skill-comply

skill-comply 技能概览

skill-comply 是一款合规测试技能，用来检查一个 agent 在真实运行中是否真的遵循了某个 skill、规则或 agent 定义。它适合需要证据而不是猜测的用户：例如验证工作流规则的维护者、测试新 skill 的作者，或者想确认编码 agent 在不同提示条件下是否仍然遵守 TDD、review 或流程约束的团队。

skill-comply 技能能做什么

skill-comply 会先根据一个 markdown 源文件生成预期行为规范，然后创建三个支持力度逐步降低的提示词，运行 agent，最后把实际工具调用时间线与规范进行比对。这样它就特别适合用于 Compliance Review：当你关心的不只是最终输出，还包括动作是否出现、以及动作顺序是否正确时，它会很有价值。

skill-comply 适合什么场景

当你需要验证一条规则在压力下是否还能被遵守时，就用 skill-comply：无论是支持性提示、普通提示，还是带竞争性的提示。它尤其适合依赖顺序的技能，比如“先测试，再实现”或“编辑前先读规则”这类要求。

skill-comply 的差异点在哪里

和那种笼统地问“它有没有遵守规则？”的普通提示不同，skill-comply 把检查流程真正落地了：它会提取步骤，用 LLM 对工具调用进行分类，并以确定性的方式评估顺序。它的价值在于 trace、timeline 和 compliance rate，这些信息能帮助你判断这个 skill 是否足够稳定，值得继续使用。

如何使用 skill-comply 技能

安装并启用 skill-comply

使用下面的命令安装 skill-comply 技能：

npx skills add affaan-m/everything-claude-code --skill skill-comply

然后把它运行到你想验证的 markdown 文件上。这个仓库本身的使用方式以 CLI 执行为中心，所以最好把它指向单个目标文件，并把输出当作合规报告来看，而不是把它当成一段文字摘要。

先阅读这些文件

要走 skill-comply install 和初始化路径，先从 skills/skill-comply/SKILL.md 看起，然后再检查 prompts/spec_generator.md、prompts/scenario_generator.md 和 prompts/classifier.md。这三个 prompt 展示了真实工作流：规范提取、场景生成和 trace 分类。如果你想理解实现层面的约束，再快速浏览 scripts/run.py、scripts/spec_generator.py、scripts/scenario_generator.py 和 scripts/classifier.py。

如何构造一个好的输入

一条高质量的 skill-comply usage prompt 应该是明确的合规目标，而不是模糊的政策描述。好的输入会写清楚文件和要验证的行为，例如：“检查 rules/common/testing.md 是否在编码任务中被遵守”或“衡量 agent 是否在这个 skill 里先写测试再实现”。像“这好吗？”这种弱输入，无法给工具足够的行为信号来评分。

提升效果的实用工作流

建议按这个顺序来：先选一条规则或一个 skill，生成规范，审查提取出的步骤，再运行三个场景等级。skill-comply for Compliance Review 的最佳用法，是把支持性、普通和竞争性三次运行并排比较，因为这样才能看出行为到底是不是稳健，还是只在 prompt 帮忙时才成立。

skill-comply 技能常见问题

skill-comply 只适用于编码技能吗？

不是。它最适合编码 agent 的工作流，但仓库明确支持 skill、规则和 agent definitions。如果你的目标是一个带有可观察动作的 markdown policy，skill-comply 依然很适合。

这和普通 prompt 测试有什么不同？

普通 prompt 测试只看回答看起来对不对。skill-comply 检查的是 agent 的动作是否匹配预期顺序，包括工具使用时机。这一点在合规关注的是流程而不只是输出时，尤其重要。

skill-comply 对新手友好吗？

如果你能确认被测试的文件，并描述你期望的行为，那它是友好的。更难的部分在于挑选一个有清晰可观察步骤的目标。对于规则本身很模糊、或者主要依赖人工判断的场景，它的价值就会低很多。

什么情况下不该用它？

如果目标没有可执行的顺序、没有有意义的工具调用，或者只有主观质量标准，就不要用 skill-comply。如果你需要的是超出单次 claude -p 运行和 trace 对比之外的完整生产可观测性，它也不是很合适。

如何改进 skill-comply 技能

提供更清晰的源材料

skill-comply 最适合的输入，是明确写出动作、顺序和例外情况的 markdown。若你的规则只写“优先测试”，而不是“实现前先写一个测试”，那么提取出来的规范就会更难评分，在 Compliance Review 里也没那么有用。

留意主要失败模式

最大的风险，是过度相信一个过于宽泛或过于狭窄的提取规范。另一个常见问题，是把提示支持度误认为真实合规：某个 skill 在支持性场景里看起来很好，但一旦提示变成普通或竞争性就失败了。要用 skill-comply usage 的结果检查稳健性，而不是只看一次绿色通过。

强化第一次运行的输入

提供目标路径、真实任务，以及复现被测行为所需的任何初始化命令。如果这个 skill 依赖文件、命令或环境假设，一定要显式写出来，这样生成的场景才会反映真实使用，而不是玩具示例。

从 trace 反馈回 spec 进行迭代

第一次运行后，先检查生成的 spec 和工具调用时间线，再去修改 prompt 或 skill 文本。如果某一步被漏掉了，要判断问题出在 skill 表述、场景设计，还是 detector 描述。skill-comply 最大的价值就在这个循环里：它把“它有没有遵守？”变成你可以直接改 source rule 的具体编辑建议。