用途：从真实会话历史出发，为用户的智能体配置打分，回答哪些已安装技能真正在起作用，并给出有证据支撑的改进建议。隐私是核心约定：全部本地运行，转录内容经压缩、密钥脱敏、chmod-0600 处理，绝不上传，唯一可分享的产物是用户主动选择分享的报告。
主要能力：扫描 Claude Code 项目历史 JSONL 与 Codex rollouts，发现仓库技能（.claude/skills、.agents/skills、.codex/skills、插件布局），检测技能使用情况（Skill 调用、斜杠命令、SKILL.md 路径），按最新优先采样并写出脱敏转录；依据 efficiency.md 与 code-quality.md 两套评分标准对会话打分；按治理规则起草技能编辑建议；聚合校验并计算总分（overall = 0.5·efficiency + 0.35·code_quality + 0.15·skill_coverage）；渲染为单文件 report.html（无 JS、无 CDN，支持深色模式与打印为 PDF）。
使用方式：在被评分的仓库中运行，所有产物写入一个新建临时目录，不进入仓库。先执行 RUN="$(mktemp -d "${TMPDIR:-/tmp}/skill-doctor-XXXXXXXX")" 与 python scripts/collect_sessions.py --out "$RUN" 采集；若 inventory.json 中 sessions_sampled 为 0，应告知用户近期无可评分内容并停止（可建议 --days 90 或 --repo）。随后用 python scripts/score_aggregator.py --inventory "$RUN/inventory.json" --emit-template > "$RUN/session_scores.json" 生成模板并填写标签与理由；再按 references/skill_edit_governance.md 起草建议；最后运行聚合脚本校验并生成 report.json，再用 python scripts/render_report.py --report "$RUN/report.json" 渲染报告。三个脚本均支持 --help、--output json 与 --sample。
限制与规则：只使用评分标准表中的标签，数值由聚合器推导，不得编造；每条建议必须追溯到已评分会话，否则丢弃；零建议是有效成功；聚合器退出码 4 表示停止，需修正后重跑，不得手改 report.json；未经用户逐项明确同意，不得修改真实技能文件，建议仅存放于 $RUN/proposed/。