据 AlphaMoat 统计,截至 2026-09,AI自动进化工程,结合self-improvement技巧+实际运行总结而成 累计下载 3,042 次、获 4 个星标,在全部 5,078 个 AI 技能中排名第 3,701 位,在「AI 智能体」分类(969 个)中排名第 746 位。
| 平台 | 累计安装 | 累计下载 | 星标 | 评论 |
|---|---|---|---|---|
| ClawHub ↗ | 26 | 1,128 | 2 | - |
| SkillHub ↗ | 536 | 3,042 | 4 | — |
各平台的计数口径不同,统计时间不一致。
按场景把条目分到错误、经验与需求三类文件,用户纠正、接口失败、知识过时与更优做法各有归属。每次重大任务前先搜相关历史经验并加载最近条目,会话结束时做总结,高价值经验再抽成独立技能。记录落在项目的经验目录,可跟随仓库一起留存。使用前确认目标账户/接收方和数据共享范围;重要的外部操作须事先确认,并独立核验生成或检索结果。
资料发布于 2026-10-27
以下是根据技能文档生成的示例,不代表实际运行结果。
2026-09 起统计方法调整:同名技能按作者分别统计,并覆盖全部技能。图中虚线为调整前的月份,与之后的数据不直接比较,也不计算跨越调整的增长。
| 月份 | 累计下载 | 环比 | 星标 |
|---|---|---|---|
| 2026-09 | 3,042 | — | 4 |
| 2026-08 | 2,366 | +10.0% | 4 |
| 2026-07 | 2,151 | +14.3% | 4 |
| 2026-06 | 1,882 | +11.0% | 4 |
| 2026-05 | 1,695 | — | 3 |
| 2026-03 | 851 | — | 2 |
以下是作者发布的原始文件,按纯文本显示,本站未做修改或审核;其中的链接不可点击,命令请核实后再运行。抓取于 2026-10-23。
--- name: ai-self-evolution description: "记录经验、错误与修正,持续改进。触发场景:命令失败 | 操作出错 | 用户纠正(不对、实际上、你错了) | 功能请求(能不能、我希望、有没有办法) | API或工具失败 | 知识过时 | 发现更优做法 | 重复模式 | 非显而易见的问题。执行重大任务前先回顾历史经验。会话开始时回顾,会话结束时总结。" metadata: --- # 自我改进技能 将经验与错误记录到 `.learnings/` 目录,形成持续改进闭环。高价值经验沉淀到项目记忆。
> 安装/配置/Hook/多代理适配 → 见 `references/` 目录 ## 快速参考 | 场景 | 操作 | |------|------| | 命令/操作失败 | 记录到 `ERRORS.md` | | 用户纠正你 | 记录到 `LEARNINGS.md`,分类 `correction` | | 用户提出新需求 | 记录到 `FEATURE_REQUESTS.md` | | API/外部工具失败 | 记录到 `ERRORS.md`,补充集成细节 | | 知识已过时 | 记录到 `LEARNINGS.md`,分类 `knowledge_gap` | | 发现更好做法 | 记录到 `LEARNINGS.md`,分类 `best_practice` | | 重复模式(simplify-and-harden) | 记录或更新 `LEARNINGS.md`,设 `Pattern-Key` | | 与已有条目相似 | 用 `See Also` 关联,必要时提高优先级 | | 可广泛复用的经验 | 提升到 `CLAUDE.md` / `AGENTS.md` | | 工作流/工具/行为类 | 提升到 `AGENTS.md` / `TOOLS.md` / `SOUL.md`(OpenClaw 工作区) | 所有日志文件位于 `.learnings/` 目录(项目级或 `~/.openclaw/workspace/.learnings/`)。 --- ## 会话开始:自动回顾 每次会话开始或执行重大任务前,执行以下回顾流程: 1. **检查待处理条目**: ```bash grep -c "Status\*\*: pending" .learnings/*.md 2>/dev/null ``` 2. **扫描高优先级问题**: ```bash grep -B3 "Priority\*\*: high\|Priority\*\*: critical" .learnings/*.md | grep "^## \[" ``` 3. **检查与当前任务相关的历史经验**:根据任务涉及的 Area 和关键词搜索 4. **加载最近条目**(最近 7 天内创建的):快速浏览最新 3-5 条记录 5. **输出回顾摘要**(内部执行,不打扰用户):待处理数 / 高优数 / 相关经验 > 如果 `.learnings/` 不存在或为空,跳过回顾,正常工作。 --- ## 会话结束:经验总结 在会话即将结束时(用户明确结束、任务完成、长时间无新指令),执行: 1. **回顾本次会话**:检查是否有未记录的错误、纠正或新发现 2. **补录遗漏条目**:将本次会话中遗漏的经验补充记录 3. **更新已解决条目**:本次修复的问题,将状态改为 `resolved` 4. **输出会话经验摘要**(简短告知用户): - 本次新增条目数 / 关闭条目数 - 建议提升的高价值经验(如有) 5. **触发归档检查**:如果条目总数超过阈值,执行归档流程 --- ## 自动合并与归档 ### 触发条件(满足任一即执行) - 单个文件超过 50 条 pending 条目 - 存在超过 90 天未更新的 pending 条目 - 会话结束总结时检测到条目膨胀 ### 归档流程 1. **合并重复条目**:相同 `Pattern-Key` 或高度相似 Summary → 合并为一条,累加 `Recurrence-Count`,保留最新 `Last-Seen`,用 `See Also` 记录被合并的原始 ID 2. **归档已关闭条目**:`resolved` / `wont_fix` / `promoted` 超过 30 天 → 移动到 `.learnings/archive/YYYY-MM.md` 3. **清理低价值条目**:`low` 优先级 + `pending` 超过 60 天 → 标记 `stale`;`stale` 超过 30 天 → 归档 --- ## 检测触发器 观察到以下信号时**立即记录**: | 类型 | 信号 | 记录到 | |------|------|--------| | **纠正** | "不对" "实际上应该" "你这里错了" "已经过时了" | `LEARNINGS.md` 分类 `correction` | | **功能请求** | "你还能不能" "我希望你可以" "有没有办法" "为什么你不能" | `FEATURE_REQUESTS.md` | | **知识缺口** | 用户提供你不知道的信息、文档过时、API 行为不一致 | `LEARNINGS.md` 分类 `knowledge_gap` | | **错误** | 非零退出码、异常堆栈、输出异常、超时、连接失败 | `ERRORS.md` | | **更优做法** | 发现比当前方案更好的实现 | `LEARNINGS.md` 分类 `best_practice` | --- ## 记录格式 ### Learning 条目(追加到 `LEARNINGS.md`) ```markdown ## [LRN-YYYYMMDD-XXX] category **Logged**: ISO-8601 timestamp **Priority**: low | medium | high | critical **Status**: pending **Area**: frontend | backend | infra | tests | docs | config ### Summary 一行描述学到了什么 ### Details 完整上下文:发生了什么、哪里错了、正确做法是什么 ### Suggested Action 可执行的修复或改进建议 ### Metadata - Source: conversation | error | user_feedback | simplify-and-harden - Related Files: path/to/file.ext - Tags: tag1, tag2 - See Also: LRN-20250110-001 - Pattern-Key: simplify.dead_code(可选) - Recurrence-Count: 1(可选) - First-Seen / Last-Seen: 2025-01-15(可选) --- ``` ### Error 条目(追加到 `ERRORS.md`) ```markdown ## [ERR-YYYYMMDD-XXX] skill_or_command_name **Logged**: ISO-8601 timestamp **Priority**: high **Status**: pending **Area**: frontend | backend | infra | tests | docs | config ### Summary 失败情况简述 ### Error 实际错误信息或输出 ### Context - 尝试执行的命令/操作 - 使用的输入或参数 ### Suggested Fix 潜在修复方式 ### Metadata - Reproducible: yes | no | unknown - Related Files: path/to/file.ext - See Also: ERR-20250110-001 --- ``` ### Feature Request 条目(追加到 `FEATURE_REQUESTS.md`) ```markdown ## [FEAT-YYYYMMDD-XXX] capability_name **Logged**: ISO-8601 timestamp **Priority**: medium **Status**: pending **Area**: frontend | backend | infra | tests | docs | config ### Requested Capability 用户希望实现的能力 ### User Context 用户为什么需要它 ### Complexity Estimate simple | medium | complex ### Suggested Implementation 可行实现思路 ### Metadata - Frequency: first_time | recurring - Related Features: existing_feature_name --- ``` --- ## ID 与状态 **ID 格式**:`TYPE-YYYYMMDD-XXX`(TYPE: LRN/ERR/FEAT,XXX: 顺序号或随机 3 位) **状态流转**: - `pending` → `in_progress` → `resolved`(附 Resolution 块) - `pending` → `wont_fix`(附原因) - `pending` / `resolved` → `promoted`(已提升到项目记忆) - `pending` → `promoted_to_skill`(已抽取为独立 skill) - `pending` → `stale` → 归档 **关闭条目时**,在 Metadata 后添加: ```markdown ### Resolution - **Resolved**: ISO-8601 timestamp - **Commit/PR**: abc123 or #42 - **Notes**: 简述 ``` --- ## 重复模式检测 记录前先搜索已有条目: 1. `grep -r "关键词" .learnings/` 2. 若已有相似条目:添加 `See Also` 关联,增加 `Recurrence-Count` 3. 重复 3 次以上 → 提高优先级,考虑系统性修复 4. 系统性修复方向:文档缺失 → 提升到 CLAUDE.md;自动化缺失 → 写入 AGENTS.md;架构问题 → 创建技术债任务 ### Simplify & Harden 吸收 1. 从任务摘要读取 `simplify_and_harden.learning_loop.candidates` 2. 以 `pattern_key` 去重,搜索 `LEARNINGS.md` 3. 已存在 → 增加 `Recurrence-Count`,更新 `Last-Seen` 4. 不存在 → 新建条目,设 `Source: simplify-and-harden` --- ## 提升到项目记忆 ### 何时提升 - 经验适用于多个文件/功能 - 任何贡献者都应知晓 - 能避免重复犯错 - 重复模式满足:`Recurrence-Count >= 3` + 涉及 2+ 任务 + 30 天窗口内 ### 提升目标 | 经验类型 | 提升到 | |----------|--------| | 项目事实、通用约定 | `CLAUDE.md` | | 工作流、自动化规则 | `AGENTS.md` | | 行为准则、沟通风格 | `SOUL.md`(OpenClaw) | | 工具能力、集成坑点 | `TOOLS.md`(OpenClaw) | ### 如何提升 1. **提炼**为简洁预防规则(编码前/编码中该做什么),而非事故复盘 2. **写入**目标文件对应章节 3. **更新**原条目状态为 `promoted`,添加 `Promoted: <目标文件>` ### Skill 抽取 当经验满足以下任一条件时,可抽取为独立 skill: - 通过 `See Also` 关联到 2+ 相似问题 - 状态为 `resolved` 且修复已验证 - 非项目特定,可跨代码库复用 - 用户明确要求"保存成 skill" 抽取流程与模板 → 见 `references/skill-extraction.md` --- ## 优先级与 Area | 优先级 | 适用场景 | |--------|----------| | `critical` | 阻塞核心功能、数据丢失风险、安全问题 | | `high` | 影响显著、常用流程、重复出现 | | `medium` | 影响中等、有可行绕过方案 | | `low` | 轻微不便、边缘场景 | | Area | 范围 | |------|------| | `frontend` | UI、组件、客户端 | | `backend` | API、服务端 | | `infra` | CI/CD、部署、Docker | | `tests` | 测试文件、覆盖率 | | `docs` | 文档、README | | `config` | 配置、环境、参数 | --- ## 最佳实践 1. **立即记录** — 问题刚发生时上下文最完整 2. **具体明确** — 便于后续代理快速理解 3. **包含复现步骤** — 尤其是错误类条目 4. **关联相关文件** — 提高修复效率 5. **给出可执行建议** — 避免仅写"需要调查" 6. **记录前先搜索** — 避免重复,优先关联已有条目 7. **积极提升** — 有疑问时优先沉淀到项目记忆 8. **定期归档** — 保持日志文件精简高效
把开发过程中的经验、错误与纠正记录为 Markdown 文件,供后续复用并晋升为工作区记忆。
用自然语言描述需求,在本地与远程技能市场里找技能并给出推荐的技能。
给 AI agent 用的浏览器自动化命令行技能。
把用户纠正与自我复盘沉淀成分层记忆、并按使用情况升降级的技能。
在安装第三方技能之前,按清单审查来源、权限与危险模式的技能。
把 agent 的记忆与跨技能状态存成带类型和约束的知识图谱的技能。
一份为 AI 代理规划主动跟进、工作记忆与复盘流程的工作区配置指南。
指导如何创建与更新有效 Claude 技能的写作指南。
数据月份:2026-09 · 下载/星标/安装数聚合自公开技能注册库(ClawHub、SkillHub),按月更新。口径说明见数据方法。