企业官网建设流程全解析

最近在整理我的 AI 工作台，翻着翻着发现一个被忽略很久的问题。

同一个 Skill，在 Codex 和 WorkBuddy 里各装了一份。

名字一模一样，平时相安无事。但我心里开始犯嘀咕：

• 这两份还是同一个东西吗？
• 哪份是最新的？
• 它们俩是互相独立的，还是其中一个链接过去的？
• 删掉一个，会不会把另一个也搞坏？

更糟的是：我根本不知道还有没有别的 Skill 也这样。

手动翻~/.codex/skills/和~/.workbuddy/skills/逐个对比？十几二十个 Skill，纯体力活，还容易漏。

于是我用自己写的工具 skill-doctor 做了一次全量诊断。整个过程不超过 5 分钟，全程只读，不改任何文件。

下面是完整过程和真实结果，截图全是一手资料。

第一步：一条命令，把所有 Agent 的 Skill 入口扫一遍

npx @evilstar2025/skill-doctor ui 你的项目目录

启动本地界面后，检查范围选“当前项目 + 全局配置”，分析模式选标准体检，然后点跨 Agent 总览。

为什么要选"跨 Agent 总览"？因为单看某一个 Agent 或某一个项目，你永远看不到跨工具之间的重复入口。问题恰恰藏在这些工具的"交界处"。

扫描完成，结果一目了然：11 项待处理问题。

顶部的工具栏把 Claude Code、GitHub Copilot、Codex、Windsurf、OpenCode、WorkBuddy 这些主流 Coding Agent 的 Skill 入口都汇总到了一个页面里，每家装了什么、装在哪，不用再挨个目录翻了。

第二步：先分类，再动手

11 项问题，先别急着处理。

点开问题列表，按类型拆开看：10 条"重复 · 高风险" + 1 条"上下文 · 中风险"。

"重复"和"上下文"是两类完全不同的问题。

• 重复是同一个 Skill 装了多份，可能造成版本漂移或加载顺序不明确；
• 上下文是指 某些固定内容（如skill的描述信息）太占 token 了

先分类，再动手。

第三步：两条路径

我在搜索框里输入data-migration-kit，定位到其中最典型的一组。

点开问题，右侧证据直接列出两条完整路径：

副本 A：~/.codex/skills/data-migration-kit/SKILL.md 副本 B：~/.workbuddy/skills/data-migration-kit/SKILL.md

一份在 Codex 全局，一份在 WorkBuddy 全局。哪个平台、哪个安装来源，一目了然。不用再自己猜"这文件到底在哪"。

再点进单份副本的详情页，能看到更细的信息：激活方式、固定成本（即每轮固定消耗） 315 tokens、按需成本（使用时才消耗） 3253 tokens、物理路径、安装来源。

也就是说，这个同名 Skill 不只是"装了两份"这么简单——两份各自都占着一笔上下文成本，重复本身就在悄悄烧 token。

第四步：字节级核对

光看摘要一致还不够。摘要可以是工具生成时的快照，不代表文件本身没漂移。

我拿 SHA-256 对两份SKILL.md做了只读核对：

• 两份文件都是10847 字节，哈希一致——正文目前没有漂移
• 两边的文件来源完全不同，漂移只是时间问题

这一步是整个体检里最有价值的部分。想象一下：如果当时凭感觉直接删掉一份，很可能顺手就把指向共享仓库的那个入口干掉了。

工具只负责给出证据链，删不删、删哪份，决定权在自己手里。

第五步：确认没有触发词冲突

除了文件重复，还有一个隐蔽风险：两个同名 Skill 的触发词如果撞车，Agent 到底用谁的就不确定了。

筛一下"冲突"类型：示例中显示没有匹配的问题。这组的触发词目前是错开的，不会互相打架。

判断撞车的算法默认是基于token重叠计算的，会有有误差。
工具还支持自定义对接LLM，通过LLM语义分析冲突情况。配置了LLM那准确度就更有保障了，这一点我们下一回再说。

收尾：复扫一遍，留个基线

看完问题列表，心里有数了。最后做了一次复扫，和之前的扫描记录做基线对比：新增问题 0、资源变化 0、上下文变化 0——确认当前状态稳定，也留下了一份可追溯的基线，下次再扫就知道是变好还是变坏。

这次体检的收益

✅5 分钟摸清全机 Skill 家底：10 条重复、0 条触发冲突、1 条上下文预算问题，类型分得清清楚楚

✅删不删有依据：不是凭告警红字冲动清理，而是先看路径、看哈希、看链接目标、看维护来源

✅避免"清理式翻车"：误删指向共享仓库的入口，才是最贵的 mistake

✅全程只读可复现：每次扫描留基线，处理前后对比有据可查

写在最后

如果你的 Agent 越装越多，同名 Skill 分散在好几个工具里，建议趁早做一次体检。多 Agent 协作用久了，Skill 漂移只是时间问题——现在哈希一致不代表下个月还一致。

skill-doctor 完全开源、本地运行、数据不出机：

👉 https://github.com/evilstar2016/skill-doctor

觉得有用的话，去仓库点个 Star 就是对它最好的支持。也欢迎大家多提宝贵意见。