cc-skill-trace：Claude Code 技能调用调试神器，让 AI 编程进入”黑箱透明化”时代

cc-skill-trace：Claude Code 技能调用调试神器，让 AI 编程进入”黑箱透明化”时代

Claude Code、Codex CLI、GitHub Copilot CLI 等 AI 编程工具正在成为工程师的日常搭档，但它们调用的 Skill（技能）何时触发、为什么触发、消耗了多少 token，对开发者来说长期是个黑箱。cc-skill-trace 正是为解决这个痛点而生——它是一个开源的 Skill 调用调试与可视化工具，让 AI 编程从”黑箱”变成可观测、可分析、可优化的透明工作流。

功能与原则

cc-skill-trace 核心能力是对 agent CLI（Claude Code / Codex CLI / GitHub Copilot CLI）中 Skill 的调用进行实时捕获、回溯扫描和可视化展示。它同时提供终端 Dashboard 和浏览器交互式报表两条路径，让开发者既能快速查看当前会话，也能做历史数据分析。设计原则是「零侵入、零配置」——安装后 Claude Code 的行为完全不变，只是自动把调用日志写入本地文件。

认可度

cc-skill-trace 托管于 GitHub（revo1290/cc-skill-trace），支持 npm 全局安装，已在 Claude Code 开发者社区中获得关注，被列入「1400 个 Claude Code Skills 中真正值得关注的几个」盘点名单。项目活跃度高，最近一次提交为 2026 年 4 月，累计 54 次 commit，支持 Claude Code / Codex / Copilot 三种主流 AI 编程 CLI。

链接

GitHub：https://github.com/revo1290/cc-skill-trace

npm：npm install -g cc-skill-trace

原作者

revo1290（GitHub username: revo1290），独立开发者，专注于 Claude Code 生态工具链建设。

介绍

cc-skill-trace 的核心使用场景是：当你在 Claude Code 中执行一条指令，技能（如 commit、review-pr、security）被自动触发时，工具会记录触发的技能名称、触发来源（auto 还是 user）、触发时间和完整触发消息。运行 cc-skill-trace show 即可在终端看到带 Unicode 字符的彩色表格视图，直观展示调用次数、auto/user 比例和历史记录。

它还支持回溯扫描（scan-backfilled）：即使用工具之前的历史会话，也能通过解析 Claude Code 的 session 日志补全技能调用记录。这意味着你可以对过去一周甚至一个月的 AI 编程行为做全面审计——哪个 Skill 使用频率最高？auto-trigger 的比例是否过高？哪些 skill 实际上并未被调用过？

对于团队协作场景，cc-skill-trace 提供 HTML 报表导出（cc-skill-trace report），可生成带主题色的可视化报告，分享给同事或存入文档库。报表支持亮/暗/自动三种主题，并可选择性脱敏（--redact）触发消息以保护隐私。

此外，工具内置了 diagnose 命令，能自动标记「看起来过度触发」的 Skill，帮助你发现配置问题；check --max-auto-rate 80 则可作为 CI 环节的质量门禁，在 auto-trigger 比例超标时主动失败构建。

特点

• 多 provider 支持：Claude Code（稳定）、Codex CLI（best-effort）、GitHub Copilot CLI（best-effort），统一 CLI 接口
• 实时 + 回溯双模式：hook 实时捕获 + session 日志回溯扫描，历史数据不丢失
• 终端 Dashboard：cc-skill-trace show 彩色 Unicode 表格，支持 live-tail（--follow）、分组、过滤、分页
• 浏览器交互报表：cc-skill-trace report 生成 HTML，可脱敏、可自定义主题
• Token 消耗估算：--cost 参数按 Sonnet 定价估算注入 token 成本
• CI 友好：check --max-auto-rate N 退出码机制，可直接嵌入 GitHub Actions
• 极简安装：npm install -g cc-skill-trace + cc-skill-trace install，无需配置，重启 Claude Code 即生效

使用方法

安装（全局）：

npm install -g cc-skill-trace

注册 hook 到 Claude Code：

cc-skill-trace install
# 重启 Claude Code

查看当前捕获的 Skill 调用（终端 Dashboard）：

cc-skill-trace show

实时跟踪新事件：

cc-skill-trace show --follow

回溯扫描历史 session 日志：

cc-skill-trace show --scan

按技能名过滤（如只看 commit 技能）：

cc-skill-trace show --skill commit

生成 HTML 报表：

cc-skill-trace report -o ~/reports/skills.html

诊断过度触发的 Skill：

cc-skill-trace diagnose

CI 门禁（auto-trigger 超过 80% 则失败）：

cc-skill-trace check --max-auto-rate 80

使用场景与人群

• 个人开发者：优化自己的 Skill 配置，了解 Claude Code 的实际调用行为，减少不想要的 auto-trigger
• AI 编程布道者/讲师：用真实数据（哪个 skill 用了多少次、auto vs user 比例）做技术分享，更有说服力
• 工程团队：在代码审查或 retro 中用报表展示 AI 编程工具的使用情况，推动团队对 AI 工具的规范化使用
• 工具链开发者：借鉴 cc-skill-trace 的 hook + session log 解析架构，开发类似的 AI Agent 调试工具

输入与输出案例

场景 1：日常调试

用户在 Claude Code 中执行了几次 commit 和 review 操作。运行 cc-skill-trace show --compact：

TIME       SKILL      SOURCE  TRIGGER MESSAGE
14:34:55   commit     auto    "tests passed, please open a PR"
14:31:07   commit     auto    "commit this change"
14:28:44   review-pr  user    "/review-pr 123"

终端输出：彩色 Unicode 表格，清晰展示 commit 技能被 auto-trigger 了 2 次，review-pr 由用户手动调用 1 次。

场景 2：生成周报

运行 cc-skill-trace report --since "7 days ago" --no-open -o skills-week.html：

生成 HTML 文件，包含：
– 每日活跃趋势折线图
– Top Skills 排行（按调用次数）
– Auto vs User 触发比例饼图
– 各 Skill 的平均触发频率
– Token 消耗估算

可直接发给团队或作为项目周报的 AI 工具使用分析附件。

GitHub: https://github.com/revo1290/cc-skill-trace