> · 6 мин

Skills Janitor — плагин, который показывает, какие Claude Code скиллы ты поставил зря

Skills Janitor — плагин, который показывает, какие Claude Code скиллы ты поставил зря

Skills Janitor — плагин, который показывает, какие Claude Code скиллы ты поставил зря

У меня 36 скиллов в ~/.claude/skills. За последний месяц я реально использовал четыре. Остальные 32 — зоопарк, который я когда-то поставил, прочитав чей-то тред на Reddit, и забыл.

Skills Janitor это плагин Krzysztof Hendzel, который парсит историю твоих разговоров с Claude Code и показывает, какие скиллы живы, а какие просто занимают место в SKILL.md-файлах и в контексте.

TL;DR: Skills Janitor ставится в Claude Code двумя командами, не тащит за собой ни одного npm-пакета и за 30 секунд выдаёт отчёт вида «11% твоих скиллов реально работают, остальные 89% можно снести». Дополнительно проверяет скиллы на битую метадату и находит дубликаты.

Зачем это нужно

Claude Code раздал всем пистолеты: пиши свои скиллы или ставь чужие из маркетплейса. За полгода у среднего активного пользователя набирается 30–50 скиллов, половина из которых дубликаты (три скилла про git-workflow, два про code-review).

Проблема не в том, что они занимают место. Проблема в том, что Claude их читает при старте сессии, и иногда срабатывает не тот скилл. Ты пишешь «проверь код», а запускается какой-то my-old-review-v2, который ты даже не помнишь, как ставил.

Skills Janitor решает эту проблему не через генерацию нового контента. Он просто показывает, что у тебя уже есть, что работает, а что мусор.

Установка

Две команды в Claude Code:

/plugin marketplace add khendzel/skills-janitor
/plugin install skills-janitor

Или клоном, если хочешь без плагин-системы:

git clone https://github.com/khendzel/skills-janitor ~/.claude/skills/skills-janitor

Зависимости: Bash, Python 3, curl. Всё. Никаких npm install, никаких pip install -r requirements.txt. В эпоху, когда каждый AI-тул тащит 400 МБ node_modules, это просто глоток свежего воздуха.

Что внутри

Девять слеш-команд, каждая отдельный скилл со своим автокомплитом:

  • /janitor-audit — инвентарь всех установленных скиллов
  • /janitor-usage — парсит историю и показывает реальное использование
  • /janitor-duplicates — находит скиллы, которые делают одно и то же
  • /janitor-check — проверяет скиллы на ошибки и пропущенные метаданные
  • /janitor-fix — автоматически чинит проблемы (сначала dry-run)
  • /janitor-cleanup — сносит битые скиллы
  • /janitor-report — полный health-check одним вызовом
  • /janitor-search — ищет новые скиллы на GitHub
  • /janitor-compare — сравнивает твой скилл с альтернативами из поиска

Самая ценная из них, /janitor-usage. Вот как выглядит её вывод:

=== Skills Janitor - Usage Report ===
Period: 2026-02-24 to 2026-03-23 (4 weeks)

Active skills: 4 / 36 (11%)
Unused skills: 32 (89%)
Most used: n8n-workflows (17 total)
Recommendation: Remove 32 unused skills

11% активных. Это не конкретно мой случай, это реальный пример из README. И это типичная ситуация: ты ставишь скилл, думаешь «пригодится», а потом работаешь по старинке.

Как /janitor-usage это делает

Claude Code хранит каждую сессию локально в JSONL-файлах. Skills Janitor парсит их регулярным bash+python скриптом, ищет инвокации скиллов и считает частоту.

Никаких внешних API, никакой телеметрии. Всё работает оффлайн. Это важно: если ты, как я, относишься с подозрением к инструментам, которые «улучшают» твой workflow, отправляя логи куда-то в облако, — Skills Janitor ничего никуда не шлёт.

Поиск новых скиллов

/janitor-search умеет искать скиллы на GitHub по ключевому слову:

=== Skills Janitor - Skill Discovery ===
Search: "marketing"

  #  Repository                    Stars  Status
  1  coreyhaines31/marketingskills  1,234  INSTALLED
  2  acme/marketing-automation        456  AVAILABLE

Видишь, какие из них у тебя уже стоят, какие можно поставить. Для нормальной работы ставь GITHUB_TOKEN в env. Без него упрёшься в лимит 60 запросов в час от анонимного GitHub API. С токеном 5000.

/janitor-compare идёт дальше: берёт твой скилл, ищет аналоги на GitHub и показывает, у кого больше звёзд и активнее релизы. Полезно понять, не держишь ли ты зомби-скилл от автора, который забросил его полгода назад.

Подводные камни

/janitor-usage видит только историю с этой машины. Если у тебя Claude Code на ноуте и на десктопе, usage-статистика покажет только локальные JSONL. Ты можешь снести скилл, который активно юзаешь на другом устройстве. Лечение: запускать /janitor-usage на каждой машине отдельно и сверять.

Плагиновые и marketplace-скиллы не трогаются. В документации прямо написано: «plugin/marketplace skills are never modified». Это безопасно, но если ты поставил битый плагин из маркетплейса — /janitor-fix его не починит. Придётся либо форкать, либо писать автору issue. У меня была ситуация с одним популярным плагином, где SKILL.md содержал невалидный YAML-фронтматтер, и чинить пришлось вручную.

Проект очень молодой. 41 звезда на момент написания, 21 коммит, 6 форков, выкатился 13 апреля 2026 на Product Hunt. Багрепортов пока нет — просто потому что пользователей мало. Если попадёшь на баг, ты будешь первым, кто его зарепортит. Для инструмента, который что-то удаляет из твоего окружения, это повод всегда запускать с --dry-run.

Usage-трекер не различает контекст вызова. Если ты вызвал скилл вручную через /skill-name, это учитывается. Если Claude подхватил скилл автоматически по keyword match, тоже. Но разграничить эти два типа инвокаций нельзя, а разница важная: автоактивация часто ложная, и скилл, который «активен» по отчёту, на деле никогда не делал полезной работы.

Альтернативы

ccusage (11 500+ звёзд). Самый известный в этой нише, но решает другую задачу: анализирует стоимость и токены, а не скиллы. Ставь его параллельно, это не конкурент.

cozempic (Ruya-AI/cozempic). 13 стратегий pruning, MCP-сервер, JSONL-доктор. Ближайший конкурент по функциональности, но фокус шире: чистит весь мусор Claude Code, не только скиллы. Если у тебя проблема не в скиллах, а в раздутом конфиге в целом, смотри в его сторону.

claude-scaffold (npx CLI). Деплоит скиллы в репо, а не аудирует их. Это обратная задача: Skills Janitor разбирает завалы, claude-scaffold завалы создаёт. Полезно иметь оба инструмента.

Вердикт

Если у тебя больше 15 скиллов и ты не помнишь, откуда взялась половина, ставь прямо сейчас. Это 30 секунд и ноль риска. /janitor-usage в dry-run режиме покажет правду, и ты удивишься.

Если у тебя меньше 10 скиллов или ты только начинаешь с Claude Code, подожди. Инструмент решает проблему, которой у тебя ещё нет.

Если нужна кросс-машинная статистика или защита от ложных автоактиваций, подожди пару версий. Фичи в roadmap скорее всего появятся, но пока их нет.

Как попробовать

  1. В Claude Code: /plugin marketplace add khendzel/skills-janitor
  2. Затем: /plugin install skills-janitor
  3. Запусти /janitor-audit — увидишь, сколько у тебя скиллов
  4. Запусти /janitor-usage — увидишь, сколько из них реально работает
  5. Если хочешь чистить: /janitor-cleanup (dry-run по умолчанию — ничего не удалит, покажет план)

Репа: khendzel/skills-janitor. Автор: Krzysztof Hendzel, пилит open-source тулы для Claude Code экосистемы.

$ ls ./related/

Похожие статьи

claude-opus-47-sonnet-48-leak.md
Claude Opus 4.7 и Sonnet 4.8 нашли в утечке кода Anthropic. Тем временем Opus 4.6 деградирует на глазах
> · 10 мин

Claude Opus 4.7 и Sonnet 4.8 нашли в утечке кода Anthropic. Тем временем Opus 4.6 деградирует на глазах

Двойная утечка кода Anthropic раскрыла Opus 4.7, Sonnet 4.8 и новый тир Capybara выше Opus. Одновременно директор AI в AMD доказала деградацию Opus 4.6 данными из 6852 сессий: reasoning упал на 67%, расходы выросли в 122 раза. Разбираем что произошло, зачем нерфить модель и как починить.

ai llm claude anthropic
microsoft-agent-framework-10.md
Microsoft Agent Framework 1.0 — один pip install вместо Semantic Kernel и AutoGen, и ваши MCP-серверы теперь работают из .NET
> · 6 мин

Microsoft Agent Framework 1.0 — один pip install вместо Semantic Kernel и AutoGen, и ваши MCP-серверы теперь работают из .NET

Microsoft выпустила Agent Framework 1.0 — эволюцию Semantic Kernel и AutoGen в одном пакете. Python, .NET, MCP из коробки, мульти-агентная оркестрация и коннекторы для Claude, GPT, Gemini, Ollama. Разбираем код, грабли и 766 багов.

ai agents open-source mcp
context-engineering-tips.md
Context Engineering — 8 приёмов, после которых ваш AI-агент перестаёт тупить на ровном месте
> · 8 мин

Context Engineering — 8 приёмов, после которых ваш AI-агент перестаёт тупить на ровном месте

Context engineering — управление тем, что видит AI-модель. 8 приёмов для Claude Code, Cursor и Copilot: от диеты CLAUDE.md до primacy-recency расположения данных. С цифрами из исследования Chroma на 18 моделях.

ai cursor claude-code productivity
subscribe.sh

$ cat /dev/blog/updates

> Свежие заметки о программировании,

> DevOps и AI — прямо в мессенджер

./subscribe