據 AlphaMoat 統計,截至 2026-09,andrej-karpathy-skills 累計下載 6,267 次、獲 30 個星標,在全部 193,229 個 AI 技能中排名第 2,139 位,在「AI 智慧體」分類(22,759 個)中排名第 309 位。
參考github上的andrej-karpathy-skills修改為openclaw的可用版本 同時支援Qclaw安裝使用 "模型會替你做出錯誤的假設，然後盲目地跟著執行，而不進行檢查。它們不管理自己的困惑，不尋求澄清，不暴露不一致性，不提出權衡，在應該反對的時候也不反對。" "它們真的喜歡過度複雜化程式碼和 API，膨脹抽象，不清除死程式碼……用超過 1000 行的臃腫結構，而 100 行就足夠了。" "它們有時仍然會改變/刪除它們不完全理解的註釋和程式碼，作為副作用，即使這與任務無關。" 四條核心原則解決AI幻覺問題 Think Before Coding — 別預設假設，先澄清再動手 Simplicity First — 最少程式碼解決問題，不搞過度抽象 Surgical Changes — 只改該改的，順手重構是大忌 Goal-Driven Execution — 定義可驗證的成功標準，迴圈直到達標
| 月份 | 累計下載 | 環比 | 星標 | 累計安裝 |
|---|---|---|---|---|
| 2026-09 | 6267 | — | 30 | 376 |
記錄自身發現以實現自我改進的技能
幫助使用者發現和安裝智慧體技能，當用戶詢問如「如何做X」、「找X的技能」、「有能做...的嗎」等問題時
用於 AI 代理的瀏覽器自動化 CLI。當用戶需要與網站互動（包括瀏覽頁面、填寫表單、點選按鈕、截圖等）時使用。
自我反思+自我批評+自我學習+自組織記憶。智慧體評估自身工作、發現錯誤並持續改進。
AI智慧體技能安全預審工具。安裝ClawdHub、GitHub等來源技能前，檢查風險訊號、許可權範圍及可疑模式。
類型化知識圖譜，用於結構化智慧體記憶與可組合技能。適用於以下場景：建立/查詢實體（人物、專案、任務、事件、文件）、關聯相關物件、強制執行約束、將多步操作規劃為圖譜變換，或當技能需要共享狀態時。觸發關鍵詞包括"記住""我知道關於什麼""將X連結到Y""顯示依賴關係"、實體增刪改查操作，以及跨技能資料訪問。
將 AI 代理從任務執行者轉變為能夠預見需求、持續最佳化的主動夥伴。現已支援 WAL Protocol、Working Buffer、Autonomous Crons 及經過實戰驗證的模式。屬於 Hal Stack 🦞。
無頭瀏覽器自動化CLI,為AI Agent最佳化,支援無障礙樹快照與引用提取,精準網頁操作
資料月份:2026-09 · 下載/星標/安裝數聚合自公開技能註冊庫(ClawHub、SkillHub),按月更新。口徑說明見資料方法。