> Skill瘦身·提速省token — 装了一堆技能后，AI 越来越慢、越来越笨、账单还悄悄变贵？先扫一遍再说。
最快上手（30 秒）
方式一：跟 AI 说一句话（推荐，不用碰命令行）
下面这些说法都能唤起它，意思对就行，不用记原话：
帮我给技能瘦个身
技能装太多了，AI 现在好慢 / 越来越笨
帮我清理一下装的一堆技能
AI 最近老是答非所问，是不是技能太多
省点 token，看看哪些技能最占地方
给我的技能做个体检
发布前给技能做个可靠性自检（原「Skill提分」已并入本技能）
AI 会替你跑完并把结论讲给你听。
方式二：自己敲一条命令
python scripts/skill_doctor.py audit
--root 可省略，默认扫 ~/.workbuddy/skills。跑完先看报告第零节的一句话结论，再看第七节「推荐行动方案」——要执行的命令都写好了。
适用场景
- 所有人（主流）：技能装多了，AI 变慢 / 答非所问 / 老调错技能。先扫一遍，看清谁重复、谁臃肿、各吃多少 token，再决定暂存谁；删错一键还原。
- 技能作者（进阶）：发布前跑内置可靠性检查，拿「稳定运行 / 一致结果 / 边界输入 / 异常反馈」四项分值贴到 SkillHub 详情页当质量保证。原独立技能「Skill提分」已并入本技能：老用户直接跑
scripts/reliability_check.py all即可，能力与原来完全一致，无需再找旧技能。
核心原理
对「已装技能目录」做静态体检，全部可复现，不靠感觉：
| 探针 | 检查什么 | 怎么算 |
|---|---|---|
| 盘点 | 技能数、合计 token、目录体积 | UTF-8 字节 ÷ 4 |
| 肥胖 | 说明文件过大 / 附属文件黑洞 | 超阈值即标记，给数字 |
| 重复 | 完全重复 / 高度近似 | SHA256 + 正文 5-gram Jaccard |
| 重叠 | 功能可能重叠（弱信号） | tags / 描述关键词相似度 |
| 闲置 | 低活跃线索 | 有日志按真实时间；无日志只报修改时间并注明「无数据」 |
| 处置 | 汇成可执行清单 | 按可省 token 排序 |
关键原则（不做表面工作）：
- 只读为默认：audit 不写任何东西；park 必须显式 --yes 才动文件。
- 无数据不臆断：拿不到调用日志就只报修改时间线索，绝不编「90 天没用过」。
- 暂存不删除：同盘剪切到回收区 + 还原清单，不是 rm。
- 结论带证据：每个判断附哈希 / 字节 / token 数，可核对。
执行步骤
1. 体检（只读） python scripts/skill_doctor.py audit --report 体检报告.md
先看报告第零节的一句话结论与健康分，再看下面的证据。
2. 暂存 python scripts/skill_doctor.py park --index 3,7 --yes（不加 --yes 只预览）
3. 还原 python scripts/skill_doctor.py restore --yes
4.（作者进阶） python scripts/reliability_check.py all --skill "<目标skill绝对路径>" --report 质量报告.md
参数速查
| 命令 | 参数 | 作用 |
|---|---|---|
audit |
--root <目录>（默认 ~/.workbuddy/skills）--report <md> --usage <文件> --budget <token> --include-park --sample-ext <后缀> |
体检并出报告；--include-park 把 _skill_doctor_park 目录下的技能也计入；--sample-ext 扫改名样本（如 .tpl，用于回归夹具） |
park |
--root --index <序号,逗号> --sample-ext <后缀> --yes |
暂存到回收区（不加 --yes 只预览） |
restore |
--root --manifest <json> --yes |
按清单还原（不加 --yes 只预览） |
常见问题（FAQ）
Q1：我不会用命令行，能用吗？
能，而且最推荐。这个技能的实际操作者是 AI——你说一句「帮我给技能瘦个身」，它自己跑完、讲结论、问你要不要暂存。命令行只是给想自己掌控的人留的入口。
Q2：--root 填什么？
多数情况不用填，默认 ~/.workbuddy/skills。技能装在别处（D 盘等）才显式指定。
Q3：会不会删掉我的技能？
不会。park 是同盘剪切到回收区，不是删除；每次自动生成还原清单，restore --yes 原样搬回。
Q4：暂存的东西去哪了？
在技能根目录的 _skill_doctor_park/ 里，结构完整保留，restore --yes 可全部还原。
Q5：「省 token」是真的吗？能省多少？
token 数实打实（字节 ÷ 4），可自己核对。我们的实测：16 个技能 55,230 token → 7 个 20,937 token，窗口占用 27.6%→10.5%。但具体省多少取决于你装了什么——只报你的真实数字，不给虚假承诺。
⚠️ 平台前提：上面这组数字只在「宿主仅扫描顶层目录」的实现上成立。在 WorkBuddy 这类递归扫描子目录的宿主上，park 并不省 token——暂存后技能照样被加载（实测：park 进 _skill_doctor_park 的 9 个技能 6 天后仍在宿主可用列表里）。详见 Q15 与 references/park_effectiveness.md。
Q6：用完没感觉变快，「提速」是不是夸大？
「省 token」有实测证据；「提速」是我们没有 A/B 证据的部分，所以描述里已降级为「瘦身后的预期收益」，不强加承诺。技能越多越臃肿，收益才越明显。
Q7：它说两个技能重复，但我知道是两回事？
三档请区别对待：完全重复（哈希相同，可放心清）、高度近似（正文 75%+ 相似，建议合并）、功能重叠（弱信号，仅提示人工确认，不会自动进处置清单）。只有前两档进第七节。
Q8：报告里「xxx（yyy）」两个名字？
xxx 是目录名（park 序号跟它对应），yyy 是显示名。统一格式是为了避免同一技能多个名字、按序号操作时对不上号。
Q9：健康分怎么算的？可信吗？
扣分全部来自本报告已列出的实证：完全重复 −12/组、近似 −8/组、肥胖 −6/项、重叠 −3/对、闲置 −2/项、超预算最多 −20。第零节逐条列出扣分明细，每项都能回溯到下面某一节，不是黑箱打分。
Q10：扫出「0 问题」，是不是没扫到？
造个对照：复制任一技能目录改个名再跑。能报出「完全一致」说明探针是好的、库确实干净；仍为 0 请检查 --root 指向。
Q11：装在 D 盘 / 网络盘能扫吗？
能，--root "D:\你的路径"。网络盘需先挂载；目录不存在报 E1101，无含 SKILL.md 的技能报 E1102。
Q12：我以前用「Skill提分」，现在它去哪了？
已并入本技能，功能一个没少：发布前的可靠性四维自检（稳定运行／一致结果／边界输入／异常反馈）就是原来提分做的事，现在跑 python scripts/reliability_check.py all --skill "<技能路径>" 即可，报告还能直接贴 SkillHub 详情页。以后不用同时装两个技能。
Q13：报告里技能数比我实际装的少？
默认会跳过 _skill_doctor_park 目录——它和本工具的回收区同名。如果你把技能手工放在这个目录下，默认不计入；但报告顶部会明确提示「未计入：N 个技能、约 X token」，绝不静默漏扫。想让它们计入，加 --include-park 重跑即可。
Q14：这个「瘦身工具」自己会不会把我的技能库弄脏？
v1.3.5 及之前会，而且是实打实地会：它自带的 17 个回归测试夹具每个都带 SKILL.md，被宿主当成真技能塞进每一轮上下文——正好制造了它声称要解决的「技能太多 AI 变慢」。v1.4.0 已修复：夹具全部改名为 SKILL.md.txt（仍在包里、能跑回归，但宿主扫不到），并新增 --sample-ext 让回归照常执行。自检数字：清理后活技能 36 → 19，夹具对账结果与修复前逐项一致。完整复盘见 references/self_pollution_postmortem.md。
Q15：park（暂存）之后，AI 为什么没变快？
因为在 WorkBuddy 这类递归扫描子目录的宿主上，暂存并不减少上下文占用。_skill_doctor_park 只是本工具约定的目录名，宿主不认识它、也不会为它开例外——技能照样被加载。实测：2026-09-11 park 的 9 个技能，6 天后仍在宿主的可用技能列表里（如 _skill_doctor_park\zhanger-software-migrate\SKILL.md）。结果就是「报告说你瘦了，实际一点没瘦」，还平白引入漏扫。
- 真想省 token，只有让宿主扫不到：① 把技能移出 skills 目录；② 让标识文件不叫 SKILL.md（如 SKILL.md.txt）。
- ❌ 靠 park、下划线前缀、塞进 tests / dev 子目录——均已实测无效。
- 所以 park 的正确定位是「先隔离观察、确认没影响再决定去留」的中间态，不是瘦身终点。
完整实测见 references/park_effectiveness.md。
配套脚本
scripts/skill_doctor.py：核心——audit/park/restore（纯标准库，零依赖）。scripts/reliability_check.py：给作者的 R 可靠性四维探针。references/error_codes.md：错误码字典（E0101–E0501、E1101–E1107，每个码在脚本中真实可达）。references/r_reliability_playbook.md：R 维度工程手册（作者进阶）。references/design_notes.md：设计取舍、踩坑记录与发版复盘（想深挖看这里）。tests/：replay.py+golden_cases.json+boundary/cases.json——本工具自身也先过自己的检查。
其中回归夹具（tests/fixture、dev/fixture_*）一律以SKILL.md.txt存放，不叫SKILL.md，因此不会被宿主当活技能加载；跑回归时带--sample-ext .txt。
反模式（不要这样做）
- ❌ 凭技能名字判断重复——名字像不一定重复，名字不同也可能是一个东西。
- ❌ 直接
rm -rf技能目录——回收区 + 还原清单就为防这个。 - ❌ 一次把所有可疑项全暂存——先清「完全重复」这类零风险项，跑一遍确认没影响再继续。
- ❌ 把「功能重叠」当结论直接删——它只是弱信号，必须人工确认。
- ❌ 让测试夹具以
SKILL.md实体常驻技能目录——它会被宿主当成活技能加载，等于自己制造自己要治的病。本工具 v1.3.5 之前就栽在这里（往用户库里塞了 17 个假技能），详见references/self_pollution_postmortem.md。 - ❌ 指望靠目录名躲过宿主扫描——
_xxx/tests/dev均已实测证伪，下划线前缀不免疫（本机_skill_doctor_park下的 9 个技能照样被枚举）。可靠做法只有一个：让标识文件不叫SKILL.md。
