agentleFS
Sign inStart free
jtprogrujtprogru/bear-skills/skills/bear-stats/SKILL.md

bear-stats

Skill1 starsChanged 3 months agoMITView on GitHub

Показывает, какие скиллы реально срабатывают, а какие ни разу не сработали, — по логам прошедших сессий. Помогает найти мёртвые скиллы и понять, у каких плохое описание. Используй, когда пользователь спрашивает «какими скиллами я пользуюсь», «какие скиллы мёртвые», «статистика по скиллам», «что можно удалить», «зачем мне столько скиллов».

The file

Create a free account to mount
Files
SKILL.md
<!-- СГЕНЕРИРОВАНО bin/mirror.js. Не редактировать: правки затрёт следующая генерация. Источник правды — domains/<домен>/. -->

bear-stats — Что реально работает

Данные

bear-skills stats              # за всё время
bear-skills stats --since 30   # за последние 30 дней

Команда читает логи сессий Claude Code и считает фактические вызовы скиллов. Это факт, а не оценка — но факт про прошлое, поэтому у свежих скиллов ноль по определению.

Как читать

Скиллы с вызовами — рабочая часть коллекции. Порядок по частоте показывает, вокруг чего на самом деле крутится работа. Часто расходится с ожиданиями.

Ни разу не сработавшие — три разных случая, и их важно различать:

  1. Свежие. Добавлены недавно, повода не было. Ничего не значит.
  2. Плохое описание. Задача возникала, но модель скилл не нашла. Признак: пользователь помнит, как делал это руками или через другой скилл. Лечится переписыванием description под живые формулировки.
  3. Не нужен. Задача не возникает. Кандидат на удаление.

Различить второй и третий случай можно только спросив пользователя: «за последние месяцы ты писал постмортемы?» Если писал, а скилл не срабатывал — проблема в описании, а не в скилле.

Чужие скиллы в выводе показывают, что ещё конкурирует за срабатывание. Чужой скилл с высокой частотой на территории нашего домена — повод посмотреть, не перехватывает ли он триггеры.

Что делать с результатом

Мёртвый скилл — не безобидный балласт. Скиллы конкурируют за срабатывание описаниями, и чем их больше, тем хуже точность выбора. Удаление ненужного улучшает работу оставшихся.

Предложи конкретное действие по каждому мёртвому: переписать описание, снять с установки (bear-skills uninstall skill:<имя>) или удалить из репозитория. Не сноси ничего сам.

Границы

Считаются только явные вызовы скиллов из логов. Работа, где модель применила знание из правила или сделала задачу без скилла, сюда не попадает — и это нормально: скилл, который не вызывался, но чьи правила соблюдались, всё равно не оправдывает места в каталоге.

Логов может не быть вовсе (новая машина, другой агент). Тогда так и скажи, а не выдавай пустой результат за «всё мертво».

Чего не делать

  • Не называй ноль вызовов доказательством ненужности, не спросив, возникала ли задача.
  • Не удаляй скиллы сам.
  • Не сравнивай абсолютные числа между доменами: obsidian вызывается ежедневно, релизный скилл — раз в месяц, и это не делает его хуже.
  • Не выдумывай метрики, которых команда не считает: экономию токенов, качество вывода. Есть только частота вызовов.

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

Check your setup, free