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。
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。
Skill 的 description 不是越详细越好，真正重要的是保留触发词，让 Agent 知道“什么任务该用它”。如果把完整工作流都塞进 description，反而会浪费模型可见上下文。
另一个实用点是重复检测。它会检查同名 Skill，或者描述、正文高度相似的 Skill。
比如 Codex 内置已经有一个能力，你又在个人目录或项目目录里放了一个近似版本，就可能造成重复。
它还会给出 unused candidates，也就是最近日志里没有明显使用痕迹的 Skill。这个判断是启发式的，会扫近期 Codex / OpenClaw 日志，看有没有 $skill 提及、SKILL.md 读取记录或显式调用痕迹。
最后还有 root summary，用来告诉你这些 Skills 分别来自哪里，哪些是 Codex 系统 Skill，哪些来自插件缓存，哪些来自个人目录或项目目录。
image-20260527112021423
用 AI Agent 跑就行
这类工具现在已经不太需要人手动记命令了。
直接把仓库地址丢给 AI，让它自己去读说明、判断怎么安装、怎么运行，然后把结果整理给你。
比如可以直接对 Codex 或 Claude Code 说：
text请阅读这个仓库： https://github.com/steipete/agent-scripts/tree/main/skills/skill-cleaner 帮我理解 skill-cleaner 是做什么的，并在不删除任何文件的前提下，对我本地的 Skills 做一次体检。 最后请输出一份报告，告诉我： 1. 哪些 Skill description 太长 2. 哪些 Skill 可能重复 3. 哪些 Skill 最近没有使用痕迹 4. 哪些 Skill 来自系统、插件、个人目录或项目目录 5. 哪些只建议观察，哪些可以考虑合并或删除
这样用会更符合 AI Agent 的工作方式。
让 Agent 先读仓库里的 SKILL.md 和脚本说明，再决定应该用哪个参数跑。跑完以后，也不要让它直接删文件，而是先让它输出体检报告。
image-20260527113527043
不要把它当成一键清理
这个工具不是帮你“一键删除无用 Skill”。
恰恰相反，仓库说明里也写得比较克制：先建议，再编辑。真正要删除或修改之前，最好确认保留的那一份确实存在，而且是当前环境会加载的版本。
这点很重要。
有些项目级 Skill 看起来和全局 Skill 重复，但它里面可能写了项目自己的规则，比如部署流程、数据库规范、线上事故处理方式。这种 Skill 不能随便删。
有些 OpenClaw 或 Codex 相关的维护 Skill，也可能和通用 Skill 名字接近，但里面有具体的运维约束。它们不是“重复”，而是特定场景下的安全边界。
所以更合理的用法是，把 skill-cleaner 当成一次体检。
它帮你指出哪里可能有问题，但最后要不要删、要不要合并、要不要改 description，还是要结合自己的工作流判断。
我觉得它适合谁
如果你只是刚开始用 Claude Code 或 Codex，本地只有两三个 Skill，这个工具暂时不用急。
但如果你已经开始大量使用 Skills，尤其是同时用了全局 Skill、项目 Skill、插件 Skill、别人分享的 Skill，那就很适合定期跑一下。
AI Agent 的能力变强之后，很多人会关注怎么继续加工具、加 MCP、加 Skill。但从实际使用来看，工具不是越多越好。
能被准确触发、能稳定执行、能在合适的时候加载，才是真正有用的工具。
相关链接：