К основному содержанию
скилл CX Codex

regression-watch — скилл для Claude Code: регрессии по метрикам

Сравнивает старые и свежие окна истории сессий и показывает, какие метрики ухудшились: ошибки, кэш, компакции, цена за сессию.

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add hoangsonww/Claude-Code-Agent-Monitor --skill regression-watch -a claude-code
Открыть на GitHub

Что делает regression-watch

Скилл читает данные Agent Monitor и делит историю на два окна: базовое (старше) и недавнее (новее). По умолчанию недавнее — последние 30 дней, базовое — диапазон 30–90 дней до него. Дальше он считает четыре метрики в каждом окне и говорит, где стало хуже.

Что именно проверяется: доля ошибок (APIError к общему числу событий), попадание в кэш как total_cache_read / (total_cache_read + total_input), частота компакций на сессию и стоимость одной сессии. Падение попадания в кэш означает больше некэшированных входных токенов, то есть рост цены. Рост компакций — контекст стал переполняться чаще.

На выходе — таблица Markdown со столбцами метрика, базовое значение, недавнее, дельта, направление и вердикт. Каждая метрика помечается 🔴, 🟡 или 🟢, валюта в USD с четырьмя знаками после точки, проценты с двумя. Скилл называет сессии, которые сильнее всего повлияли на ухудшение, и заканчивает одной главной регрессией с конкретным следующим шагом. Работает только на чтение: берёт то, что отдаёт API, и базовые значения не додумывает. Без запущенного Agent Monitor с его эндпоинтами скилл ничего не посчитает.

Аргумент можно не указывать — тогда проверяются все метрики. Либо сузить: errors, cache, compaction, cost, или задать окна вроде last 30d и 30 vs 90.

Какие задачи решает

  • понять, растёт ли доля ошибок API от недели к неделе
  • поймать падение попадания в кэш до того, как вырастет счёт
  • увидеть, что компакции стали случаться чаще
  • посчитать стоимость одной сессии и сравнить её с прошлым периодом
  • найти конкретные сессии, которые тянут метрики вниз

Примеры запросов агенту

  • Проверь регрессии по всем метрикам за последние 30 дней
  • Сравни окна 30 vs 90 и покажи, что ухудшилось
  • Посчитай регрессию по кэшу и назови сессии, которые её вызвали

Как установить regression-watch

1Через Skills CLI (Vercel)

npx skills add hoangsonww/Claude-Code-Agent-Monitor --skill regression-watch -a claude-code

2Вручную: положить файлы

~/.claude/skills/regression-watch/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/regression-watch/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о regression-watch

Как установить regression-watch в Claude Code?

Выполните npx skills add hoangsonww/Claude-Code-Agent-Monitor --skill regression-watch -a claude-code. Скилл окажется в ~/.claude/skills/regression-watch/SKILL.md.

Что делает regression-watch?

Сравнивает базовое и недавнее окна истории сессий и отчитывается, какие метрики стали хуже: доля ошибок, попадание в кэш, частота компакций, стоимость сессии. В конце называет самую приоритетную регрессию и следующий шаг.

Какие аргументы принимает скилл?

Пусто или all — все метрики, errors, cache, compaction, cost — по одной. Окна задаются как last 30d или 30 vs 90.

Исходный текст

SKILL.md · MIT
---
name: regression-watch
description: >
  Detect quality and efficiency regressions over time using Agent Monitor data —
  rising error rate (APIError events), falling cache hit rate, growing compaction
  frequency, and climbing cost-per-session. Splits history into an earlier
  baseline window and a recent window and reports which metrics are getting
  worse, by how much, and where. Use when checking whether things are degrading
  or trending in the wrong direction.
---

# Regression Watch

Detect whether Claude Code sessions are getting worse over time across quality and
efficiency metrics, using Agent Monitor data.

## Input

The user provides: **$ARGUMENTS**

This may be:
- empty or "all" — check every regression metric (default)
- "errors" — error-rate regression only
- "cache" — cache hit-rate regression only
- "compaction" — compaction-frequency regression only
- "cost" — cost-per-session regression only
- A window like "last 30d" or "30 vs 90" — set the recent vs baseline window sizes

## Data Sources

| Endpoint | Returns |
|----------|---------|
| `GET /api/analytics` | `daily_events` (365d), `daily_sessions` (365d), `event_types`, `tokens` (total_input, total_output, total_cache_read, total_cache_write — baselines pre-summed), `avg_events_per_session` |
| `GET /api/events?session_id=X` | Event stream incl. `APIError`, `Compaction`, `PreToolUse`/`PostToolUse` — used to localize regressions to specific sessions |
| `GET /api/pricing/cost` | `{ total_cost, breakdown[...] }` — total cost to derive cost-per-session |
| `GET /api/pricing/cost/{sessionId}` | Per-session cost — used to compare recent vs baseline session cost |
| `GET /api/workflows/{sessionId}` | `compaction` (impact), `errorPropagation` (by depth), `effectiveness` — per-session quality signals |
| `GET /api/sessions?limit=N` | Sessions with `started_at`, `cost`, `metadata` — to bucket sessions into time windows |

## Report Sections

### 1. Windowing
Split history into a **baseline window** (older) and a **recent window** (newer).
Default: recent = last 30 days, baseline = the 30–90 day range before it. Use
`daily_events`/`daily_sessions` for series metrics and `GET /api/sessions?limit=N`
to assign sessions to each window by `started_at`.

### 2. Error Rate Regression
- Recent error rate = `APIError count / total events` in the recent window
  (from `event_types` and `daily_events`, or per-session `GET /api/events`).
- Compare to the baseline rate. Flag if recent is higher.
- Report the absolute and relative change and which sessions contributed most
  `APIError` events.

### 3. Cache Hit Rate Regression
- Cache hit rate = `total_cache_read / (total_cache_read + total_input)`.
- Compute for each window (per-window input/cache_read from session metadata or
  the pricing breakdown). Flag a **falling** hit rate — that means more
  uncached input tokens and higher cost.

### 4. Compaction Frequency Regression
- Compaction frequency = `Compaction events / session` per window (from
  `event_types` / `daily_events`, confirmed via per-session
  `GET /api/workflows/{id}` `compaction`). Flag a **rising** rate — context is
  overflowing more often.

### 5. Cost-per-Session Regression
- Cost-per-session = window total cost / window session count, using
  `GET /api/pricing/cost` overall and `GET /api/pricing/cost/{id}` for the
  sessions in each window. Flag a **climbing** value.

### 6. Verdict
Roll up which metrics regressed, rank by relative worsening, and name the most
likely driver (e.g., cache hit rate fell → cost per session climbed).

## Output

- A Markdown table: metric | baseline | recent | Δ | direction (▲ worse / ▼ better) | verdict.
- Tag each regressed metric 🔴 (clear regression), 🟡 (mild/within noise), or 🟢 (improved).
- Currency in USD to 4 decimals; rates as percentages to 2 decimals.
- List the specific session IDs that contributed most to any regression.
- End with the single highest-priority regression to address and a concrete next step.
- Read-only: only report what the API returns; never fabricate baselines.

© hoangsonww · MIT · hoangsonww/Claude-Code-Agent-Monitor

Похожие скиллы

Все скиллы по теме «Настройка агента: память, контекст, субагенты» →
setup-matt-pocock-skills Matt Pocock Скилл настраивает репозиторий для инженерных скиллов Matt Pocock: задаёт трекер задач, метки триажа и расположение доменной документации. Запустите его перед первым использованием остальных скиллов. 1 052 851установок ask-matt Matt Pocock Помогает выбрать подходящий скилл или рабочий поток из набора Matt Pocock. Пригодится, когда непонятно, с чего начать задачу: от идеи до разбора бага. 766 587установок to-tickets Matt Pocock Разбивает план, спецификацию или переписку на небольшие сквозные задачи и отмечает, какие из них блокируют остальные. Пригодится, когда нужно согласовать порядок работы до публикации задач в трекере. 711 230установок writing-plans Jesse Vincent Скилл превращает требования к многошаговой задаче в подробный план реализации до начала работы с кодом. Пригодится, когда исполнителю нужно зафиксировать файлы, интерфейсы и проверки. CX Codex 282 859установок caveman-review JuliusBrussee Пишет замечания к коду одной строкой: место, проблема, исправление. Пригодится, когда ревью диффа или PR надо пройти быстро и без воды. CX Codex +1 411 800установок caveman-compress JuliusBrussee Сжимает CLAUDE.md, списки задач и другие текстовые файлы в краткий формат, сохраняя читаемую резервную копию. CX Codex +1 411 500установок

Из того же набора20

time-of-day Разбирает сессии и события по часам суток и дням недели, показывает пики активности и провалы. Пригодится, когда планируете график глубокой работы. CX Codex +1 ★ 1 121звёзд репо daily-standup Собирает стендап-отчёт из сессий Claude: что сделано по проектам, где были ошибки, сколько это стоило. CX Codex +1 ★ 1 121звёзд репо history-portability Импортирует историю Claude и Codex, а также переносит датасеты CCAM между машинами. Пригодится при переезде на новый компьютер или восстановлении из бэкапа. CX Codex +1 ★ 1 121звёзд репо remote-collection Скилл для настройки удалённых источников данных CCAM: подключает машины по SSH и забирает историю Claude и Codex. Пригодится, когда сессии живут не только на вашем ноутбуке. CX Codex +1 ★ 1 121звёзд репо benchmark Скилл benchmark берёт одну сессию или несколько последних и сравнивает их с накопленным средним по данным Agent Monitor: стоимость, токены, число вызовов инструментов и оценка сложности. CX Codex +1 ★ 1 121звёзд репо session-debug Разбирает одну сессию Claude по данным Agent Monitor: цепочку событий, дерево субагентов, расход токенов и ошибки. CX Codex +1 ★ 1 121звёзд репо event-trace Собирает все события одной сессии Claude в хронологический таймлайн с пометками провалов, пауз и незакрытых вызовов инструментов. CX Codex +1 ★ 1 121звёзд репо live-watch Опрашивает /api/stats Agent Monitor несколько раз подряд и показывает, как меняются счётчики за короткое окно. Пригодится, когда нужно увидеть движение, а не один снимок. CX Codex +1 ★ 1 121звёзд репо

Спонсоры проекта

Компании, которые помогают держать аналитику открытой