health

健康 skill 概述

health skill 的作用

health 会为 Codex、Claude Code、Pi、agent instructions、hooks/MCP、verifier surfaces 以及 AI maintainability 执行一套考虑预算的 agent health audit。它适合需要实用健康指南的读者，用来判断为什么 agent 会忽略指令、跳过验证，或者逐渐滑向难以维护的行为模式。

最佳适用场景与主要任务

当你需要的是快速的配置与工作流检查，而不是代码审查时，就该用这个 health skill。它尤其适合 Security Audit 风格的工作，因为它会先判断 agent stack 是否足够可信，再让你去检查应用逻辑、密钥处理或策略合规性。

它的不同之处

这个 skill 对分层 agent health 有明确立场：配置表面、指令文件、工具/runtime、verifier 以及可维护性。也就是说，它给出的结果比泛泛的 prompt 更适合直接做决策，因为它能指出是哪一层出了错，而不只是笼统地说“哪里不对劲”。

如何使用 health skill

安装上下文与首批文件

使用 npx skills add tw93/Waza --skill health 安装 health skill。安装完成后，先阅读 SKILL.md，再查看 agents/inspector-context.md、agents/inspector-control.md 和 agents/inspector-maintainability.md，这样你就能理解这次 audit 关注什么、优先采信哪些证据。

这个 skill 需要什么输入

health skill 最适合接收仓库级的具体信号：agent 指令文件、hooks 或 MCP 配置、verifier 命令，以及类似“Claude 忽略 AGENTS.md”或“Codex 配置看起来没问题但行为不稳定”这样的症状描述。想得到有用的 health 使用结果，请明确给出仓库路径、agent 平台，以及你观察到的失败模式。

如何提出更强的请求

弱请求是“检查 health”。更强的写法是：“对这个仓库做一次面向 Claude Code 和 Codex 的 health audit。重点看指令分层、hooks、verifier 覆盖，以及 AI maintainability 是否可能退化。请指出任何损坏的路径、过期引用或缺失的验证表面。”这样 skill 才有足够范围输出真正能帮助决策的 audit。

工作流与仓库阅读顺序

如果仓库里有 collection scripts，先用它们，再在阅读原始源码之前查看 audit 输出。在这个仓库里，实用路径是 scripts/check_agent_context.py、scripts/check_doc_refs.py、scripts/check_maintainability.py 和 scripts/check_verifier_output.py。按这个顺序能帮助你先定位问题大致出在哪里，再决定是否需要逐个手动查看文件。

health skill 常见问题

这只是用于安装检查吗？

不是。health skill 适用于 agent 配置审计、指令漂移、验证缺口和可维护性风险。它不是用来排查应用 bug 或审查 pull request diff 的。

什么时候不该使用 health skill？

如果你只想要代码级修复、bug 诊断，或者一次性的 prompt 改写，就不必用它。若仓库很小，而且没有 agent surfaces，普通 prompt 通常就够了；health skill 的价值主要体现在存在多个 agent 文件、hooks 或 verifier 层时。

health skill 对新手友好吗？

可以，只要你能提供仓库和症状。新手最常见的错误，是只说一个模糊的“health check”，却不说明是哪个 agent、哪个指令表面，或者哪个验证步骤出了问题。输入越具体，输出就越可执行。

它和通用 prompt 相比有什么区别？

通用 prompt 可以概括担忧，但 health skill 是专门为系统性检查 agent surfaces 并合理分配注意力而设计的。这一点在你需要为 Security Audit 工作流做 health 安装决策时尤其重要，因为缺失验证或过期指令会悄悄削弱信任。

如何改进 health skill

提供准确的症状和边界

明确说明你关注的是 Claude Code、Codex、Pi 还是三者都要，并写出具体失败点：指令被忽略、hooks 缺失、verifier 覆盖不足，或者 AI maintainability 发生漂移。如果边界清楚，skill 就不会把注意力浪费在无关的仓库结构上。

提供证据，而不只是结论

更强的输入应包含相关文件或摘录：AGENTS.md、本地指令叠加层、settings、hook 配置，以及能证明问题的命令输出。例如，“AGENTS.md 说要用 make test 验证，但仓库里只有 pytest -q”就比“tests 好像不对”有价值得多。

在第一次 audit 后继续迭代

先用第一次结果判断问题属于指令分层、工具/runtime 不匹配，还是 verifier 薄弱，然后再缩小目标重新运行。如果 skill 说 agent stack 很健康，但可维护性较弱，就不要重新审一遍全部内容，而应要求第二轮重点看 TODO 密度、热点归属和过期文档引用。