bltdz Orion

Self Evolving Skill

AIエージェントv1.0.2
作者:bltdz Orion更新日 2026-05-18全 3 バージョン · 最新版の公開日 2026-02-04self-evolving-skill@clawhub_whtoo/self-evolving-skill
エージェントフレームワークタスク自動化メモリ強化

AlphaMoatによると、2026-10時点でSelf Evolving Skillのダウンロード数は31,759、スター数は38で、累計ダウンロード数で今回のランキング対象AIスキル10,914件中855位、AIエージェントでは1,632件中135位です。

一覧の初期表示は累計ダウンロード数順で、スター数順にも並べ替えできます。詳細ページの順位は累計ダウンロード数で計算しています。

ダウンロード数
3.2万
スター数
38
累計ダウンロード順位
#855
全体の上位 8% · AIエージェントの上位 9%
プラットフォームダウンロード数スター数コメント
ClawHub ↗1.4万35-
SkillHub ↗3.2万38—

プラットフォームごとに集計方法と集計時点が異なります。

このスキルでできること

残差ピラミッドで認知のずれを分解して定量化し、残差のエネルギーから内省を起こすべきかを判断し、学習済みのパターンを経験再生として保持して重複した発火を減らします。長期的な価値が上がる場合にのみ変異を受け入れ、経験を永続化します。MCP ツールとコマンドラインの両方から利用できます。 出典のセキュリティスキャンは、保存と実行時の挙動の不一致や入力が記録される可能性を警告しています。範囲を限定した機密性のない作業文脈を使い、保存された学習データは共有・再利用前に確認してください。

資料公開日 2026-10-27

できること

  • 新しいスキルの変異を残すかどうかを価値で判断する仕組みをエージェントに加える。
  • MCP ツールでスキルを作成し、実行して統計を見る。

使う場面

  • スキルを使いながら段階的に改善したいとき。
  • 学んだ経験を永続化して再利用したいとき。

プロンプト例

スキルのドキュメントをもとに生成した例であり、実際の実行結果ではありません。

この仕組みでスキルを一つ作成し、一度実行して価値ゲートが残すかどうかを見てください。
ここで残差ピラミッドが内省の発火をどう判断するのか説明してください。

月次の推移

ダウンロード数3.2万
93352.1万3.3万2026-03 · ダウンロード数 1.1万2026-05 · ダウンロード数 1.3万2026-06 · ダウンロード数 1.4万2026-07 · ダウンロード数 1.4万2026-08 · ダウンロード数 1.5万2026-09 · ダウンロード数 1.7万2026-10 · ダウンロード数 3.2万26-0326-0926-10
スター数38
2934392026-03 · スター数 302026-05 · スター数 362026-06 · スター数 372026-07 · スター数 372026-08 · スター数 372026-09 · スター数 372026-10 · スター数 3826-0326-0926-10

2026-09 から集計方法を変更し、同名スキルを作者ごとに分けて集計し、全スキルを対象にしました。破線は変更前の月で、変更後のデータとは直接比較せず、変更をまたぐ増減も計算していません。

月ダウンロード数前月比スター数
2026-103.2万—38
2026-091.7万—37
2026-081.5万+3.0%37
2026-071.4万+5.1%37
2026-061.4万+3.9%37
2026-051.3万—36
2026-031.1万—30

SKILL.md 原文

作者が公開した元のファイルをテキストのまま表示しています。AlphaMoat による編集や審査はしていません。リンクはクリックできません。コマンドは内容を確認してから実行してください。取得日 2026-10-23。

3.9 KB・ClawHub v1.0.2
---
name: Self-Evolving Skill
description: Meta-cognitive self-learning system - Automated skill evolution based on predictive coding and value-driven mechanisms.
homepage: https://github.com/whtoo/self-evolving-bot

---


# Self-Evolving Skill
すべて表示(全 151 行)
元认知自学习系统 - 基于预测编码和价值驱动的Skill自动演化。

## 功能

- **ResidualPyramid金字塔分解,量化认知缺口
-**: 残差 **自适应反思触发**: 基于残差能量自动判断何时需要学习
- **经验回放**: 缓存已学模式,降低重复触发
- **价值门控**: 只有提升长期价值才接受变异
- **持久化**: 经验自动保存/加载

## 安装

```bash
# 技能已安装到 ~/.openclaw/skills/self-evolving-skill
# 或使用ClawHub
clawhub install self-evolving-skill
```

## 架构

```
self-evolving-skill/
├── core/                      # Python核心
│   ├── residual_pyramid.py     # 残差金字塔(SVD分解)
│   ├── reflection_trigger.py  # 自适应触发器
│   ├── experience_replay.py   # 经验回放缓存
│   ├── skill_engine.py        # 核心引擎+ValueGate
│   ├── storage.py             # 持久化
│   └── mcp_server.py          # MCP服务器
├── src/                       # TypeScript SDK
│   ├── index.ts               # 主入口
│   ├── cli.ts                 # CLI
│   └── mcp-tools.ts           # 工具定义
├── skills/                    # OpenClaw Skill
│   └── self-evolving-skill/    # 技能封装
├── MCP_CONFIG.md              # MCP配置
└── README.md                   # 文档
```

## MCP工具

| 工具 | 描述 | 参数 |
|------|------|------|
| `skill_create` | 创建Skill | `name`, `description` |
| `skill_execute` | 执行并学习 | `skill_id`, `context`, `success`, `value` |
| `skill_analyze` | 分析嵌入 | `embedding` |
| `skill_list` | 列出Skills | - |
| `skill_stats` | 系统统计 | - |
| `skill_save` | 持久化保存 | `skill_id` |
| `skill_load` | 加载 | `skill_id` |

## 使用方式

### CLI

```bash
# 列出所有Skill
openclaw skill self-evolving-skill list

# 创建Skill
openclaw skill self-evolving-skill create --name "MySkill"

# 执行
openclaw skill self-evolving-skill execute <id> --success

# 分析
openclaw skill self-evolving-skill analyze --embedding '[0.1,0.2,...]'

# 统计
openclaw skill self-evolving-skill stats
```

### MCP服务器

```bash
# 启动MCP服务器
cd ~/.openclaw/skills/self-evolving-skill
./run_mcp.sh

# 或使用适配器
python3 mcporter_adapter.py skill_list '{}'
```

### 编程

```typescript
import { SelfEvolvingSkillEngine } from 'self-evolving-skill';

const engine = new SelfEvolvingSkillEngine();
await engine.init();

const { skillId } = await engine.createSkill({ name: 'Analyzer' });
const stats = await engine.stats();
```

## 核心算法

### 1. 残差金字塔分解

```python
pyramid = ResidualPyramid(max_layers=5, use_pca=True)
decomposition = pyramid.decompose(embedding)

# 输出:
# - residual_ratio: 残差能量比率
# - suggested_abstraction: POLICY / SUB_SKILL / PREDICATE
# - novelty_score: 综合新颖性
```

### 2. 三层跃迁规则

| 覆盖率 | 抽象层级 | 操作 |
|--------|---------|------|
| >80% | POLICY | 调整策略权重 |
| 40-80% | SUB_SKILL | 生成子Skill |
| <40% | PREDICATE | 归纳新谓词 |

### 3. 自适应阈值

```python
trigger = ReflectionTrigger(
  min_energy_ratio=0.10,     # 初始阈值
  value_gain_threshold=0.20, # 触发阈值
  target_trigger_rate=0.15   # 目标15%触发率
)
```

## 文件位置

| 路径 | 说明 |
|------|------|
| `~/.openclaw/skills/self-evolving-skill` | 技能根目录 |
| `~/.openclaw/mcp_servers/self-evolving-skill.json` | MCP服务器配置 |
| `~/.openclaw/workspace/self-evolving-skill/storage` | 数据存储 |

## 相关文档

- [README.md](./README.md) - 完整文档
- [MCP_CONFIG.md](./MCP_CONFIG.md) - MCP配置说明
- [MEMORY.md](../MEMORY.md) - 研究笔记

AIエージェントの人気スキル

self-improving agentAIエージェント

開発中の学び、エラー、訂正を Markdown ファイルに記録し、再利用やワークスペースの記憶への昇格に備えます。

↓ 160.3万★ 4544pskoett
技能发现·Find SkillsAIエージェント

やりたいことを自然文で伝えると、ローカルとリモートのカタログからスキルを探して推薦するスキルです。

↓ 157.4万★ 1810桂皮
Agent BrowserAIエージェント

AI エージェント向けのブラウザ自動化コマンドラインスキルです。

↓ 122.3万★ 1001Nicolas Kleiber
Self-Improving + Proactive AgentAIエージェント

利用者の訂正と自己点検を層構造の記憶に蓄え、使われ方に応じて昇格や保管を行うスキルです。

↓ 69.6万★ 1622Iván
Proactive AgentAIエージェント

AI エージェントの先回り、作業記憶、振り返りの手順を計画するためのワークスペース設定ガイドです。

↓ 57.9万★ 916halthelobster
Skill CreatorAIエージェント

効果的な Claude スキルの作成・更新ガイドです。

↓ 47.7万★ 485chindden
Skill VetterAIエージェント

第三者のスキルを入れる前に、出所と権限と危険な作りを手順に沿って調べるスキルです。

↓ 44.5万★ 1328spclaudehome
唐朝诗仙李白 · Ai Agent SkillAIエージェント

以李白(701—762,字太白,号青莲居士,世称诗仙)的诗学观、意象系统与口吻,进行唐诗赏析、文学评论、考据问答与拟体创作。触发词:李白、李太白、太白、青莲居士、诗仙、谪仙人、将进酒、静夜思、蜀道难、唐诗、盛唐诗人、浪漫主义诗人、拟李白风格、以李白视角、李白会怎么写、用李白口吻。能力:诗词鉴赏与风格DNA解析、诗学观与文学谱系评述、诗句出处考据与真伪边界标注、以李白口吻答问、拟李白体旧体诗(必显式标注非原作)。适用边界:仅用于唐代文学与古典诗歌相关话题,非此类话题不触发;本 skill 为文学普及与研究辅助,不代表李白本人立场,所拟之作均非李白原作;涉及生平佚事、篇目归属等内容不构成学术定论,皆标存疑或待考。

↓ 43.6万★ 4user_ff4d9420

データ月:2026-10 · ダウンロード数とスター数は公開スキルレジストリ(ClawHub、SkillHub)から月単位で集計しています。詳しくはデータの方法論をご覧ください。