用途：对用户近期大量 Claude Code 会话做取证式审计，目标是找出 2–3 个能真正改变工作流的质变改进，而不是罗列一堆边际建议。审计结束时必须产出优先排序的简短报告、可直接安装的实现草稿（技能、CLAUDE.md 规则、钩子脚本、设置差异）以及可复核的数据留痕。
主要能力：区分“边际”与“质变”，用会话数据量化证据；从 ~/.claude/projects/<encoded-project-path>/<session-id>.jsonl 读取会话事件；通过五个阶段完成：清点、抽样、提取、并行子代理深读、综合。
使用方式：先设置 SKILL_DIR=~/.claude/skills/claude-code-audit 与 AUDIT_DIR=~/claude-audit/<date>，再依次运行： python $SKILL_DIR/scripts/inventory.py --out $AUDIT_DIR/inventory.json python $SKILL_DIR/scripts/sample.py --inventory $AUDIT_DIR/inventory.json --count 60 --days 60 --out $AUDIT_DIR/sample.json python $SKILL_DIR/scripts/extract.py --sample $AUDIT_DIR/sample.json --out $AUDIT_DIR/extracted/ python $SKILL_DIR/scripts/extract.py --aggregate $AUDIT_DIR/extracted/ --out $AUDIT_DIR/aggregate.json 随后将样本分批交给 Explore 子代理深读，用 python $SKILL_DIR/scripts/render.py <session-path> 渲染可读记录，最后综合并起草修复。
适用场景：用户要求审计其 Claude Code 使用情况、寻找工作流改进时。
限制：运行时间约 20–60 分钟；依赖本地会话数据与脚本；报告须引用具体会话 ID；不审计用户本身，而是审计 Claude 的默认行为并写入配置修复。具体收费、平台支持等信息暂未提供。