Token导航 LogoToken导航

Agent Skill · 开发

auto-improve(自动改进)

auto-improve 用于补充开发相关能力,适合在 OpenClaw 中需要让 Agent 承接开发相关任务时使用。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。

auto-improve 是开发类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为权限未标注;许可证为 MIT-0,第三方扫描有提醒项,按安装量在开发类的 21,746 个 Skill 里排第 1,653。

总安装 25,678周安装 1,103GitHub Stars 公开资料未说明下载 9,101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
1.0.0

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:auto-improve(自动改进)
来源仓库:https://github.com/mcben90/auto-improve
安装命令:
openclaw skills install auto-improve
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 auto-improve

这个 Skill 是做什么的

开发类 Skill 面向写代码、改代码和排查问题,一般会读写仓库文件,部分还会执行构建或测试命令。

通过模式识别实现代理自我意识与能力提升。持续学习任务特征以优化后续执行策略。auto-improve 属于开发类 Skill,可作为该场景下的辅助能力补充。专为 OpenClaw 代理设计的自适应进化模块。安装后自动启用学习机制,无需额外配置。注意监控其决策过程是否符合预期方向。

适用宿主包括 OpenClaw,接入前应确认版本、权限和运行环境要求。

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 auto-improve;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

    权限没有明确标注,第一次使用时只给一个无关紧要的任务,观察它到底读了哪些文件和网络。

常见问题

6 条

auto-improve 怎么安装?

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

auto-improve 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。

auto-improve 需要什么权限?

权限级别没有明确标注。第一次使用时建议只给无关紧要的任务,观察它实际读写了哪些内容。

auto-improve 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。

auto-improve 用的人多吗?

公开数据是累计安装 25,678 次,近一周安装 1,103 次,下载 9,101 次。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。

auto-improve 安全吗?

第三方扫描有提醒项,说明存在需要人工确认的行为。安装前请打开源码看清它读了什么、联网到哪里。

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。

先想清楚的地方

  • 第三方扫描存在提醒项或未通过项,需要人工逐条确认。
  • 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。
  • 需要处理开发类任务、又不想每次都手写提示词的人。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

开发类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
skill-vetter

技能审查员 · OpenClaw

8,779,018986操作浏览器MIT-0通过
ontology

本体论 · OpenClaw

6,636,960576只读MIT-0通过
entra-app-registration

内部应用程序注册 · Codex、Claude

6,631,872764接触敏感数据未明确通过
entra-app-registration

内部应用程序注册 · Codex、Claude

3,757,680201接触敏感数据未明确通过
nano-banana-pro

纳米香蕉专业版 · OpenClaw

3,526,898364接触敏感数据MIT-0有提醒
auto-improve

自动改进 · 本页

25,678—权限未标注MIT-0有提醒

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
Auto-Improve Skill
description
Automatische Selbst-Verbesserung durch Fehler-Lernen und Pattern-Erkennung

Auto-Improve Skill

Kernprinzip: Jede Aktion macht mich besser für die nächste.

Wann aktivieren

  • Session-Start (automatisch)
  • Nach jedem Task-Abschluss
  • Bei Fehlern

Der Improvement Loop

┌─────────────────────────────────────────────────┐
│              AUTO-IMPROVE LOOP                  │
├─────────────────────────────────────────────────┤
│                                                  │
│  SESSION START                                  │
│       │                                         │
│       ▼                                         │
│  ┌─────────────────┐                           │
│  │ 1. Load Context │                           │
│  │    .antigravity │                           │
│  │    + MEMORY     │                           │
│  └────────┬────────┘                           │
│           ▼                                     │
│  ┌─────────────────┐                           │
│  │ 2. Check        │                           │
│  │    Past Mistakes│ ← "Was hab ich falsch     │
│  └────────┬────────┘    gemacht?"              │
│           ▼                                     │
│  ┌─────────────────┐                           │
│  │ 3. EXECUTE TASK │                           │
│  └────────┬────────┘                           │
│           ▼                                     │
│  ┌─────────────────┐                           │
│  │ 4. Verify       │ ← Tests + Lint            │
│  └────────┬────────┘                           │
│           ▼                                     │
│     ┌─────────────┐                            │
│     │ Erfolgreich?│                            │
│     └──────┬──────┘                            │
│      JA    │    NEIN                           │
│      ↓     │     ↓                             │
│  ┌───────┐ │ ┌──────────┐                      │
│  │Pattern│ │ │ Learn    │                      │
│  │Save   │ │ │ Mistake  │                      │
│  └───┬───┘ │ └────┬─────┘                      │
│      └─────┼──────┘                            │
│            ▼                                    │
│  ┌─────────────────┐                           │
│  │ 5. Update       │                           │
│  │    .antigravity │                           │
│  └─────────────────┘                           │
│                                                  │
│  → NÄCHSTER TASK IST BESSER                    │
│                                                  │
└─────────────────────────────────────────────────┘

Phase 1: Session Start

# Automatisch bei Session-Start ausführen

# 1. Projekt-Kontext laden
project_root = detect_project_root()
antigravity_file = f"{project_root}/.antigravity.md"

if exists(antigravity_file):
    load_context(antigravity_file)
    
# 2. Globales Memory laden
recall_memory(tags=["mistakes", project_name])

# 3. Warnung bei bekannten Fehlern
if relevant_mistakes:
    warn(f"⚠️ Bekannte Fehler für {project}: {mistakes}")

Phase 2: Pre-Action Check

Vor JEDER Code-Änderung:

## Pre-Action Checklist
- [ ] Habe ich das schon mal falsch gemacht?
- [ ] Gibt es ein gespeichertes Pattern dafür?
- [ ] Verstehe ich das Projekt-Architektur?
- [ ] Kenne ich die Coding-Standards?

Phase 3: Post-Action Learn

Nach JEDER Aktion:

Bei Erfolg

save_pattern(
    situation=task.context,
    action=task.approach,
    outcome="success",
    pattern=extract_reusable_pattern(task)
)

Bei Fehler

learn_from_mistake(
    mistake=error.description,
    cause=error.root_cause,
    lesson=error.how_to_avoid,
    tags=["mistakes", project, domain]
)

# Auto-Update .antigravity.md
update_antigravity_mistakes(project, error)

Integration mit bestehenden Skills

SkillIntegration
mistake-trackerLiefert Fehler-Daten
verification-loopsTriggert Post-Action Learn
context-managementSession Context laden
self-checkPre-Action Validation

Triggers

Automatische Trigger

session_start:
  - load_project_context
  - recall_mistakes
  - warn_known_issues

post_code_edit:
  - run_verification_loop
  - if_error: learn_from_mistake
  - if_success: save_pattern

session_end:
  - summarize_learnings
  - update_antigravity

Manuelle Trigger

  • /improve - Force Learning aus letzter Aktion
  • /mistakes - Zeige alle gelernten Fehler
  • /patterns - Zeige erfolgreiche Patterns

Metriken

Track diese Werte über Zeit:

MetrikBeschreibung
mistakes_repeatedSollte → 0 gehen
first_time_rightSollte → 100% gehen
patterns_reusedSollte steigen
verification_failuresSollte sinken

Anti-Patterns

❌ DON'T✅ DO
Fehler ignorierenJeden Fehler speichern
Nur aktuelle SessionCross-Session lernen
Generische LessonsSpezifische, actionable Lessons
Zu viel speichernNur Relevantes speichern

平台分布

OpenClaw

72.84%
按下载量换算6,629

安全审计

VirusTotal

可疑

ClawScan

可疑

Static analysis

未展示

权限和风险

权限未标注

当前来源未能明确判断权限范围,默认进入异常复核队列。

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。来源安全扫描存在提醒或未通过项,安装前请自行复核。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