← Все репозитории

Новый проект

anandsaini18/deadskills

Локально анализирует журналы Claude Code и Codex, показывает стоимость навыков в контексте и помогает найти неиспользуемые установки.

Открыть GitHub
Stars
36
Forks
2
Язык
TypeScript
Статус
В канале 1 янв. 1 г.

AI-разбор

deadskills — консольный инструмент на TypeScript для локального анализа установленных навыков Claude Code и Codex. Он автоматически обнаруживает каталоги ~/.claude и ~/.codex, читает описания навыков из SKILL.md и сопоставляет их с JSONL-транскриптами сессий. На основе числа вызовов рассчитываются оценочные затраты токенов на внедрение навыка в каждый запрос и на его расширение при использовании, после чего навыки получают состояния active, zombie или dead. В состав входят отчёты по всем обнаруженным агентам, фильтрация по периоду, выбор одного агента, вывод только неиспользуемых навыков, проверка корректности разбора через doctor и машинно-читаемый формат с JSON-схемой. Инструмент не требует конфигурации, входа в аккаунт и сетевого подключения во время работы, но поддерживает только Claude Code и Codex, а показатели токенов являются приблизительными и основаны на оценке около четырёх символов на токен.

Кому подойдёт

Разработчики и команды, использующие Claude Code или Codex с локально установленными навыками и желающие контролировать их фактическое использование, стоимость контекста и качество анализа транскриптов.

Что внутри

  • Автоматическое обнаружение локальных данных Claude Code и Codex
  • Разбор SKILL.md и JSONL-транскриптов сессий
  • Классификация навыков по состояниям active, zombie и dead
  • Оценка количества вызовов и затрат токенов для каждого навыка
  • Команды dead, doctor, фильтрация по периоду и выбор агента
  • Текстовый и машинно-читаемый отчёты через параметр --json

Где применять

  • Аудит установленных навыков разработчиком, чтобы удалить навыки, которые никогда не вызываются
  • Контроль контекстных затрат при ежедневной работе с Claude Code или Codex
  • Проверка качества разбора локальных транскриптов после обнаружения подозрительных показателей
  • Получение JSON-отчётов для последующей обработки собственными скриптами и инструментами
  • Подготовка новых адаптеров для других агентов на основе существующей архитектуры проекта

Темы