Token导航 LogoToken导航

Agent Skill · 效率

ai-self-evolution(AI 自我进化)

ai-self-evolution 用于补充效率相关能力,适合在 OpenClaw 中需要让 Agent 承接效率相关任务时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

ai-self-evolution 是效率类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为需要联网;许可证为 MIT-0,第三方扫描已通过,按安装量在效率类的 21,003 个 Skill 里排第 7,014。

总安装 8,614周安装 370GitHub Stars 2下载 3,019核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
1.0.1

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:ai-self-evolution(AI 自我进化)
来源仓库:https://github.com/andylue/ai-self-evolution
安装命令:
openclaw skills install ai-self-evolution
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install ai-self-evolution

这个 Skill 是做什么的

效率类 Skill 把重复的整理、汇总、转换工作交给助手完成,减少手工复制粘贴。

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。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install ai-self-evolution;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要需要联网,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

ai-self-evolution 怎么安装?

在终端执行 openclaw skills install ai-self-evolution。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

ai-self-evolution 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

ai-self-evolution 需要什么权限?

权限级别是需要联网。该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

ai-self-evolution 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

ai-self-evolution 用的人多吗?

公开数据是累计安装 8,614 次,近一周安装 370 次,下载 3,019 次,GitHub 2 星。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

ai-self-evolution 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。
  • 第三方扫描已通过,常见的高风险行为没有命中。

先想清楚的地方

  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理效率类任务、又不想每次都手写提示词的人。
  • 需要许可证清楚、并且有第三方扫描结果的团队项目。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

效率类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
github

GitHub 代码协作 · OpenClaw

7,632,918545需要联网MIT-0通过
nano-pdf

Nano PDF 文档 · OpenClaw

4,249,476231需要联网MIT-0通过
auto-updater

自动更新程序 · OpenClaw

2,964,063386操作浏览器MIT-0通过
video-frames

视频帧 · OpenClaw

2,621,304112需要联网MIT-0通过
gemini

Gemini 助手 · OpenClaw

2,547,39648需要联网MIT-0有提醒
ai-self-evolution

AI 自我进化 · 本页

8,6142需要联网MIT-0通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

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:
   grep -c "Status\*\*: pending" .learnings/*.md 2>/dev/null
  1. 扫描高优先级问题:
   grep -B3 "Priority\*\*: high\|Priority\*\*: critical" .learnings/*.md | grep "^## \["
  1. 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
  2. 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
  3. 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)

  1. 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)

## [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)

## [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)

## [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:

### 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
frontendUI、组件、客户端
backendAPI、服务端
infraCI/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

平台分布

OpenClaw

83.39%
按下载量换算2,518

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills