SkillReaper Skill：砍掉 AI Agent 里 97% 从未调用的 Skill
SkillReaper：帮 AI Agent 砍掉 97%「从来不用的」技能，节省每轮 2 万 token
你的 AI Coding Agent 装了一堆 Skill、MCP Server、子 Agent，但它们真的被调用过吗？SkillReaper 用真实对话记录来回答这个问题——结果是大多数技能从来没用过，白白吃掉了你的上下文窗口和账单。
SkillReaper 是一个基于真实使用证据来裁剪 AI Agent 技能栈的工具。它分析 Agent 的会话记录（transcripts），找出那些从未被触发过的 Skill、MCP Server、子 Agent 和常驻文本，然后告诉你哪些可以安全删除。核心逻辑：不是靠猜测或文档说明来判断一个技能是否有用，而是看它在你真实对话中有没有被调用过。
SkillReaper 目前在 GitHub 拥有约 50 颗星（截至 2026-09-03），已被 awesome-go 和 VoltAgent/awesome-agent-skills 收录。该项目于 2026 年 6 月发布 v0.3.2，Go 语言编写，MIT 协议开源。在 ClaudePluginHub 上架两天内获得 49 个 Plugin 评分，增长势头明显。
GitHub 链接：https://github.com/thousandflowers/skillreaper
作者 GitHub ID 为 thousandflowers（thousand flowers），主攻 AI Agent 工具链效率优化方向，同时维护 Parrot（macOS AI 语法修正工具）、Raccoon（macOS 效率工具包）、Wren（macOS 即时补全插件）等多个开源项目。
SkillReaper 的核心问题意识来自一个常见痛点：AI Agent 开发者往往会安装大量 Skill 和 MCP Server，期待它们「随时待命」，但实际上大多数从未被触发——每次对话，这些未使用的技能仍然占据上下文窗口，推高 token 消耗和 API 账单。项目作者实测了 382 个已安装项目，仅 13 个在真实会话中被调用过——利用率 3%，相当于每轮会话白白浪费约 19,755 个 token，按月累计约 108.7 万 token 浪费在从未触发的东西上。
SkillReaper 的使用流程分三步：1）skillreaper scan 分析你的 Agent 会话记录，输出每个已安装项目的调用统计；2）根据报告，用 reap prune 命令交互式裁剪；3）如需恢复，reap restore --all 可逆操作。项目明确承诺：所有分析在本地执行，transcripts 不上传任何外部服务。
安装和运行极为简单，一行命令搞定：
npx skillreaper
scan 结果以表格形式呈现，每行包含 Token 开销、技能名称、调用次数和裁剪建议（REAP/HOLD）。支持 JSON 格式导出供程序化处理，可接入 CI 流程定期审计技能栈健康度。
SkillReaper 主要面向两类用户：AI Coding Agent 的重度用户（Claude Code、Cursor、Cline 等）会发现自己的技能目录积累了数十个从未触发的 Skill，这个工具帮你做减法；Agent 框架开发者（LangChain、AutoGPT、PraisonAI 等）可以用它对自家产品的默认技能包做质量审计，找出哪些是真正被用到的核心能力。
典型使用案例：
输入：运行 skillreaper scan 分析一个包含 378 个项目的 Agent 安装
TOKENS CATEGORY NAME VERDICT REASON
185 skill import-timesheet REAP unused
185 skill render-playlist REAP unused
177 skill review-sitemap REAP unused
163 skill deploy-dataset REAP unused
...
371 个项目被标记 REAP（可裁剪）
输出：使用 skillreaper prune 移除 371 个未使用项目后，单会话 token 消耗下降约 22,720，Agent 启动速度和上下文质量均得到改善。
总结：SkillReaper 解决的是 AI Agent 生态「重安装、轻裁剪」的盲区——在 Skill 市场拼命往 Agent 加技能的时候，它是少数告诉你「该减一减」的实用工具。对于追求效率的开发者，这个工具的价值在于把 Skill 选择从「直觉猜测」变成「数据驱动」。
评论区
登录后可评论。