

Skills 这个机制很好用。

它可以把一套固定工作流写成 Markdown 文件，让 Agent 在遇到相关任务时自动加载，比如代码审查、写文章、操作飞书、处理图片、发布内容等等。

但用久了之后，一个新问题会出现：Skill 会越来越多。

一开始可能只有几个全局 Skill，后来装了插件，又从 GitHub 上下载了一些别人分享的 Skill，再加上项目里自己写的 .codex/skills 或 .claude/skills，最后很容易变成几十个甚至上百个。

这时候问题不是有没有 Skill，而是 Agent 能不能准确找到该用的那个 Skill。

Skill 的名字、描述、位置都会影响模型判断。如果两个 Skill 功能很像，描述又写得差不多，Agent 就可能选错。描述写太长，也会占用 prompt budget。长期不用的 Skill 留在那里，也会让整个工具系统越来越臃肿。

这也是 skill-cleaner 这个工具的价值点。

它主要检查什么

从 GitHub 仓库里的说明看，skill-cleaner 主要做几类检查。

它会先统计 Skill Budget，也就是这些 Skill 描述在模型上下文里占了多少空间。

它按 Codex 的规则估算 token 成本，默认参考 GPT-5.5 的 context size，并按 2% skills budget 来看当前 Skills 列表是否太重。

它还会找 description candidates，也就是描述过长、可以压缩的 Skill。