装了 69 个 Skill，开场就吃掉一万 token

69 个。

这是我这台 Mac 上 ~/.claude/skills 里的 skill 数量。我把它们的 description 字段全拉出来数了一遍，16982 个字符，4346 个汉字加 12636 个别的字符，粗算下来 7500 个 token 左右（token 是模型读文本的最小计价单位，中文差不多一字一个，英文四个字符一个）。

这些字有个特点，不管我今天用不用它们，每开一个新会话它们都在上下文里躺着。模型得先知道自己身上挂了些什么，才知道该不该去拿。再加上 5 个启用状态的插件，常驻又叠了四千多。

也就是说我还没敲第一句话，上下文里已经先塞了一万多 token 的工具说明书。

这笔账我以前是算不清的，只能凭感觉，觉得「装多了是不是有点沉」。这两周不一样了，Claude Code 前后补了三条命令，把这件事变成了可以量的东西。我觉得这是它今年做得最不性感、但对老用户最实在的一次更新。

第一把尺子只回答一件事，谁在白吃

/skill-doctor，官方 changelog 里的原话是「show which loaded skills go unused and what they cost in context, so you can prune them」。

它报的东西很窄，就是本次会话里加载的那些 skill（内置和企业级的不算），谁的 context 成本多少，被调用过几次，从来没被调用过的会被单独标出来，并且直接告诉你去哪儿关。官方文档还补了一句很实用的排序建议，要关就从 context 成本最高的那批开始关。

版本要求是 2.1.252 以上。

顺着这个往下翻 skills 文档，我看到一句以前没注意的话，skill 清单里 description 和 when_to_use 合起来会被截断在 1536 个字符。好家伙，这就是说你写得再长也没用，后面那截压根进不了模型眼里。我顺手数了一下自己这 69 个里最长的那个，ui-ux-pro-max 的 description 是 916 字符，还没顶到上限，算是虚惊一场。

不过它有个前提得先知道，不然一跑就会被自己骗。它统计的是本次会话里的调用情况，你刚开一个新窗口马上跑，所有 skill 都是「从来没被调用过」，这时候按它的名单去关，关掉的全是无辜的。正确姿势是干完一阵活、会话跑到一半再跑，让数据先攒一会儿。

这套机制背后是渐进式披露（progressive disclosure，先只把目录给模型看，模型真要用了再把整篇内容塞进去）。description 是目录，常驻；SKILL.md 正文是内容，按需加载。所以你能砍的常驻成本，其实只有目录那一层，而这层恰好是大家最不上心的一层。

这一把尺子只解决「常驻」这一半的问题。另一半更容易被忽略。

装得多不一定贵，调用才贵

claude plugin details <插件名>，它给的是一份组件清单加一份预估 token 账单，而且账单是拆成两栏的，always-on 和 on-invoke。前者是每次开会话都要交的，后者是这个技能每被触发一次就要交一遍。

我把自己启用的三个插件各跑了一遍，真实回显是这样。

hive，1 个 skill 加 1 个 agent，常驻约 348 token。

understand-anything，9 个 skill 加 10 个 agent，常驻约 1146 token。

vercel，28 个 skill 加 1 个 MCP 服务，常驻约 2624 token。

看到第三行的时候我停下来算了一下。28 个 skill 常驻只要 2624，平均一个不到 100 token，这跟我原本的直觉是反的。我一直以为装一个 28 个技能的大插件会把上下文撑爆，结果它常驻部分便宜得不像话。

贵的地方在另一栏。同一份回显里，understand 这个技能一次触发预估 18.5k token，file-analyzer 13.3k，architecture-analyzer 8.9k，tour-builder 8.4k，vercel 那边的 ai-gateway 7.8k、shadcn 7.3k。

所以这两栏的关系，我自己是当成月租和打表来理解的。常驻是月租，装着就交，不用也交；on-invoke 是打表，上车才跳字。真正该清理的不是「装得多」的插件，而是那种常驻一直占着、可表从来不跳的。

而这批，正好就是 /skill-doctor 圈出来的那批。两条命令是配着用的。

最值钱的是那个无插件基线

第三条是 claude plugin eval，9 月 11 号才进的 changelog。

它的设计里有一个决定，我觉得比命令本身值钱，有点子牛逼。官方文档写得很直白，光凭高分不能告诉你插件是否有帮助，因为 Claude 可能在没有插件的情况下也能做得很好。

所以默认每个用例会跑两遍。一遍加载你的插件，叫 with-arm；一遍什么插件都不加载，叫 without-arm。你拿到两个分数，WITH 和 W/OUT，它们的差值 Δ 才是你这个插件真正贡献的东西。如果一个用例带插件 1.0、不带插件也 1.0，那让它通过的不是你的插件。

每个用例默认跑 3 次，两个 arm 就是 6 次运行，因为一次非确定性的 agent 运行基本说明不了什么。

评分器有 6 种。regex、tool_used、tool_order、file_exists 这四种是从运行记录和磁盘文件里算出来的，零成本；llm 和 baseline 要调评判模型，会进你的账单。套件不用手写，claude plugin eval init 会读你的插件、问你什么样的结果算好、提议用例和评分器、试跑一遍，然后把文件写出来。

文档里有一段值得单独拎出来。它说最常见的第一个发现是 Δ 接近零，同时用例里那个 tool_used: Skill 的评分器失败，说的是 Claude 在自然措辞上没有选择你的技能。

这句话我得替它翻译一下。不是你的技能不行，是用户按人话提问的时候，你的 description 根本没把它勾起来。这个结论对写 skill 的人来说有点扎，但极其有用，因为绝大多数人调的是 SKILL.md 正文，而真正决定它有没有机会上场的是 frontmatter 里那两行描述。以前这事儿只能靠瞎猜，现在它是一个能看见的数字。

进 CI 的写法官方也给了现成的。

claude plugin eval . \
  --trust-plugin \
  --json results.json \
  --threshold 0.8 \
  --model claude-sonnet-5 \
  --judge-model claude-haiku-4-5 \
  --no-publish \
  --max-cost-usd 20

--threshold 默认是 1.0，任何用例低于它命令就退出 1，所以照自己的标准调。退出码分得挺细，0 是全过，1 是分数不达标或用例加载失败，2 是部分运行（撞了成本上限或者凭证被拒），130 是被中断，143 是被 CI 超时干掉。两个模型都要钉死，否则下次模型换代，分数一掉你会当成自己插件的回归，白查半天。

说个我自己踩到的版本坑。这个命令官方要求 2.1.269 以上，我这台还停在 2.1.263，--help 打得出来、参数列得挺全，真跑就一行回显。

`plugin eval` is currently in early access

--trust-plugin 这个参数它也还不认识，直接 unknown option。所以别像我一样看着 help 以为能用了，先 claude update。

今天就能做的三步

第一步，开个会话跑 /skill-doctor，只看两列，从来没被调用过的，和 context 成本最高的。交叉出来的那批就是第一波该关的。

第二步，对每个启用的插件跑一次 claude plugin details，把常驻高、可你回想一下这一个月压根没触发过的整个插件关掉。别一个个 skill 抠，插件级的开关更省事。

第三步，如果你自己或者团队在维护 skill，找一个最常用的场景，claude plugin eval init 起一个套件，先只挂免费的那四种评分器跑起来，把 Δ 看一眼。Δ 如果贴着零，去改 description，别改正文。

还有一种情况是不该删的，得说清楚。有些 skill 属于低频高价值，一年用两三次，用上的那次能救命，而它的常驻成本可能只有几十个 token。为这几十个 token 去折腾不划算，删完下次现找更费时间。真正值得动手的是那种常驻上千、又连着几个月一次都没触发过的整插件，它才是账单上那块肉。量出来的意义就在这儿，不是让你把工具箱清空，是让你知道哪几件东西压舱压得最狠。

几个坑提前说。--ablation none 只跑单臂，成本减半，但它的绝对分数跟双臂模式不可比，别混着看趋势。默认 3 次运行别省，单次运行噪声很大。长输出别交给 llm 评分器判，它读得越长判得越飘，官方建议用 regex 去评文件内容。有一条特别容易翻车，eval 的每次运行都是隔离的，你的用户设置、CLAUDE.md、个人 MCP 服务器、其他插件全都不加载，插件要什么配置得自己塞进去。还得记着，每次运行和每个评判评分器都是真实的模型调用，算你的额度和账单，不是白跑的。

写到这儿我想起来，做 agent 这两年，我们大部分精力都花在给它加能力上，加工具、加技能、加记忆。很少有人停下来问一句，它身上现在到底挂了多少东西，哪些是真在使劲，哪些只是压着舱底。船装得越满，不一定走得越远，有时候只是吃水更深。

所以想问问屏幕前的你，你那台机器上现在装了几个 skill？跑完 /skill-doctor 之后，从来没被调用过的有几个？