weekly-maintenance(Agent自我全面体检修复清理)

SKILLAI 工具
AI 工具 未标注权限 许可证不明确
安装这个技能

WorkBuddy 一站式每周运维管理技能,可完成系统全维度体检、垃圾文件清理与综合优化工作,内置全套运行依赖支持独立部署运行,内置配套能力组件,缺失相关组件时自动降级不中断整体流程;依托 Python 引擎执行多阶段巡检任务,支持自定义工作区,输出结构化数据供大模型解析以驱动自动化修复,仅安全清理临时可再生文件,高风险删除内容仅生成清单等待用户确认,同时可完成技能健康检测、文档同步、日志数据蒸馏、运行数据统计分析并输出标准化运维报告,提供针对性系统优化建议。

一句话选型结论

按资料字段整理

weekly-maintenance(Agent自我全面体检修复清理)是AI 工具类的 Agent Skill,安装方式未标注,权限级别未标注,许可证不明确,有可直接复制的安装命令。技能本质是给模型读的说明书,效果取决于模型与客户端;装完先用一个小任务验证,再放进正式流程。

分类AI 工具 安装方式未标注 权限级别未标注权限 许可证许可证不明确
累计安装 未标注 本周 未标注
GitHub 星标 未标注 仓库 未标注
下载量 未标注 技能市场下载数
权限级别 未标注权限 安装前请确认风险范围
许可证 许可证不明确 未说明

安装

未标注
在支持 Skills 的客户端里执行,装完问一句「你有哪些技能」验证
skillhub install user_cbe7a01d/weekly-maintenance
  1. 1
    确认客户端支持

    确认你的客户端支持 Skills(Claude、Codex、Cursor 等),并升级到较新的版本。

  2. 2
    拿到技能文件

    执行上面的命令安装;也可以把仓库里的 SKILL.md 手动放进客户端的 skills 目录。

  3. 3
    刷新技能列表

    重新打开客户端,或刷新技能列表,让新放进来的技能被加载。

  4. 4
    验证是否生效

    问一句「你有哪些技能」,确认列表里出现它,再拿一个小任务试跑。

技能档案

AI 工具
字段来自技能仓库与公开索引,中文说明由本站标注
作者 / 维护方user_cbe7a01d仓库 未标注 · 版本 未标注
宿主客户端未标注技能可被这些客户端加载
安装方式未标注安装包 community
权限级别未标注权限安装前请确认风险范围
许可证未说明许可证不明确,商用前请自行确认条款
仓库可用性available技能仓库当前是否可访问
最近核验未标注上游最后核验时间 · 数据更新 1791721604
正文体量12.4 KBSKILL.md 原文大小,越大说明说明书写得越细

典型使用场景

3 类
按分类整理的常见用法,具体以 SKILL.md 为准
组合多个 AI 能力

把写作、检索、总结串成一条流程。

搭工作流

把固定流程做成可重复调用的步骤。

做提示词与评测

整理提示词并对比输出效果。

选择建议

装之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 有可直接复制的安装命令,不用自己翻文档找入口。

先想清楚的地方

  • 没有标注权限级别,实际能做什么要装好后确认。
  • 许可证不明确,商用或二次分发前先到仓库确认条款。
  • 没有做站内核验,内容以作者仓库为准。
  • 技能只是说明书,实际效果取决于模型与客户端,装完先用小任务试一遍。

更适合

  • 需要在AI 工具场景里给模型补一套做法的人。
  • 愿意先读一遍 SKILL.md、确认它会让模型做什么的人。

不太适合

  • 对许可证要求很严、必须明确可商用的人。
  • 只想装完就自动变强、不打算看说明书的人。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
技能权限级别安装方式累计安装宿主客户端安装命令
weekly-maintenance(Agent自我全面体检修复清理)当前 未标注权限 未标注 未标注 未标注 有
执行计划 只读 GitHub 仓库 151.5 万 Codex、Claude、Cursor 有
Playwright MCP 测试 浏览器控制 ClawHub 市场 136.5 万 OpenClaw 有
完成前的验证 未标注权限 GitHub 仓库 131.9 万 Codex、Claude、Cursor 有
子 Agent 驱动开发 只读 GitHub 仓库 131.2 万 Codex、Claude、Cursor 有
前端设计 执行命令 GitHub 仓库 125.6 万 Codex、Claude、Cursor 有

SKILL.md 全文

12.4 KB
模型实际读到的说明书原文,来自技能仓库

WB Weekly Maintenance v2.0 — 每周全面体检、清理、优化

> v2.0 定位升级(2026-07-01):从「维护」升级为「全面体检 + 主动清理 + 轻量优化」三位一体。
> 架构: weekly_maintenance.py 做数据采集 + 高置信度主动清理 → 本 SKILL.md 做 LLM 执行 + 报告。
> 反空转原则: 每一步必须实际读写文件或运行命令。
> 路径动态探测: 脚本通过 WORKBUDDY_WORKSPACE 环境变量 / --workspace 参数 / 默认值三级探测工作区路径。


流程总览

                    weekly_maintenance.py v2.0(Python 引擎)
┌──────────────────────────────────────────────────────────────────┐
│ Stage 0:   StateLoader     → 读 MEMORY/USER/SOUL/IDENTITY + 去重 + 状态自愈 │
│ Stage 1:   SkillsHealth    → 调用 scan_skills.py + 评分 + 自修复  │
│ Stage 2:   MemoryAudit     → 审查记忆/AGENTS/CLAUDE/README/docs   │
│ Stage 2.5: SystemHealth    → automation/MCP/experts/venv/磁盘体检【v2.0】 │
│ Stage 3:   DocSync         → 守卫检查:只有文档目标存在才触发 neat │
│ Stage 4:   Cleaner         → 主动清理可再生文件 + daily log 蒸馏标记 + proposals 清理【v2.0 增强】 │
│ Stage 5:   ReportCompiler  → 编译周报                             │
│ Stage 5.5: MemoryStats     → 生成 memory-stats.json 元记忆面板    │
│ Stage 6:   Optimizer       → 轻量优化建议(darwin联动/版本滞后/broken xref)【v2.0 新增】 │
└──────────────────────┬───────────────────────────────────────────┘
                       │ JSON: action_items[] + optimization_suggestions[]
                       ▼
              LLM 执行层(本 SKILL.md)
┌──────────────────────────────────────────────────────────────────┐
│ Step 1: 运行 weekly_maintenance.py                               │
│ Step 2: 执行 Stage 1 ActionItem(broken symlink + meta + fm)     │
│ Step 3: 执行 Stage 2 ActionItem(记忆精简/安全/时间修复)          │
│ Step 4: 处理 Stage 2.5 系统体检发现(automation/MCP/experts/venv) │
│ Step 5: 按需执行 Stage 3 neat-freak(仅文档目标存在时)            │
│ Step 6: 处理 Stage 4 清理建议(主动清理已由 Python 完成,处理残留) │
│ Step 7: 处理 Stage 6 优化建议(darwin full_test / 版本更新 / xref 修复)│
│ Step 8: 输出周报 + 更新 daily log                                 │
└──────────────────────────────────────────────────────────────────┘

Step 1:运行维护引擎

python3 ~/.workbuddy/skills/wb-weekly-maintenance/scripts/weekly_maintenance.py

解析 ---JSON--- 后的输出,获取:
- action_items: 待执行操作列表
- optimization_suggestions: 优化建议列表(v2.0 新增)
- system_health: 系统体检结果(v2.0 新增)
- doc_sync_needed: 是否需要 Stage 3 neat-freak
- skills: Skills 体检结果
- file_scan: 文件清理结果(含主动清理统计)

如果 action_items 为空且 optimization_suggestions 为空且 doc_sync_needed == false:
系统状态良好,直接跳到 Step 8 按模板输出周报。


Step 2:执行 Skills 体检修复

遍历 action_items 中 stage == 1 的项目:

2.1 高置信度修复(priority 0,自动执行)

ActionItem.id 操作
sk-clean-broken 删除 broken symlinks(p.unlink())
sk-fix-meta 为缺失 _meta.json 的 skill 创建基本 meta

2.2 需人工判断修复(priority 1)

ActionItem.id 操作
sk-fix-fm 读取 SKILL.md,补充缺失的 name/description frontmatter 字段

Step 3:执行记忆审计

遍历 action_items 中 stage == 2 的项目,按 priority 升序执行:

priority 类型 操作
0 容量/安全 必须执行:精简超限文件、移除凭据
1 相对时间/超长文档 执行后过自检清单
2 automation 审查 可选项,视情况执行
3 signal-log 蒸馏 wb-self-evolving 信号蒸馏(见 3.1)

编辑原则(每次修改前对照):
1. 合并不追加:新信息更新旧条目
2. 删除优于保留:临时会话状态、过期流水账 → 删
3. 绝对时间:不用"今天""最近"等
4. 无矛盾:矛盾用最新信息覆盖

3.1 signal-log 蒸馏(wb-self-evolving 协同)

读取 <workspace>/.workbuddy/memory/signal-log.md,按以下规则蒸馏:

信号年龄 动作
7 天以内 保留原样
7-30 天 + 同主题 ≥ 3 次 提升:提炼规则写入工作区 MEMORY.md ## 自我进化沉淀 段,原条目标注 [promoted YYYY-MM-DD]
7-30 天 + 同主题 < 3 次 降级:标注 [decaying],再观察 1 周
30 天以上 归档删除:从 signal-log.md 移除

蒸馏前置校验(v2.0 新增):若 signal-log 全部条目产生于同一天 → 跳过蒸馏 + 告警(防测试数据被当真实模式提升)。

提升条目格式(写入 MEMORY.md):

- [主题]: [提炼的规则] (来源: signal-log.md, 3x 触发于 YYYY-MM-DD)

字符上限保护:signal-log.md 超 3,000 字符时,优先蒸馏最旧条目。

3.2 镜像归档一致性校验(新增)

遍历 action_items 中 stage == 2 且 subsystem == archive 的项目:

校验项 处理方式
INDEX.md 引用的文件不存在 标记断链,从 INDEX.md 移除该行
归档目录有 .md 未在 INDEX.md 登记 补登到 INDEX.md
MEMORY.md 指针引用的归档文件不存在 从 MEMORY.md 指针段移除该行
归档目录总大小 > 5MB 预警提醒 BOSS 审查清理

> 实现状态:SKILL.md 层面的校验规则供 agent 手动参考;weekly_maintenance.py Stage 2 已实现 _check_archive_consistency() 方法自动扫描归档目录(断链检测 + 未登记检测 + >5MB 预警),生成 subsystem=&#x27;archive&#x27; 的 ActionItem。


Step 4:处理系统体检发现(v2.0 新增)

遍历 action_items 中 stage == 2 且 subsystem 为 automation/mcp/experts/disk 的项目:

subsystem 常见问题 处理方式
automation 全部 PAUSED / 无注册 用 automation_update mode=list 查看,按需重新激活
mcp JSON 格式错误 / 缺 command 修复 mcp.json 格式
experts 缺 SKILL.md 和 plugin.json 补充缺失文件或删除空目录
disk 空间 < 5GB 清理大文件(旧日志、临时 zip、缓存)

Step 5:文档同步(按需触发)

仅当 doc_sync_needed == true 时执行:

  1. 检查 action_items 中 stage == 3 的 ds-trim-* 项,先对超长文档瘦身
  2. 加载 neat-freak skill,按其五步骤执行文档同步
  3. 注意:neat-freak 已适配 WorkBuddy 路径(~/.workbuddy/MEMORY.md + .workbuddy/memory/)

如果 doc_sync_needed == false:跳过此步,周报中标注「文档同步:跳过(无目标)」。


Step 6:处理清理残留(v2.0 增强)

Python 引擎已在 Stage 4 主动完成高置信度清理:
- ✅ 可再生文件(.pyc/.DS_Store/~备份/.tmp)已自动删除
- ✅ 30 天以上 daily log 已标记待蒸馏
- ✅ _proposals 已采纳草稿已清理

遍历 action_items 中 stage == 4 处理残留:

ActionItem.id 说明
cl-remaining-regenerable 主动清理未成功的残留可再生文件,需手动删除
cl-distill-logs 蒸馏标记的 daily log 到 MEMORY.md,提取有价值信息后删除原文件
cl-suggest-delete 建议删除清单(过期 log、临时 zip),需用户确认后执行

⚠️ 高风险删除项只列清单,不自动执行。


Step 7:处理优化建议(v2.0 新增)

遍历 optimization_suggestions,按 category 处理:

category 处理方式
darwin 提醒 BOSS 对最弱 skill 跑 darwin full_test 验证。不直接调用 darwin。
version 列出版本 < 1.0 的 skill,建议用 darwin-skill 评估升级。需 BOSS 确认。
xref broken cross-ref 可自动修复:删除 SKILL.md 中无效引用,或补充缺失文件。
cleanup 潜在重复 skill,建议审查是否合并。需 BOSS 决策。

auto_fixable=true 的建议可自动执行,但建议先展示给 BOSS 确认。


Step 8:输出周报

## 📋 WB 每周全面体检报告 v2.0 — {YYYY年MM月DD日} 08:00

### 📊 Skills 库
| 指标 | 值 |
|------|-----|
| 总数 / 活跃 | {total} / {active} |
| 评分 | {score}/100 {+Δ/-Δ} |
| Broken | {N} |
| 待修复 | {N} |

### 🧠 记忆审计
| 指标 | 值 |
|------|-----|
| 问题数 | {N} |
| 容量超限 | {N} |
| 安全问题 | {N} |
| 归档断链 | {N} |
| 归档总大小 | {N}KB |

### ⚙️ 系统体检(v2.0)
| 指标 | 值 |
|------|-----|
| 体检评分 | {score}/100 |
| Automation | {active}/{total} active |
| MCP servers | {N} |
| Experts | {N} 个 |
| Python venv | {version} / {N} packages |
| 磁盘可用 | {N}GB |

### 📄 文档同步
{触发 / 跳过(无文档目标)}

### 🧹 主动清理(v2.0)
| 类型 | 数量 |
|------|------|
| 可再生文件已清理 | {N} 个 ({N} bytes) |
| daily log 待蒸馏 | {N} 个 |
| proposals 草稿已清理 | {N} 个 |
| 建议删除(待确认) | {N} 个 |

### 🔧 优化建议(v2.0)
| # | 类别 | 建议 | 优先级 |
|---|------|------|--------|
| 1 | darwin | dry_run 比例 67%,建议跑 full_test | 建议 |
| 2 | xref | 3 个 broken cross-ref [可自动修复] | 建议 |

### 📌 周报
- **本周更新**: {具体项目}
- **本修复**: {具体项目}
- **主动清理**: {具体项目}
- **本跳过**: {具体项目}
- **需决策**: {具体项目}
- **继续运行**: {是/否}

无变动项 → 省略对应段。周报同时追加到今日 daily log。


反空转检查点

阶段 空转特征 正确做法
Stage 0 不读 state.json,凭记忆猜测 必须实际 Read state.json
Stage 1 不跑 scan_skills.py 必须 subprocess 调用并解析输出
Stage 2 读文件后说"无需修改"而不动手 按 ActionItem 用 Edit 实际修改
Stage 2.5 不检查 automation/MCP/experts/venv 实际查询 sqlite3 / 读 mcp.json / ls experts / 检查 venv
Stage 3 无文档目标仍执行完整 neat-freak 守卫检查:无目标 → 跳过
Stage 4 只扫描不清理,或清理后不报告 高置信度项必须主动清理 + 报告清理结果
Stage 5 格式漂移、字段缺失 严格按模板输出,每次一致
Stage 6 不检查 darwin results.tsv / 不扫描 xref 实际读文件 + 正则扫描

安全边界

操作 是否自动执行 理由
删除 .pyc/.DS_Store/~备份/.tmp ✅ 自动 高置信度可再生
标记 30 天以上 daily log 待蒸馏 ✅ 自动 只标记不删除
清理 _proposals 已采纳草稿 ✅ 自动 有 meta.json 标记 adopted
删除过期 log/临时 zip ❌ 只列清单 需用户确认
蒸馏 daily log 到 MEMORY.md ❌ 生成 ActionItem 需 LLM 判断有价值信息
修复 broken cross-ref ❌ 生成建议 需 LLM 判断删除引用还是补文件
调用 darwin-skill ❌ 只提醒 由 BOSS 手动触发

常见问题

5 问
答案由本站依据条目字段整理
weekly-maintenance(Agent自我全面体检修复清理)怎么安装?

在支持 Skills 的客户端里执行:skillhub install user_cbe7a01d/weekly-maintenance。安装方式为未标注。装完刷新技能列表或重开客户端。

weekly-maintenance(Agent自我全面体检修复清理)支持哪些客户端?

资料没有标注宿主客户端,但只要客户端支持 Skills(Claude、Codex、Cursor 等),一般都能加载。

weekly-maintenance(Agent自我全面体检修复清理)权限高吗,安全吗?

权限级别为未标注权限。安装前先看它会读取或写入哪些内容。

weekly-maintenance(Agent自我全面体检修复清理)收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于技能本身和所用的模型或客户端,正式使用前按作者说明确认。

weekly-maintenance(Agent自我全面体检修复清理)用什么许可证?

许可证标注为 未说明(许可证不明确)。商用或二次分发前请到仓库确认条款原文。

热门专题

按场景挑技能
全部专题 →

技能内容以作者仓库为准;分类、权限级别与许可证状态的中文说明为中文整理,最近核验 未标注。