一个给 Claude Code 的 Skill 做体检和升级的 Skill —— 依据你的真实使用记录，不靠拍脑袋。
这是什么 · 真实例子 · 怎么工作 · 你会得到什么 · 安装 · 和同类的区别
「想得再好，不如记得真。」
真实运行回放：扫描本地历史会话 → 输出一张 Skill 等级卡。演示用合成数据（已脱敏），录制脚本 assets/demo.tape 与数据一起入库，vhs assets/demo.tape 可随时重录。
Muninn 是一个 Claude Code / Agent Skill，但它的工作对象是你写的其他 Skill。
你大概攒了一些自己的 Skill。问题是：它们实际用起来到底好不好，没人说得清—— 哪几次该触发却没触发、哪几次输出被你当场改掉、哪个功能优化着优化着就悄悄没了。 这些只发生在一次次真实对话里，过后谁也不记得。
Muninn 读你本地的历史对话记录（只读），把这些痕迹挖出来：给每个 Skill 定级、 指出最该修的地方、帮你修好，并把每个真实问题变成一道回归测试——同一个坑不踩第二次。
名字取自北欧神话里奥丁的记忆渡鸦 Muninn：每天飞遍世界，黄昏带回真实发生过的事。 文档里偶尔出现的"放飞 / 符文石 / 萨迦"只是这套命名的延续，每个都会用大白话解释，不用记。
有人写了个「AI 安全周报」Skill：自动检索新闻、生成飞书卡片发出去。优化过一轮之后， 他发现周报里的新闻配图不见了——可代码里配图功能明明还在，所有测试也全绿。
真相是：生成那一期时跳过了"抠图"这步，5 条新闻的配图全留空了； 而 Skill 自带的校验脚本恰好允许"没图就留空"，于是 18 项检查全 PASS，没有一道拦得住。
Muninn 是这样接住的：
| 谁在判 | 对同一份周报的结论 |
|---|---|
| Skill 自带的校验脚本 | ✅ PASS（留空是允许的） |
| Muninn 的能力核对 | 🔴 FAIL：上一期 3/5 条带图，这期 0/5，功能在产物里消失了 |
于是 Muninn 判定这是一次"假升级"，冻结它的等级，直到把配图补回来（最终补到 4/5） 才解冻、晋级。
测试全绿 ≠ 改好了。 这就是 Muninn 和"跑一遍测试就完事"的根本区别。 完整经过见 examples/weekly-report-capability-catch.md。
- 挖历史：读你本地的对话记录，找每个 Skill 的五类痕迹——命中、该触发没触发、 误触发、输出被当场改、每次用都要手动补的同一句话。每条都带出处坐标。
- 想清楚值不值得练：定级之前先问更前面的问题——这个 Skill 解决的问题真成立吗、 用户为什么要装它、有没有独特之处和一句话钩子；再上网找同类（GitHub / ClawHub / skills.sh 等）看它在生态里站哪、该往哪进化。对着一个不该存在的 Skill 精修，是白练。
- 盘能力：列一张"这个 Skill 现在能干什么"的清单并冻结成基线—— 专门防止优化时把某个好功能悄悄删掉（就是上面那个配图例子）。
- 定级：Lv1 → Lv5，每一格都要拿证据，不凭印象发段位。
- 练级：一次只改一个地方，改完立刻测。升级要同时过四道闸—— 该级标准达标 + 回归测试全绿 + 能力清单一项没少 + 改前改后产物对比没变差。 任何一道不过就回退（每轮都留了能一键还原的检查点，改错了不慌）。
- 存档：每个 Skill 一份成长档案，记着它升到哪、栽过哪些跟头，下次接着练，不从零开始。
拿不准就问你，不瞎改。 有客观标准的事（触发对不对、测试过没过、功能在不在）Muninn 自己判；主观或看你业务的事（定位、命名、要不要砍某个功能、这问题对你的用户成不成立） 一律带选项抛给你选，绝不替你猜。
跑完不是一句"改好了"，而是几样看得见、留得住的东西——除了等级卡，其余都是本地 markdown，每个 Skill 一套，下次接着用：
| 产物 | 是什么 |
|---|---|
| 等级卡 | 一张可截图的成绩单：当前等级、攒了多少证据、几道测试全绿、最弱一环、下一步练什么（就是上面 demo 里那张） |
| 成长档案 | 这个 Skill 的完整履历：升级史、栽过的跟头、每轮改动的可还原检查点、下次先查什么 |
| 回归测试集 | 每次真实失败凝成的测试用例，只增不减；想公开时可随你的 Skill 仓库一起入库 |
| 能力清单 | "它现在能干什么"的逐项核对表，每项带"怎么确认还活着"——防止下次优化把好功能删了 |
| 定位卡 | 验前提的结论、同类对标表（带链接）、一句话新定位——告诉你它该往哪进化 |
| 等级 | 名号 | 大白话标准 |
|---|---|---|
| Lv1 | 雏鸦 | 装得上、触发过、核心流程完整跑通过一次 |
| Lv2 | 离巢 | 触发可靠：8 条模拟话术全判对，实战里没有该触发没触发 / 误触发 |
| Lv3 | 历战 | 失败有准备：已知的出错场景都有应对，危险操作有禁区 |
| Lv4 | 英灵 | 有回归测试傍身：≥5 道源自真实失败的测试用例，全绿 |
| Lv5 | 神使 | 能发布：陌生人能装上、看懂、三分钟跑出第一个结果 |
升级靠考试、不靠文笔。多数自用 Skill 练到 Lv3-Lv4 就是最优解—— Muninn 不会劝你给一个自用工具硬补发布材料。
npx skills add uaandesign/muninn-skill-leveler装完，对 Claude Code 说：
用 muninn 盘点一下我的 skill 库，告诉我哪个最值得先练
或者直接点名一个：「用 muninn 给我的 xxx skill 定个级」。
其它会触发它的说法：
- 「给这个 skill 练级 / 升级我的 skill / skill lvup」
- 「我的 xxx skill 实战表现怎么样？」
- 「挖一下这个 skill 的使用记录」
- 「给 skill 建个回归测试集」
- 「盘点我的 skill 库，哪个最该修？」
| 维度 | 常见做法 | Muninn |
|---|---|---|
| 凭什么判断好坏 | 读代码、当场跑几个测试 | 先挖你的真实使用历史：你实际怎么用、它实际怎么挂 |
| 该不该练 | 拿到就改 | 先验前提 + 找同类：不该存在的 Skill 直接劝退，省得白练 |
| 改进形态 | 改一次、出一份报告，结束 | 持续练级：成长档案常驻，下次接着练 |
| 测试集 | 临时想几个 case | 失败变测试：每次真实翻车永久变成一道回归测试 |
| 防退化 | 测试绿了就算改好 | 能力清单 + 产物对比：没失败过的好功能也受保护，删了 / 变差就回退 |
| 拿不准时 | 自己猜着改 | 主观/业务判断抛给你选，带"建议 + 备选 + 为什么"，不替你拍板 |
| 改错了 | 难复原 | 检查点：每轮改动一个可一键还原的存档 |
| 质量方向 | 只会变好 | 会掉级：功能丢了、测试红了都会冻结降级，逆水行舟 |
| 范围 | 一次盯一个 | 顺带全库盘点：用得多 × 等级低 = 优先练 |
- 只读你的历史对话：绝不修改、移动、删除任何对话记录。
- 隐私不外泄：含对话引用的档案永远留在本地（
~/.claude/muninn/）； 任何要公开的东西（测试用例、截图、提交）都先脱敏。 - 碰你的文件前先问：改你的 Skill、把测试写进你的仓库、任何 push/发布，都要你明确点头。
- 不伪造：没挖到使用记录就如实说"没有"，估算的分数明确标"预估"。
skills/muninn/
├── SKILL.md # 主流程：挖历史 → 验前提·定位 → 盘能力 → 定级 → 练级 → 存档
├── references/
│ ├── level-rubric.md # 五级标准、升级四道闸、降级规则
│ ├── evidence-guide.md # 怎么从对话里认出五类证据、怎么脱敏
│ ├── positioning-guide.md # 值不值得练：验前提、找同类、定位置
│ ├── capability-guide.md # 能力清单：怎么盘、怎么核，守住没失败过的好功能
│ └── saga-template.md # 成长档案模板
├── tools/
│ ├── mine-sessions.sh # 扫描历史对话，初筛某个 skill 的使用痕迹（只读）
│ ├── capability-manifest.sh # 扫出"它现在能干什么"的清单初稿（只读）
│ └── scan-skills.sh # 全库盘点与培养优先级
└── examples/
└── weekly-report-capability-catch.md # 真实案例：上面那个配图消失的完整经过
鸦衔之记，落石为证。🪶