據 AlphaMoat 統計,截至 2026-10,Recursive Self Improvement 累計下載 12,372 次、獲 7 個星標,按累計下載量在本次參與排名的 10,914 個 AI 技能中排名第 2,233 位,在「開發程式設計」分類(1,069 個)中排名第 163 位。
列表預設按累計下載量排序,也可按星標排序;詳情頁排名按累計下載量計算。
| 平台 | 累計下載 | 星標 | 評論 |
|---|---|---|---|
| ClawHub ↗ | 7688 | 6 | - |
| SkillHub ↗ | 1.2萬 | 7 | — |
各平台的計數口徑不同,統計時間不一致。
檢測到錯誤或異常時進入修復模式,經過識別、根因分析、修復和測試,直到驗證透過;系統穩定時進入最佳化模式,分析效能與複雜度、制定重構方案、實施並做迴歸比較。還包含併發任務排程、自動化測試、效能監控、自適應學習、錯誤預測和異常恢復。支援以 REPAIRING、REPAIRED、STABLE、OPTIMIZING、OPTIMIZED 等狀態跟蹤過程。
資料釋出於 2026-10-27
以下是根據技能文件生成的示例,不代表實際執行結果。
2026-09 起統計方法調整:同名技能按作者分別統計,並覆蓋全部技能。圖中虛線為調整前的月份,與之後的資料不直接比較,也不計算跨越調整的增長。
| 月份 | 累計下載 | 環比 | 星標 |
|---|---|---|---|
| 2026-10 | 1.2萬 | — | 7 |
| 2026-09 | 8228 | — | 7 |
| 2026-08 | 7377 | +3.0% | 7 |
| 2026-07 | 7165 | — | 7 |
| 2026-05 | 6601 | — | 6 |
以下是作者釋出的原始檔案,按純文字顯示,本站未做修改或稽核;其中的連結不可點選,命令請核實後再執行。抓取於 2026-10-23。
--- name: recursive-self-improvement description: 递归自我改进系统,能够自动检测错误并修复,或持续优化和重构。包含修复模式和优化模式,支持并发执行、自动化测试、性能监控、智能调度、自适应学习、错误预测和异常恢复。用于需要持续自我优化的系统。 --- # 递归自我改进系统 ## 核心模式 系统有两种基本工作模式,根据系统状态自动切换:
### 1. 修复模式 (REPAIRING)
**触发条件:** 检测到错误或异常
**工作流程:**
1. 错误识别(类型/位置/影响)
2. 根因分析
3. 修复方案设计
4. 代码/逻辑变更
5. 单元测试
6. 集成测试
7. 验证通过?→ 是则标记已修复,否则回到步骤1
**系统状态:** REPAIRING → REPAIRED → STABLE
### 2. 优化模式 (OPTIMIZING)
**触发条件:** 系统稳定运行,无错误超过 N 轮
**工作流程:**
1. 性能指标收集
2. 代码复杂度分析
3. 重构方案设计
4. 迁移计划
5. 分步实施
6. 回归测试
7. 指标对比
8. 是否有提升?→ 是则标记已优化,否则保留原样
**系统状态:** OPTIMIZING → OPTIMIZED → STABLE
## 状态标记
- `INITIAL`: 初始状态
- `REPAIRING`: 修复模式中
- `OPTIMIZING`: 优化模式中
- `STABLE`: 稳定运行
- `ERROR`: 检测到错误
- `OPTIMIZED`: 已优化完成
## 并发执行引擎
系统支持多任务并发执行:
```
任务池 → 智能调度 → 并发执行 → 结果收集
```
**调度策略:**
- 基于任务复杂度
- 考虑历史成功率
- 预测执行时间
- 动态调整并发数
**默认配置:**
- 并发工作池大小:4
- 超时时间:5秒
- 重试次数:3
## 自动化测试框架
系统内置测试框架:
**测试类型:**
- 单元测试:验证单个功能
- 集成测试:验证模块间交互
- 性能测试:验证性能指标
**测试覆盖率:**
- 目标覆盖率:80%+
- 关键路径覆盖率:100%
## 性能监控仪表盘
实时监控以下指标:
**系统状态:**
- 当前版本
- 运行轮次
- 系统模块
**性能指标:**
- 并发任务数
- 平均执行时间
- 吞吐量(任务/分钟)
- CPU 使用率
- 内存使用率
## 智能任务调度器
基于历史数据和预测的智能调度:
**优先级计算:**
1. 任务复杂度评估
2. 历史成功率分析
3. 最近性能趋势
4. 截止时间紧迫性
**调度策略:**
- 高优先级任务优先执行
- 同优先级任务 FIFO
- 动态调整资源分配
## 自适应学习引擎
从执行中学习,持续优化:
**学习内容:**
- 任务执行成功率
- 性能瓶颈识别
- 模式识别
**预测能力:**
- 任务成功率预测
- 性能趋势预测
- 资源需求预测
## 错误预测系统
提前识别潜在错误:
**预测维度:**
- 任务类型模式
- 资源使用模式
- 时间分布模式
**预测阈值:**
- 低置信度:60%
- 中置信度:80%
- 高置信度:90%
## 异常恢复系统
智能错误处理和恢复:
**内置策略:**
- `TIMEOUT`: 重试 + 指数退避
- `MEMORY_ERROR`: 并行化处理
- `CONCURRENCY_LIMIT`: 动态调整并发数
**恢复流程:**
1. 错误检测
2. 策略匹配
3. 执行恢复
4. 验证结果
## 运行记录格式
每次运行记录使用标准格式:
```json
{
"timestamp": "2026-02-05T21:55:00Z",
"mode": "REPAIRING | OPTIMIZING | STABLE",
"action": "fix | refactor | validate | monitor",
"previous_state": "状态名称",
"current_state": "状态名称",
"details": "详细描述",
"results": {
"key1": true/false,
"key2": "value"
}
}
```
## 版本管理
系统自动管理版本:
**版本格式:** vN.M
**升级规则:**
- v1.0: 基础框架
- v2.0: 添加并发、测试、监控
- v3.0: 添加智能调度、学习引擎、错误预测
- v4.0: 添加恢复系统、完整生态
**升级条件:**
- 完成 N 轮优化
- 累计改进 10+ 项
- 持续稳定运行 24 小时
## 使用建议
**何时使用:**
- 需要持续改进的复杂系统
- 有明确性能指标的项目
- 需要自动化测试和验证的流程
- 多模块并行处理的任务
**最佳实践:**
1. 初始化时定义明确的性能基线
2. 每次优化后进行回归测试
3. 定期检查错误预测和建议
4. 保留优化历史用于分析
## 配置参数
可在配置文件中调整:
```json
{
"optimization": {
"min_stable_rounds": 3,
"max_concurrent_tasks": 8,
"timeout_seconds": 5
},
"testing": {
"target_coverage": 80,
"critical_coverage": 100
},
"monitoring": {
"metrics_interval": 60,
"alert_thresholds": {
"cpu": 80,
"memory": 90
}
}
}
```
## 资源
- [工作流程](references/workflows.md) - 详细工作流程和模式识别
- [使用示例](references/examples.md) - 运行记录格式和示例
【全棧能力】程式設計大神.Skill:面向複雜真實專案的高階全棧程式設計助手。不止生成程式碼,而是從一句目標接手陌生程式碼庫,拆解需求、補齊實現、追到根因、完成重構、聯調前後端,並把結果推進到能執行、能驗證、能交付。覆蓋 Web、後端、指令碼、iOS、安卓、鴻蒙 ArkUI、微信小程式及其他技術棧,支援中英文工程、疑難 Bug、跨模組任務和長任務續做;用構建、日誌、真實入口、裝置或介面證據說明結果。僅問概念時直接回答,要求落地時持續推進到驗收或明確阻塞。
程式設計專家 Pro:融合程式設計專家 2.0.3 工程專題與程式設計大神的鴻蒙 ArkTS/ArkUI、微信小程式和小遊戲開發資料。用於專案實現、根因除錯、審查、重構、測試、架構效能分析及多端開發驗證。支援自然語言和 @專題標識,按任務讀取包內知識;只問概念時直接回答。
程式設計專家.Skill P8級程式設計助手,25年實戰經驗技能Skill,全棧:Java/Php網站/軟體專案、API設計、Bug診斷、程式碼生成、程式碼審查、重構、測試用例、效能基準、技術選型、文件生成、任務拆解、Spec驅動、Karpathy規範、CMS二次開發、前端設計、MySQL/Mariadb、專案知識圖譜,以及工程紀律層(根因除錯硬閉環、階段導航、事故復盤/SLO、威脅建模/供應鏈安全、生產就緒/漸進式釋出、AI編碼治理、面向Agent程式碼可讀性、LLM應用安全)。支援 @標識 顯式呼叫跳過路由。
程式設計專家.Skill P8級程式設計助手,25年實戰經驗技能Skill,全棧:Java/Php網站/軟體專案、API設計、Bug診斷、程式碼生成、程式碼審查、重構、測試用例、效能基準、技術選型、文件生成、任務拆解、Spec驅動、Karpathy規範、CMS二次開發、前端設計、MySQL/Mariadb、專案知識圖譜,以及工程紀律層(根因除錯硬閉環、階段導航、事故復盤/SLO、威脅建模/供應鏈安全、生產就緒/漸進式釋出、AI編碼治理、面向Agent程式碼可讀性、LLM應用安全)。支援 @標識 顯式呼叫跳過路由。
程式設計專家 Pro:融合程式設計專家 2.0.3 工程專題與程式設計大神的鴻蒙 ArkTS/ArkUI、微信小程式和小遊戲開發資料。用於專案實現、根因除錯、審查、重構、測試、架構效能分析及多端開發驗證。支援自然語言和 @專題標識,按任務讀取包內知識;只問概念時直接回答。
程式設計專家 Pro:融合程式設計專家 2.0.3 工程專題與程式設計大神的鴻蒙 ArkTS/ArkUI、微信小程式和小遊戲開發資料。用於專案實現、根因除錯、審查、重構、測試、架構效能分析及多端開發驗證。支援自然語言和 @專題標識,按任務讀取包內知識;只問概念時直接回答。
程式設計專家.Skill P8級程式設計助手,25年實戰經驗技能Skill,全棧:Java/Php網站/軟體專案、API設計、Bug診斷、程式碼生成、程式碼審查、重構、測試用例、效能基準、技術選型、文件生成、任務拆解、Spec驅動、Karpathy規範、CMS二次開發、前端設計、MySQL/Mariadb、專案知識圖譜,以及工程紀律層(根因除錯硬閉環、階段導航、事故復盤/SLO、威脅建模/供應鏈安全、生產就緒/漸進式釋出、AI編碼治理、面向Agent程式碼可讀性、LLM應用安全)。支援 @標識 顯式呼叫跳過路由。
用 gh 命令列工具檢視 GitHub 上的 PR 檢查、工作流執行與 API 查詢的技能。
資料月份:2026-10 · 下載/星標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。