SKILL.md
readonly只读
name
skill-comply
description
可视化技能、规则和代理定义是否被实际遵循——自动在3种提示严格级别下生成场景，运行代理，对行为序列进行分类，并报告带有完整工具调用时间线的合规率
skill-comply：自动化合规度量
通过以下方式衡量编码代理是否实际遵循技能、规则或代理定义：
- 从任何 .md 文件自动生成期望的行为序列（规范）
- 自动生成提示严格程度递减的场景（支持性 → 中性 → 竞争性）
- 运行
claude -p并通过 stream-json 捕获工具调用轨迹 - 使用 LLM（而非正则表达式）将工具调用与规范步骤进行分类
- 确定性检查时间顺序
- 生成包含规范、提示和时间线的自包含报告
支持的目标
- 技能（
skills/*/SKILL.md）：工作流技能，如搜索优先、TDD 指南 - 规则（
rules/common/*.md）：强制性规则，如 testing.md、security.md、git-workflow.md - 代理定义（
agents/*.md）：代理是否在预期时被调用（内部工作流验证尚不支持）
何时激活
- 用户运行
/skill-comply <path> - 用户询问“这条规则是否真的被遵循？”
- 添加新规则/技能后，验证代理合规性
- 定期作为质量维护的一部分
用法
# 完整运行
uv run python -m scripts.run ~/.claude/rules/common/testing.md
# 试运行（无成本，仅生成规范和场景）
uv run python -m scripts.run --dry-run ~/.claude/skills/search-first/SKILL.md
# 自定义模型
uv run python -m scripts.run --gen-model haiku --model sonnet <path>
关键概念：提示独立性
衡量即使提示没有明确支持时，技能/规则是否仍被遵循。
报告内容
报告是自包含的，包括：
- 期望的行为序列（自动生成的规范）
- 场景提示（每个严格级别下提出的问题）
- 每个场景的合规分数
- 带有 LLM 分类标签的工具调用时间线
高级（可选）
对于熟悉钩子的用户，报告还包括针对低合规步骤的钩子提升建议。这是信息性的——主要价值在于合规性的可见性本身。
