bltdz Orion

Self Evolving Skill

AI 智慧體v1.0.2
作者:bltdz Orion更新於 2026-05-18共 3 個版本 · 最新版本釋出於 2026-02-04self-evolving-skill@clawhub_whtoo/self-evolving-skill
Agent 框架任務自動化記憶增強

據 AlphaMoat 統計,截至 2026-10,Self Evolving Skill 累計下載 31,759 次、獲 38 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 855 位,在「AI 智慧體」分類(1,632 個)中排名第 135 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。

累計下載
3.2萬
星標
38
全站下載量排名
#855
全站前 8% · 「AI 智慧體」前 9%
平台累計下載星標評論
ClawHub ↗1.4萬35-
SkillHub ↗3.2萬38—

各平台的計數口徑不同,統計時間不一致。

這個技能是做什麼的

用殘差金字塔分解並量化認知缺口,按殘差能量判斷何時觸發反思,快取已學模式做經驗回放以減少重複觸發,只在長期價值提升時接受變異,並把經驗持久化。提供 MCP 工具與命令列兩種呼叫方式。來源安全掃描提示儲存與執行行為不一致,且工具輸入可能被記錄。應使用範圍受限的非敏感任務上下文,並在分享或重用前檢查已儲存的學習資料。

資料釋出於 2026-10-27

可以用來做什麼

  • 給 agent 加上按價值判斷是否保留新技能的機制。
  • 用 MCP 工具建立、執行並統計技能。

什麼時候用

  • 希望技能在使用中逐步迭代時。
  • 要把學到的經驗持久化複用的時候。

示例提示詞

以下是根據技能文件生成的示例,不代表實際執行結果。

用這套系統建立一個技能,執行一次後看看價值門控會不會保留它。
解釋殘差金字塔在這裡如何判斷該不該觸發反思。

月度資料趨勢

累計下載3.2萬
93352.1萬3.3萬2026-03 · 累計下載 1.1萬2026-05 · 累計下載 1.3萬2026-06 · 累計下載 1.4萬2026-07 · 累計下載 1.4萬2026-08 · 累計下載 1.5萬2026-09 · 累計下載 1.7萬2026-10 · 累計下載 3.2萬26-0326-0926-10
星標38
2934392026-03 · 星標 302026-05 · 星標 362026-06 · 星標 372026-07 · 星標 372026-08 · 星標 372026-09 · 星標 372026-10 · 星標 3826-0326-0926-10

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
2026-103.2萬—38
2026-091.7萬—37
2026-081.5萬+3.0%37
2026-071.4萬+5.1%37
2026-061.4萬+3.9%37
2026-051.3萬—36
2026-031.1萬—30

SKILL.md 原文

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。

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
展開全部(共 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 智慧體」分類下的熱門技能

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。