Skilled：AI代理技能使用情况仪表盘

Skilled 是一款新近发布的终端仪表盘工具，专为开发者设计，用于追踪他们在多个 AI 编码工具中使用的自定义技能。该工具由开发者 Ivan 创建，并已在 Product Hunt 平台上线。Skilled 的核心功能是读取 Claude Code、OpenCode、Codex、Grok 和 Droid 等 AI 编码工具的本地历史文件，并通过终端用户界面（TUI）以丰富的形式展示技能使用数据。具体包括技能使用频率（采用 Unicode 块绘制的柱状图）、16 周的活动热力图、时段直方图以及审计视图。审计视图能够清晰呈现哪些技能使用频率最高、哪些技能正在上升或下降、哪些技能已闲置超过 30 天、哪些技能仅被使用过一次，以及技能在不同项目间是如何分布的。

Skilled 的设计理念强调隐私与简洁。所有数据处理均在本地完成，不涉及任何网络请求、遥测数据、账户注册或配置文件。如果历史文件不存在，工具会直接显示空白界面，不会产生任何不必要的输出。开发者可以将其放置在终端底部的分屏中，持续观察自己的技能使用模式。

Ivan 在 Product Hunt 上分享了他的开发动机。他本人使用了大量的自定义技能，但缺乏一个直观的视图来了解哪些技能被频繁使用，哪些正在被逐渐遗忘。Skilled 就像一面“安静但有些让人不舒服的镜子”，让他反思自己是否真的在扩展技能库，还是仅仅在更熟练地使用同一套技能。

安装 Skilled 非常简单，可以通过 npm 全局安装（npm install -g @avcodes/skilled），或者使用 README 中的一行命令。GitHub 仓库中还附带了一个简短的演示视频。对于重度用户来说，Skilled 能够帮助他们发现令人惊讶的使用模式，从而更高效地利用 AI 编码工具。此外，社区中的用户也讨论了如何判断技能老化的问题，Ivan 表示工具融合了多个维度，包括随时间推移的使用情况和跨项目使用情况，以更全面地分析技能的衰退。

对于开发者而言，了解自己使用的 AI 技能模式具有重要意义。随着 AI 编码工具日益增多，每个工具都可能提供独特的自定义技能，但如何管理这些技能并保持高效使用成为一个挑战。Skilled 通过聚合多个工具的数据，提供了一个集中的视图，帮助开发者识别哪些技能是真正有价值的，哪些可以被淘汰。例如，通过审计视图中的“上升”指标，开发者可以发现最近 4 周使用频率增长超过 50% 的技能，这可能意味着某项技能正在变得更重要；而“闲置”指标则显示超过 30 天未使用的技能，提示可以考虑是否仍需保留。此外，跨项目使用数据可以揭示技能的通用性，如果一项技能只在某个特定项目中被使用，可能需要评估其专属依赖性。

Skilled 的终端用户界面设计简洁高效，不依赖图形界面，适用于各种开发环境。运行 Skilled 时，它实时读取历史文件并更新显示，使得开发者可以无需离开终端即可获取反馈。这种实时性对于需要频繁调整工作流的开发者尤为重要。

数据隐私是当前用户非常关注的问题。Skilled 在设计时完全离线运行，所有数据不离开本地机器，无需网络连接，也不会收集任何遥测信息。这意味着使用 Skilled 不会有任何数据泄露风险，用户对自己的数据拥有完全控制权。这也符合许多开发者在本地环境中对隐私保护的要求。

在 Product Hunt 的评论中，一位用户提到“dead-skill audit 通常在技能库超过 50 个且搜索开始变慢时才会被注意到”，并询问 Ivan 在判断技能老化时主要依据哪个维度：是使用率衰减、用户手动删除，还是模型根据元数据和输出痕迹判断。Ivan 回应说这是多维度混合的方案，工具结合了随时间的使用情况和跨项目使用情况来综合评估。这种设计体现了对实际使用场景的深入考虑，使得技能管理更加智能化和自动化。

综合来看，Skilled 是一个定位精准、设计精巧的工具，填补了 AI 编码工具技能管理领域的空白。它不仅提供了数据可视化和分析功能，还促进了开发者对自身工作方式的反思。随着 AI 工具在开发流程中的深入应用，类似 Skilled 的技能管理工具将变得越来越重要。