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。
| 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。
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
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 | 3.2萬 | — | 38 |
| 2026-09 | 1.7萬 | — | 37 |
| 2026-08 | 1.5萬 | +3.0% | 37 |
| 2026-07 | 1.4萬 | +5.1% | 37 |
| 2026-06 | 1.4萬 | +3.9% | 37 |
| 2026-05 | 1.3萬 | — | 36 |
| 2026-03 | 1.1萬 | — | 30 |
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: 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
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
將開發過程中的經驗、錯誤與修正記錄為 Markdown 檔案,供日後重用並提升為工作區記憶。
用自然語言描述需求,在本機與遠端技能市場尋找技能並取得推薦。
給 AI agent 用的瀏覽器自動化命令列技能。
將使用者明確糾正與自我檢視整理成分層記憶,並依使用情況升級或封存。
規劃 AI 代理主動跟進、工作記憶與回顧流程的工作區設定指南。
指導如何建立與更新有效 Claude 技能的寫作指南。
在安裝第三方技能之前,按清單審查來源、許可權與危險模式的技能。
把盛唐詩人李白的詩學觀、意象系統與口吻,蒸餾成 AI 可呼叫的角色包。
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。