核心用法
洁癖（neat-freak） 是一款面向 Claude Code、OpenAI Codex、OpenCode、OpenClaw 等跨平台 Agent 的会话末期知识库整理技能。它并非通用的"整理"工具，而是专门在开发里程碑结束时触发——当用户说"sync up"、"tidy up docs"、"/neat"或"整理文档"时，执行一次系统性的知识库核对与收敛。
技能的核心模型建立在三层知识架构之上：①Agent 记忆（运行时积累）、②项目根目录的 CLAUDE.md/AGENTS.md（Agent 规则手册）、③项目 docs/ 与 README.md（面向其他开发者）。三层受众不同、职责不重叠，技能强制执行"毕业机制"（promote）——将稳定的记忆知识向上泵入文档层，防止记忆文件无限膨胀。
执行流程严格遵循六步协议：第零步尺寸体检（运行 kb_audit.mjs 闸门脚本）、第一步盘点现状（机械式枚举所有文件）、第二步识别变更（使用变更影响矩阵）、第三步实际修改（docs → CLAUDE.md → 记忆的顺序，减优于加、删除优于保留）、第四步自检清单（重跑闸门验证）、第五步变更摘要（三段式输出）。
显著优点
防腐烂架构设计：通过"毕业机制"解决 Agent 记忆"只追加不收敛"的先天缺陷，配合尺寸闸门（HARD/SOFT 分级）和相对时间豁免规则，形成知识生命周期的闭环管理。
跨平台通用性：单一 SKILL.md 同时适配 Claude Code、Codex、OpenCode 等多款 Agent，遵循开放 Agent Skill 规范，降低团队多工具切换的认知成本。
精细化控制：破坏性操作（删除记忆、重写文档）前强制读取 controls.md 护栏规则，要求 git 工作树、支持 dry-run 预览，最小化误操作风险。
模块化按需加载：重内容拆入 rules/ 目录，执行时只加载当前步骤所需的判据文档，避免一次性加载冗长规范导致的上下文污染。
潜在缺点与局限性
触发精度敏感：明确排除了裸"整理"、代码整理、临时文本格式化、孤立记忆维护等场景，误触发会导致与其他 skill 撞车。用户需要准确理解"刚改完代码、现在要让文档和记忆跟上"这一核心意图。
依赖外部审计脚本：第零步和第四步强依赖 scripts/kb_audit.mjs，若项目未配置该脚本或 Node 环境异常，整个同步流程会被阻断。
学习曲线陡峭：三层知识模型、毕业判据、变更影响矩阵、尺寸闸门等概念需要一定时间内化，小型项目可能感到"过度设计"。
仅面向开发场景：明确 NOT for 非开发"整理"，适用范围相对狭窄。
适合的目标群体
- 长期迭代的中大型项目团队：代码与文档频繁不同步，新成员 onboarding 困难
- 多 Agent 混合使用的开发者：需要在 Claude Code 与 Codex 之间保持知识一致性
- 追求工程规范的 Tech Lead：希望建立可复现的知识管理流程，而非依赖个人习惯
- 文档驱动开发的实践者：将 CLAUDE.md 作为 Agent 协作契约的项目
使用风险
数据丢失风险：第三步会执行删除和重写操作，虽有 git 护栏和 HARD/SOFT 分级阻断，但误配置 controls.md 或忽略 dry-run 仍可能导致记忆或文档丢失。
性能与依赖风险：kb_audit.mjs 脚本在大型知识库上可能耗时较长；Node.js 版本差异、路径解析差异（Windows/macOS/Linux）可能导致跨平台行为不一致。
流程阻断风险：HARD 违规（尺寸超限、倒挂等）会阻断本次"同步完成"，团队需预留时间处理超尺寸修复，否则可能积压多轮未同步的变更。
过度收敛风险："减优于加"的编辑原则若执行过激，可能误删仍有价值的上下文，特别是跨项目依赖的隐性知识。