skill-comply 用于自动测量编码智能体是否真正遵循技能、规则或智能体定义，回答“这条规则是否真的在被遵守”这类问题。
用途 该工具针对技能（skills//SKILL.md）、规则（rules/common/.md）和智能体定义（agents/*.md）三类目标进行合规测量。对于智能体定义，目前只验证智能体是否在预期时被调用，内部工作流的验证尚不支持。
主要能力
- 从任意 .md 文件自动生成预期行为序列（spec）
- 自动生成提示严格程度递减的场景：支持性 → 中性 → 竞争性
- 运行 claude -p，并通过 stream-json 捕获工具调用轨迹
- 使用 LLM（而非正则）将工具调用归类到 spec 步骤
- 确定性地检查时间顺序
- 生成自包含报告，内容包含预期行为序列、各严格程度下的场景提示、每场景合规得分，以及带 LLM 分类标签的工具调用时间线
何时使用
- 用户运行 /skill-comply <path> 时
- 用户询问“这条规则是否真的在被遵守？”时
- 新增规则或技能后，用于验证智能体合规性
- 作为质量维护的一部分定期使用
使用方式 完整运行：uv run python -m scripts.run ~/.claude/rules/common/testing.md 试运行（无成本，仅生成 spec 与场景）：uv run python -m scripts.run --dry-run ~/.claude/skills/search-first/SKILL.md 自定义模型：uv run python -m scripts.run --gen-model haiku --model sonnet <path>
关键概念 提示独立性：衡量即使提示词并未明确支持某项技能或规则时，该技能或规则是否仍被遵循。
报告内容 报告为自包含形式，包含自动生成的预期行为序列（spec）、各严格程度下实际提问的场景提示、各场景的合规得分，以及带 LLM 分类标签的工具调用时间线。
高级（可选） 对熟悉 hooks 的用户，报告还会为合规性较低的步骤提供 hook 提升建议。此部分仅供参考，工具的主要价值在于合规可见性本身。
限制 智能体定义目标目前仅验证是否在预期时被调用，内部工作流验证暂未提供。其他未在资料中说明的功能、收费、价格、平台与效果暂未提供。