Dr. Skill: audyt loadoutu skilli i MCP twojego agenta

Dr. Skill (drskill) to pythonowe CLI tylko do odczytu, które ustala, jakie skille, skille dostarczane przez wtyczki i serwery MCP faktycznie ładuje każdy agent kodujący na maszynie, a potem wskazuje duplikaty, przesłonięte nazwy, kolidujące opisy, powierzchnie prompt injection i nieprzypięte serwery. Każde znalezisko kończy się poleceniem naprawy albo potwierdzeniem zapisanym w commitowanym rejestrze.

Ten poradnik jest dla programistów, którzy sami utrzymują konfigurację swoich agentów, i dla tech leadów odpowiedzialnych za wspólne katalogi .claude/, .agents/ i plik .mcp.json zespołu. Objaw, który cię tu sprowadza, dobrze znasz: agent sięga po niewłaściwy skill, ignoruje ten zainstalowany w zeszłym tygodniu albo kolega z zespołu dostaje inne zachowanie z tego samego repozytorium. Nikt nie potrafi powiedzieć, co agent ładuje, bo to rozrzucone po kilkunastu katalogach, trzech cache’ach wtyczek i każdej konfiguracji MCP na maszynie.

Co zweryfikowaliśmy i kiedy

drskill 0.8.1 (PyPI, wydany 2026-09-07, wymaga Pythona 3.11 lub nowszego) zainstalowaliśmy i uruchomiliśmy 2026-09-26 na maszynie ze skonfigurowanymi Claude Code i Codex. Każde polecenie i flagę poniżej sprawdziliśmy w drskill <polecenie> --help, a wynik skanu pochodzi z tego uruchomienia. Zachowanie Claude Code opisujemy na podstawie dokumentacji skilli przeczytanej tego samego dnia. Sygnał aktywności: 18 wydań na PyPI między 0.1.0 (2026-07-20) a 0.8.1 (2026-09-07); liczby pobrań ani gwiazdek na GitHubie nie dało się odczytać z naszego środowiska, więc nie podajemy żadnej miary adopcji. Narzędzie szybko się zmienia, więc sprawdź drskill --help w wersji, którą instalujesz. Kod i historia wydań: drskill na PyPI (metadane pakietu nie podają adresu repozytorium, a z naszego środowiska nie udało się go potwierdzić).

Co zyskujesz z audytu loadoutu

• Pełny spis tego, co faktycznie ładuje każdy agent (po uwzględnieniu reguł pierwszeństwa), łącznie ze skillami z wtyczek, z przybliżonym kosztem w tokenach
• Listę do usunięcia opartą na danych: które skille i narzędzia MCP zostały wywołane w ostatnich 30 dniach, a których nikt nigdy nie użył
• Testy routingu ([[queries]]), które wywracają CI, gdy zapytanie trafiłoby do niewłaściwego skilla, więc routing weryfikujesz bez ponownego czytania każdego opisu
• Zadanie CI, które blokuje pull request przy niepotwierdzonym ostrzeżeniu o loadoucie i jest bezpieczny dla kodu kontrybutorów
• Cztery prompty do skopiowania: triage skanu, lista do usunięcia, naprawa kolidujących opisów i dodanie bramki do CI

Dlaczego duży katalog skilli sprawia, że agent wybiera niewłaściwy skill?

Katalog skilli to loadout narzędzi i kosztuje cię na dwa niezależne sposoby.

Rachunek za tokeny. W Claude Code opis każdego skilla siedzi w kontekście od początku sesji, żeby model wiedział, że skill istnieje; treść ładuje się dopiero przy wywołaniu. Budżet listy skilli to 1% okna kontekstu modelu, a tekst description plus when_to_use każdego wpisu jest ucinany po 1536 znakach. Gdy lista się nie mieści, Claude Code wyrzuca opisy, zaczynając od skilli wywoływanych najrzadziej. Po automatycznej kompakcji dołącza ponownie ostatnie wywołanie każdego skilla, zachowując pierwsze 5000 tokenów z każdego we wspólnym budżecie 25 000 tokenów, od najnowszego, więc starsze skille mogą wypaść w połowie zadania. Zanim zaczniesz usuwać skille, możesz podnieść budżet ustawieniem skillListingBudgetFraction (na przykład 0.02, czyli 2%) albo wystawić mniej ważne skille bez opisu, ustawiając je na "name-only" w skillOverrides (to ustawienie nie obejmuje skilli z wtyczek); /doctor szacuje koszt listy w kontekście i wskazuje największe pozycje.

Podatek od routingu. Opis to jedyna podstawa, na której model wybiera skill. Dwa skille, których opisy dzielą te same frazy wyzwalające, to problem routingu, nie kosmetyki, a przepełniona lista, z której wypadają opisy, tylko go pogłębia. Drew Breunig opisuje ten wzorzec w How to Fix Your Context (czerwiec 2025): trafność wyboru narzędzia spada wraz z długością listy narzędzi.

drskill mierzy pierwszy koszt i wykrywa drugi, u każdego agenta na maszynie i także dla serwerów MCP, których definicje narzędzi konkurują o tę samą decyzję routingu.

Gdzie drskill pasuje obok /skill-doctor, CLI skills i skanerów przed instalacją

Claude Code ma teraz własny raport użycia, więc narzędzie dobierz do pytania, które zadajesz.

Narzędzie	Na jakie pytanie odpowiada	Zakres
npx skills	Jak zainstalować, zaktualizować i przypiąć ten skill?	Jeden skill lub repozytorium naraz; zmienia twoje katalogi skilli
Skaner przed instalacją, np. Snyk Agent Scan (bezpieczeństwo łańcucha dostaw skilli)	Czy w ogóle to instalować?	Skille i konfiguracje MCP, pod kątem bezpieczeństwa; wymaga tokenu API Snyka
/skill-doctor (Claude Code v2.1.252 lub nowszy)	Ile kosztuje każdy skill i których nigdy nie użyłem?	Tylko Claude Code; pomija skille wbudowane i enterprise
/context i /doctor w Claude Code	Jak duża jest lista skilli w tej sesji?	Jedna sesja Claude Code
drskill	Co efektywnie ładuje każdy agent, czy coś ze sobą koliduje i czego naprawdę używam?	Każdy wykryty agent, skille i serwery MCP, po instalacji

/skill-doctor to najszybsza odpowiedź, jeśli używasz tylko Claude Code. drskill przydaje się dopiero wtedy, gdy pracujesz z kilkoma agentami, współdzielisz skille przez .agents/skills albo potrzebujesz bramki w CI: rozwiązuje reguły pierwszeństwa, symlinki, zagnieżdżone katalogi, skille z poziomu maszyny i magazyny wtyczek dla każdego agenta. Jako jedyne z tych narzędzi testuje też routing i pilnuje zestawu w CI. Snyk Agent Scan również czyta konfiguracje MCP, ale wyłącznie pod kątem bezpieczeństwa.

Zainstaluj drskill i uruchom pierwszy skan

drskill to pythonowe CLI, a nie Agent Skill. Nie instaluje się przez npx skills add, a twój agent nigdy go nie ładuje, więc diagnostyka nie dokłada nic do kontekstu, który diagnozuje.

1. Zainstaluj je w terminalu. Pełny pakiet zawiera sprawdzenia oceniane przez model (--deep) i --mcp-connect:

   uv tool install drskill

   W CI i wszędzie tam, gdzie tych dwóch flag nie użyjesz, zainstaluj pakiet core. Pomija on dodatek deep, który wciąga DSPy i LiteLLM, oraz dodatek connect, który wciąga MCP SDK:

   uv tool install drskill-core

   Jeśli nie masz uv, zadziała też pipx install drskill.

2. W katalogu głównym projektu utwórz startowy rejestr:

   drskill init

   Powstaje drskill.toml z takimi wartościami domyślnymi w 0.8.1:

   [budget]
   catalog_tokens_max = 6000   # per-harness startup catalog budget (approximate tokens)
   body_tokens_warn = 20000    # per-skill body ceiling (approximate tokens)
   
   [thresholds]
   near_duplicate = 0.85       # Jaccard similarity that counts as a near duplicate
   description_overlap = 0.6   # cosine similarity that clusters descriptions
   generic_min_distinct_tokens = 2  # fewer distinctive words than this is too vague

3. Uruchom skan:

   drskill scan

   Wykrywa każdego agenta, jakiego znajdzie, ustala efektywny zestaw skilli każdego z nich i wypisuje najpierw błędy, potem ostrzeżenia. Nasz przebieg zaczynał się tak (ścieżki domowe skrócone):

   drskill scan — 5 harnesses, 673 skills, 2 MCP servers
   
   ERRORS
     [8ecc] new double-load: Claude Code loads the same skill 'agents-sdk' 2 times:
   ~/.claude/plugins/cache/claude-plugins-official/cloudflare/1.0.0/skills/agents-sdk/SKILL.md,
   ~/.claude/plugins/cache/cloudflare/cloudflare/1.0.0/skills/agents-sdk/SKILL.md
         harnesses: claude-code
         fix: Disable or uninstall one of the plugins shipping this skill (cloudflare)
   
   WARNINGS
     [505d] new budget-catalog-tokens: Claude Code startup catalog is ~64153 tokens (budget 6000)
         harnesses: claude-code
         fix: drskill list --tokens --harness claude-code

   Pierwszy błąd to przypadek podręcznikowy: ta sama wtyczka zainstalowana z dwóch marketplace’ów i załadowana dwa razy. claude plugin uninstall na jednej z kopii usuwa duplikat.

4. Przeczytaj jedno znalezisko w całości albo przejdź przez wszystkie:

   drskill show 8ecc
   drskill review

   review działa tylko w prawdziwym terminalu. Każde znalezisko obsługujesz jednym klawiszem: a potwierdza (ack), n potwierdza z notatką, f kolejkuje polecenia naprawy, s pomija, a q kończy.

Kody wyjścia sprawiają, że lokalne uruchomienia są ciche, a CI nie: 0 oznacza czysto albo wszystko potwierdzone, 1 — aktywne znalezisko na poziomie błędu, 2 — aktywne są tylko ostrzeżenia i podano --ci. Bez --ci same ostrzeżenia kończą się kodem 0.

Prompt do skopiowania: triage skanu drskill

Run `drskill scan --json` and `drskill list --tokens`, then triage every finding.

Group findings by check id first. For any check with more than 10 findings, read three examples with `drskill show <id>` and tell me whether they share one root cause (for example, the same plugin installed from two marketplaces, or a skill copied into both .claude/skills and .agents/skills). Fix the root cause, not each finding.

Classify each finding as FIX or ACK with a one-line reason. FIX: a duplicate or double-loaded skill, a description with no activation condition, a secret in an MCP config, an unpinned MCP package. ACK: a deliberate overlap between skills with different scopes, or a bundled script whose network call matches what the skill claims to do.

For each FIX, give the exact command or file edit. For each ACK, print the `drskill ack <id> --note "..."` command with a note a teammate will understand in six months. Do not run any ack command; print them so I can review the list.

Co sprawdza drskill scan?

README drskill (opis projektu na stronie PyPI) dokumentuje 38 sprawdzeń skanu i 17 kolejnych, które działają tylko w drskill lint (stan na 0.8.1). Dzielą się na pięć grup, z których każda wymaga innej reakcji.

Grupa	Przykładowe identyfikatory sprawdzeń	Co zrobić ze znaleziskiem
Higiena skilli	name-shadow, double-load, exact-duplicate, near-duplicate (MinHash Jaccard ≥ 0,85), spec-name-mismatch, spec-description-too-long (ponad 1024 znaki), broken-symlink, lockfile-drift, budget-catalog-tokens	Usuń nadmiarową kopię albo popraw plik; rzadko jest tu coś do rozważenia
Jakość opisów	description-overlap, missing-activation, generic-description, opposing-imperatives	Przepisz jeden opis, połącz skille albo potwierdź zamierzone nakładanie się
Powierzchnie injection	injection-unicode, injection-credential-read, injection-override, injection-egress, injection-remote-fetch, injection-shell-unreviewed, injection-shell-dangerous	Przeczytaj cytowane linie; werdykt należy do ciebie
Konfiguracja MCP	mcp-secret-in-config, mcp-unpinned-server, mcp-insecure-url, mcp-dead-server, mcp-diverged-server, mcp-tools-unreviewed, mcp-tool-poisoning	Przypnij pakiet, przenieś sekret do zmiennej środowiskowej, przejrzyj tekst narzędzi
Oczekiwania routingu	query-routing	Popraw opis, do którego zapytanie powinno było trafić

Najwięcej uwagi wymaga missing-activation: opis, który nigdy nie mówi, kiedy użyć skilla, to częsty powód, dla którego dobry skill się nie uruchamia, bo model decyduje o załadowaniu skilla wyłącznie na podstawie pól description i when_to_use (dokumentacja skilli Claude Code). Przy pierwszym --mcp-connect mcp-tools-unreviewed wypisuje notatkę z listą narzędzi serwera; potwierdzenie jej (ack) zapisuje ten zestaw jako zatwierdzony punkt odniesienia, a każda późniejsza zmiana opisu lub schematu narzędzia staje się ostrzeżeniem, które przerywa --ci.

Których skilli twoi agenci naprawdę używają?

scan patrzy na loadout w postaci skonfigurowanej. drskill audit czyta ślady sesji, które Claude Code, Codex, Pi i Copilot i tak zapisują na dysku, i układa ranking tego, co faktycznie zostało wywołane.

drskill audit                       # this project
drskill audit --global --since 30d  # every project on the machine, last 30 days
drskill audit --last                # only the most recent session
drskill audit overturemaps          # drill into one skill: the query that triggered it, and the trace line
drskill audit browser:get_screenshot --global  # server:tool when a skill and a tool share a name

Raport kończy się sekcją Unused: skille, polecenia i narzędzia MCP bez żadnego wywołania. Wpis trafia tam tylko wtedy, gdy historia śladów danego agenta obejmuje co najmniej [usage] unused_days (domyślnie 90 dni), a instalacja jest starsza niż ten próg, więc nowy skill nie zostanie uznany za martwy po tygodniu. Okno nadpiszesz flagą --unused-days.

Liczby czytaj z czterema zastrzeżeniami. W Codex i Pi liczba wywołań skilla wynika z tego, że agent przeczytał SKILL.md, a nie ze zdarzenia wywołania — takie wiersze mają znacznik ~. Codex szyfruje rozumowanie, więc szczegóły nie pokażą tam rozumowania. Copilot nie zapisuje ani rozumowania, ani argumentów narzędzi. Każdy agent przechowuje ślady przez inny czas, dlatego zbiorczy ranking między agentami liczy wywołania na tydzień w obrębie okna danego agenta.

Audit niczego nie zapisuje w rejestrze i nie wpływa na --ci. Wyciągnięty tekst, łącznie z twoimi promptami, trzyma w cache’u ~/.drskill/cache/audit/; to stan maszyny i nigdy nie trafia do commita.

Prompt do skopiowania: lista skilli do usunięcia na podstawie użycia

Run `drskill audit --global --since 30d` and `drskill list --tokens`, then join the two.

Produce a table with one row per installed skill: name, suite, harness, catalog tokens, invocations in the last 30 days, and last used date. Sort by catalog tokens, largest first.

Then give me three groups. DELETE: zero invocations in 30 days, ordered by tokens freed. KEEP: invoked at least weekly. INVESTIGATE: zero invocations for a skill I would expect to fire. For each INVESTIGATE row, quote the description and say whether it states an activation condition, because a good skill that never fires is usually a description problem.

Mark every Codex or Pi row as inferred from SKILL.md reads. For plugin skills, give the `claude plugin disable` or `claude plugin uninstall` command instead of a file deletion. Print commands only; do not run them.

Czy to zapytanie trafi do właściwego skilla?

drskill explain symuluje, dokąd trafiłoby zapytanie:

drskill explain "review this pull request for security issues" --harness claude-code

Claude Code
  routes to security-review
  1. 0.45  security-review  Security code review for vulnerabilities. Use when asked to "security…
  2. 0.30  gha-security-review  GitHub Actions security review for workflow exploitation vulnerabilit…

Scores are drskill's own similarity model, not the harness router.

Werdykt brzmi „routes to”, „contested” (dwa pierwsze wyniki są zbyt blisko siebie) albo „no skill matches”. Wynik to podobieństwo tekstu, a nie model twojego agenta; dodaj --deep, żeby ranking ocenił także model.

To, co zmienia sposób pracy, to zamiana takich sprawdzeń w testy. Dodaj do drskill.toml zapytania, na których polega twój zespół:

[[queries]]
query = "review this pull request for security issues"
expect = "security-review"

[[queries]]
query = "write a migration for the orders table"

Każdy drskill scan sprawdza wtedy każde zapytanie u każdego agenta i zgłasza ostrzeżenie query-routing, gdy zapytanie jest sporne albo trafia do złego skilla. Z --ci to ostrzeżenie wywraca build. Nowy skill, którego opis przejmuje istniejącą ścieżkę, wychodzi na jaw w pull requeście, który go dodaje, i nikt nie musi ponownie czytać wszystkich opisów, żeby to zauważyć.

Jak drskill czyta Claude Code, Codex i Cursor

Polecenie jest takie samo dla każdego agenta; --harness zawęża je do jednego. Różnią się czytane pliki, to, czy reguły pierwszeństwa są zweryfikowane, i to, czy audit ma ślady.

Claude Code

drskill scan --harness claude-code

• Skille: .claude/skills i ~/.claude/skills, rekurencyjnie, plus skille z włączonych wtyczek, czytane z ~/.claude/plugins. Wyłączone wtyczki i nieaktualne wersje w cache’u są pomijane.
• Polecenia: .claude/commands i ~/.claude/commands trafiają tylko do sprawdzeń injection, bo wywołuje się je jawnie.
• MCP: .mcp.json i ~/.claude.json.
• Weryfikacja: ścieżki i pierwszeństwo zweryfikowane, więc znaleziska nie mają ?.
• Audit: ślady w ~/.claude/projects/, z rozumowaniem agenta przed każdym wywołaniem.

Zestaw to z widokiem wbudowanym: /context pokazuje rozmiar listy skilli w bieżącej sesji, a claude plugin details <plugin> pokazuje przewidywany koszt wtyczki w tokenach, zanim zdecydujesz się ją zostawić. Przy wyborze wtyczek zajrzyj do wtyczek wartych instalacji.

Codex

drskill scan --harness codex

• Skille: .codex/skills i .agents/skills w projekcie, ~/.codex/skills i ~/.agents/skills na maszynie, plus włączone wtyczki z ~/.codex/plugins/cache/.
• MCP: ~/.codex/config.toml.
• Weryfikacja: ścieżki i pierwszeństwo zweryfikowane. Codex pokazuje każdą kopię o tej samej nazwie, zamiast wybierać zwycięzcę, więc drskill nie zgłasza dla niego przesłonięć; duplikaty i tak wychodzą jako exact-duplicate albo near-duplicate.
• Audit: ślady w ~/.codex/sessions/. Liczba wywołań skilli jest wnioskowana z odczytów SKILL.md (~), a rozumowanie jest zaszyfrowane.

Cursor

drskill scan --harness cursor

• Skille: .cursor/skills i .agents/skills w projekcie, ~/.cursor/skills i ~/.agents/skills na maszynie, rekurencyjnie.
• MCP: .cursor/mcp.json i ~/.cursor/mcp.json.
• Weryfikacja: tylko ścieżki. Dokumentacja Cursora nie mówi, która kopia wygrywa przy kolizji nazw, więc znaleziska o przesłonięciu i double-load mają ? przy nazwie agenta. Znaleziska bez ? opierają się wyłącznie na zweryfikowanych regułach.
• Poza zakresem w 0.8.1: README wymienia skanowanie magazynów wtyczek dla Claude Code, Codex, Gemini CLI, Copilota i droida, ale nie dla Cursora, a audit nie czyta śladów Cursora. Dane o użyciu musisz więc brać z pozostałych agentów.

Nieznany identyfikator agenta to błąd, który wypisuje poprawne identyfikatory. drskill scan --global analizuje wyłącznie skille z poziomu maszyny.

Bramka na pull requesty dla commitowanego loadoutu

Loadout dryfuje, choć nikt go nie edytuje: git pull przynosi skill kolegi, nieprzypięty pakiet MCP publikuje nową wersję, serwer przepisuje opis narzędzia. Bramka łapie ten dryf w pull requeście, który go powoduje.

drskill ack dopisuje wpis na końcu drskill.toml i nie rusza niczego innego:

[[ack]]
check = "near-duplicate"
skills = ["docx-report", "documentation-writer"]
fingerprint = "sha256:..."
note = "docx is output format specific; keeping both"
date = 2026-07-19

Odcisk (fingerprint) to hash identyfikatora sprawdzenia i treści każdego skilla, którego dotyczy znalezisko. Zmień jeden z tych skilli, a potwierdzenie przestaje obowiązywać, więc ack znaczy „ta konkretna sytuacja jest w porządku”, a nigdy „przestań sprawdzać tę parę”. Potwierdzenia dotyczące tylko skilli z poziomu maszyny trafiają do ~/.drskill.toml; flagi --local i --global-ack zmieniają to przypisanie.

--deep i --mcp-connect uruchamiaj lokalnie, a potem commituj .drskill/cache/. Tam leżą werdykty modelu i migawki narzędzi MCP, a każdy kolejny skan je czyta, więc CI dostaje wyniki bez klucza API i bez uruchamiania serwera.

.github/workflows/loadout.yml

name: loadout
on:
  pull_request:
    paths: ['.claude/**', '.agents/**', '.codex/**', '.cursor/**', '.mcp.json', 'drskill.toml', '.drskill/**']
permissions:
  contents: read
jobs:
  drskill:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v7
        with:
          persist-credentials: false
      - name: Scan the committed skill and MCP loadout
        run: pipx run --spec drskill-core==0.8.1 drskill scan --ci

Zadanie nie ma żadnego sekretu i używa pakietu core, który nie potrafi połączyć się z serwerem ani wywołać modelu. Niech tak zostanie: --mcp-connect uruchamia polecenia stdio zapisane w konfiguracji, a w pull requeście ta konfiguracja pochodzi od kontrybutora.

Kto zatwierdza: znalezisko wywraca sprawdzenie, a naprawą jest albo zmiana loadoutu, albo ack z notatką. Dodaj drskill.toml, .drskill/ i .github/workflows/ do CODEOWNERS i włącz wymagane review właściciela kodu w ochronie gałęzi albo w rulesecie, żeby każde potwierdzenie i każdą zmianę tego zadania akceptował tech lead, bo inaczej każdy, kto może commitować, może też wyciszyć ostrzeżenie. Przy pull_request GitHub uruchamia YAML workflow z merge refa pull requesta, więc bez tego review pull request może zmienić także samo zadanie.

Prompt do skopiowania: dodaj bramkę loadoutu do CI

Add a drskill loadout check to this repository's CI.

1. Run `drskill init` if drskill.toml does not exist, then set [budget] from measurement: run `drskill list --tokens` and set catalog_tokens_max about 20% above today's largest harness total, so growth fails the build but today's state passes.
2. Add three [[queries]] entries for requests this team makes every week, each with the skill it should route to. Run `drskill explain "<query>"` for each and fix any that are contested before committing.
3. Add a GitHub Actions job triggered on pull_request (never pull_request_target), with `permissions: contents: read`, `actions/checkout@v7` with `persist-credentials: false`, and one step: `pipx run --spec drskill-core==0.8.1 drskill scan --ci`. No secrets, no --deep, no --mcp-connect.
4. Add drskill.toml, .drskill/ and .github/workflows/ to CODEOWNERS, and tell me to turn on required code-owner review in branch protection.
5. In the pull request description, explain that exit code 2 means warnings only, and show the `drskill ack <id> --note "..."` command a developer runs locally to accept a finding.

Jeśli publikujesz skille, wtyczki albo marketplace, drskill lint uruchamia te same sprawdzenia na tym, co tworzysz, i dokłada sprawdzenia manifestu według specyfikacji Agent Plugins albo formatu wtyczek Claude Code:

drskill lint ./my-plugin --fail-on warn --json

lint kończy się kodem 0, gdy jest czysto, 1 przy znaleziskach na poziomie --fail-on lub wyższym i 2 przy błędzie użycia, np. ścieżce, której nie da się zlintować. Jak napisać skill, który przejdzie te sprawdzenia, opisujemy w poradniku tworzenie i publikowanie własnych skilli.

Prompt do skopiowania: napraw kolidujące opisy

`drskill scan` reports a description-overlap warning between two skills. Run `drskill show <finding-id>`, then read both SKILL.md files in full.

First decide: are these two skills, or one skill that was forked? If they should be merged, say so and stop. Do not rewrite descriptions to hide a duplicate.

If they are distinct, rewrite one description so a router that reads only the two descriptions can tell them apart. State the activation condition ("Use when the user...", "Use when the file is..."), name the input or output that differs, and stay under 1,024 characters. Do not claim capabilities the skill lacks.

Show the change as a diff of the frontmatter only, then run `drskill explain` with one request meant for each skill and confirm both now route correctly.

Dlaczego polecenia powłoki w skillach mają osobne sprawdzenie

Claude Code pozwala, by skill zawierał linie !`polecenie` albo blok ```!, które wykonują się przy wywołaniu skilla, zanim model zobaczy plik, a ich wynik jest wklejany do promptu. To udokumentowana funkcja, dynamiczne wstrzykiwanie kontekstu, przydatna np. do wciągnięcia bieżącego git diff. Ryzyko leży w ścieżce aktualizacji: git pull albo menedżer skilli może podmienić polecenia na inne. README drskill podaje, na podstawie testów autora, że polecenia, które się wykonują, nie przechodzą przez pytanie o uprawnienia.

drskill traktuje zestaw poleceń jak listę narzędzi MCP. injection-shell-unreviewed przy pierwszym zobaczeniu jest notatką z listą wszystkich poleceń; po potwierdzeniu tego punktu odniesienia każda zmiana staje się ostrzeżeniem, które pokazuje, co dodano, a co usunięto. injection-shell-dangerous zgłasza się od razu przy ścieżkach do poświadczeń, zmiennych środowiskowych o nazwach wyglądających na sekrety, ruchu sieciowym albo pobieraniu przekierowanym do powłoki.

Żeby wyłączyć tę funkcję, ustaw "disableSkillShellExecution": true w ustawieniach Claude Code. Obejmuje to skille użytkownika, projektu, wtyczek i dodatkowych katalogów, ale nie wbudowane ani zarządzane, i najwięcej daje w ustawieniach zarządzanych, których użytkownik nie może nadpisać.

Pułapki w drskill 0.8.1

• Zły menedżer pakietów. drskill jest na PyPI. Nie ma pakietu npm ani ścieżki przez npx skills add.
• drskill-core odcina dwie flagi. --deep i --mcp-connect wymagają pełnej instalacji drskill.
• --deep wysyła dane na zewnątrz. Nazwy i opisy skilli trafiają do dostawcy modelu przez LiteLLM; domyślnym sędzią jest anthropic/claude-haiku-4-5. Klucz trzymaj w zmiennej środowiskowej albo w ~/.drskill/env, nigdy w drskill.toml. Jedno uruchomienie wykonuje najwyżej 25 wywołań, chyba że podasz --max-calls.
• --all w scan wymaga --detailed. Dodaje do szczegółowych tabel agentów bez skilli. W list działa samodzielnie.
• Domyślne budżety są małe. catalog_tokens_max = 6000 zadziała przy prawie każdym prawdziwym loadoucie. Ustaw go na podstawie własnego drskill list --tokens.
• Liczby tokenów są szacunkowe. Liczone kodowaniem o200k_base z tiktoken, a nie tokenizerem twojego agenta. Używaj ich do porównywania skilli, a nie jako rozmiaru budżetu kontekstu.
• Polecenia usługi to osobna sprawa. Wersja 0.8.1 zawiera też login, whoami, logout, sync, loadout i skill dla opcjonalnej usługi drskill. Nic na tej stronie ich nie wymaga.

Kiedy skan drskill wprowadza cię w błąd

Pierwszy skan zagrzebuje sygnał. Na maszynie z setkami skilli spodziewaj się setek znalezisk near-duplicate, w większości jednej przyczyny powtórzonej wiele razy: wtyczki zainstalowanej z dwóch marketplace’ów albo skilla skopiowanego do dwóch katalogów. Jak z tego wyjść: uruchom drskill show near-duplicate, usuń źródło kopii i przeskanuj ponownie, zanim cokolwiek potwierdzisz. Całą klasę sprawdzeń (drskill ack <check-id>) potwierdzaj dopiero po jej przeczytaniu.

Czysty skan to nie czysty loadout. Skille z wtyczek Cursora są poza listą magazynów wtyczek w 0.8.1, około 65 agentów przejętych z projektu vercel-labs/skills nie ma zweryfikowanych ani ścieżek, ani pierwszeństwa, a pliki binarne lub większe niż 1 MiB są odnotowywane, ale nie skanowane. Sprawdzenia tylko dla skryptów, takie jak ruch sieciowy i odczyt poświadczeń, pomijają pliki, które nie wyglądają na skrypty. Jak z tego wyjść: połącz skan z przeglądem przed instalacją i z bramkami bezpieczeństwa dla kodu pisanego przez agentów.

Sprawdzenia injection wskazują powierzchnie, a nie intencje. Znalezisko nie jest oskarżeniem, a cisza nie jest gwarancją. Każde znalezisko injection cytuje dokładne linie; przeczytaj je.

Sprawdzenia opisów to heurystyki. opposing-imperatives dopasowuje ściśle i przepuszcza sparafrazowane konflikty; description-overlap zgłasza przypadki wymagające oceny. Jak z tego wyjść: drskill scan --deep prosi model o ocenę każdej zgłoszonej pary, a klaster uznany w całości za rozłączny spada do notatki, która nie wywraca --ci. Skill z aktywnym znaleziskiem injection nigdy nie dostaje takiego obniżenia i zwykle to wyjaśnia, dlaczego jeden klaster spadł do notatki, a inny nie.

Rejestr i cache nie są podpisane. Zmiana w drskill.toml albo .drskill/cache/ może wyciszyć dowolne ostrzeżenie. Jak z tego wyjść: CODEOWNERS na oba i przegląd tych zmian tak jak kodu.

Dryf lockfile’a daje jedno ostrzeżenie zamiast wielu. Gdy żaden hash w skills-lock.json nie zgadza się z tym, co liczy drskill, narzędzie wypisuje jedno ostrzeżenie „could not verify”, zamiast oskarżać każdy skill. Dryf poszczególnych skilli pojawia się dopiero, gdy zgodzi się przynajmniej jeden hash.

Co dalej z higieną loadoutu

Instalowanie, aktualizowanie i zarządzanie skillami Instalacja, przypinanie i współdzielenie skilli w zespole oraz miejsca, w których szuka ich każdy agent.

Bezpieczeństwo łańcucha dostaw skilli Połowa sprzed instalacji: przeskanuj i przeczytaj skill, zanim trafi do agenta.

Wtyczki warte instalacji Ile w kontekście kosztują najczęściej instalowane wtyczki, zmierzone przez claude plugin details.

Skille, serwery MCP czy wtyczki Która warstwa rozszerzeń rozwiązuje twój problem i dlaczego wszystkie konkurują o ten sam kontekst.