Token导航 LogoToken导航

Agent Skill · 研究检索

developer-self-improve-core(开发者自我提升核心)

developer-self-improve-core 用于记录任务执行中的错误、用户纠正、经验和能力缺口,适合在 OpenClaw 中希望让 Agent 持续沉淀问题、修正和最佳实践时使用。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。

developer-self-improve-core 是研究检索类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为只读;许可证为 MIT-0,第三方扫描有提醒项,按安装量在研究检索类的 73,675 个 Skill 里排第 21,261。

总安装 4,919周安装 199GitHub Stars 1下载 1,544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
1.1.9

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:developer-self-improve-core(开发者自我提升核心)
来源仓库:https://github.com/joelee09/developer-self-improve-core
安装命令:
openclaw skills install developer-self-improve-core
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 developer-self-improve-core

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题,通常会让助手先检索再总结。

实现 AI 代理的自我迭代机制,包括错误防重、自检与规则生成。适合在 OpenClaw 中希望持续优化回答质量和减少重复失误时使用。每轮对话后生成改进草案,每周自动清理冗余记忆。安装命令:openclaw skills install developer-self-improve-core;需钉钉集成用于提醒。

所有规则必须经人工终审,禁止自动写入关键配置。

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 developer-self-improve-core;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

    它标注为只读,先用只读任务试一次,确认行为符合预期再扩大使用范围。

常见问题

6 条

developer-self-improve-core 怎么安装?

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

developer-self-improve-core 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。

developer-self-improve-core 需要什么权限?

权限级别是只读。该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

developer-self-improve-core 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。

developer-self-improve-core 用的人多吗?

公开数据是累计安装 4,919 次,近一周安装 199 次,下载 1,544 次,GitHub 1 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。

developer-self-improve-core 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。
  • 标注为只读权限,试用阶段不容易误改本地文件。

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。
  • 需要处理研究检索类任务、又不想每次都手写提示词的人。
  • 只想先试试效果、不希望它改动本地文件的人。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
find-skills

寻找技能 · Codex、Claude

31,199,81316,486操作浏览器MIT有提醒
self-improving-agent

自我改进 Agent · OpenClaw

16,464,0023,396接触敏感数据MIT-0通过
soultrace

灵魂追踪 · Codex、Claude

7,588,94412需要联网未明确有提醒
self-improving

自我完善 · OpenClaw

6,829,2841,046需要联网MIT-0通过
microsoft-foundry

微软代工厂 · Codex、Claude

6,614,144764调用外部服务未明确有提醒
developer-self-improve-core

开发者自我提升核心 · 本页

4,9191只读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
developer-self-improve-core
description
|
metadata
emoji
🛡️
version
1.1.9
author
lijiujiu
license
MIT
requires
bins
["bash", "find", "grep", "awk", "md5sum", "stat", "sed"]
optional
["openclaw"]
env
["AUTO_MEMORY_WORKSPACE"]
config
["workspace/config/current_user.json"]
tags
["developer", "memory", "safe", "automation", "reminder", "dingtalk", "app-development", "开发人员", "APP 开发", "IT", "软件开发", "移动开发"]

🛡️ developer-self-improve-core

开发者自改进核心技能


🚀 快速开始

1. 安装技能

clawhub install developer-self-improve-core

2. 初始测试(推荐)

首次安装后,建议先禁用自动化功能进行测试:

vi config/config.yaml

确认以下配置(默认已禁用):

enable_reminder: false      # 默认:false(测试时禁用)
enable_auto_cleanup: false  # 默认:false(测试时禁用)

测试命令:

./scripts/developer-self-improve-core.sh init
./scripts/developer-self-improve-core.sh pre-check "测试场景"
./scripts/developer-self-improve-core.sh post-check "测试内容" "测试"

3. 启用定时提醒(可选)

测试确认无误后,可以启用定时提醒:

  1. 配置钉钉账号:
   vi config/config.yaml
   dingtalk_target: "您的钉钉账号 ID"  # 替换为 18 位钉钉账号 ID
   enable_reminder: true               # 启用提醒
  1. 配置 crontab:
   crontab -e
   # 添加以下行(每天 9:30 执行):
   30 9 * * * cd ~/.openclaw/workspace/skills/developer-self-improve-core && ./scripts/daily-check.sh

4. 使用技能

技能会自动在 AI 回答前后执行:

  • ✅ 回答前:错误防重
  • ✅ 回答后:自检 + 规则生成

⚡ 触发时机

时机执行内容频率
每轮回答前自动错误防重每次响应前
每轮回答后自动自检 + 生成规则草案每次响应后
定期清洗自动记忆清洗扫描累计 10 轮对话或每周

🔄 一体化执行逻辑

1. 回答前(错误防重)

1. 加载当前场景对应的人工确认长期规则
   ↓
2. 命中已知错误类型则自动修正
   ↓
3. 仅使用人工确认规则,绝不使用未确认草案
   ↓
4. 内部标记:已规避同类错误

示例:

场景:代码推送
命中规则:【auto_push_001】永远使用 push_to_target.sh 脚本推送
行动:自动修正为使用脚本,标记"已规避同类错误"

2. 回答后(自检 + 反思 + 提案)

1. 静默自检:
   - 是否冲突长期规则
   - 是否重复犯错
   - 是否存在硬错误
   ↓
2. 仅在满足可信依据时生成规则草案:
   ✔ 用户明确规范/错误
   ✔ 可复现模式≥2 次
   ✔ 可验证逻辑/格式/事实错误
   ✔ 与历史规则冲突
   ↓
3. 禁止主观推断、特例泛化、幻觉规则
   ↓
4. 按固定格式生成草案,自动去重,不自动入库
   ↓
5. 主动询问用户:
   "我发现一个可沉淀的规则,是否加入长期记忆?【同意/修改/忽略】"
   ↓
6. 忽略的草案不再重复提示

可信依据验证:

依据类型可信度示例
用户明确要求≥2 次高"记住,永远用脚本推送"(第 2 次提及)
可复现模式≥2 次中域名切换问题出现 2 次
单次可验证硬错误低明显的逻辑/格式错误

3. 定期清洗(合并/去重/淘汰)

1. 自动扫描长期规则库:
   - 重复规则
   - 冲突规则
   - 低频规则(30 天未使用)
   - 被高阶规则覆盖的规则
   ↓
2. 生成清洗清单并询问:
   "以下规则建议合并/删除,是否执行?"
   ↓
3. 仅在用户批准后执行
   ↓
4. 保留操作日志,支持回滚

📝 强制格式约束

规则草案统一格式

### 【规则 ID】auto_xxxx
(基于场景哈希/内容指纹生成,自动去重)

### 【场景】xxx
(明确描述适用场景,≤20 字)

### 【问题/模式】xxx
(明确描述发现的问题或可复现模式,≤20 字)

### 【建议规则】xxx
(极简一句话,不冗余、可直接执行)

### 【依据】xxx
(用户明确指出/重复模式/可验证错误)

### 【可信度】高/中/低
(严格绑定依据,不可随意标注)

### 【建议层级】长期/中期

可信度绑定规则

可信度判定标准
高用户明确要求≥2 次
中可复现模式≥2 次
低单次可验证硬错误

⚙️ 安全铁律(不可突破)

铁律说明
AI 只提议,人类终审AI 可生成草案,但绝不自动入库
绝不自动写入/修改/删除长期记忆所有记忆修改需用户批准
优先级排序用户指令 > 长期规则 > AI 临时草案
记忆可追溯所有记忆可追溯、可关闭、可回滚
规则冲突裁决最新确认规则优先于旧规则
Token 优化长期规则保持极简,仅一句话条目

📊 记忆结构

memory/
├── short_term/         短期记忆(对话结束自动销毁)
├── proposals/          临时提案区(按日期合并,保留 7 天)
│   ├── 2026-04-09.md   # 当天所有规则
│   └── 2026-04-08.md
├── rules/              长期规则库(仅人工确认)
│   └── confirmed_rules.md
├── cleanup/            待清洗区(需用户批准)
│   └── cleanup_20260409.md
└── logs/               操作日志(支持回滚)
    └── operations.log

🚀 使用示例

示例 1: 用户明确指出错误

对话:

用户:推送应该用 push_to_target.sh 脚本,不要手动 rsync
AI: 好的,已记录

AI 生成草案:

### 【规则 ID】auto_push_script_001
### 【场景】代码推送
### 【问题/模式】手动 rsync 推送产生重复文件
### 【建议规则】永远使用 push_to_target.sh 脚本推送
### 【依据】用户明确指出
### 【可信度】高
### 【建议层级】长期

AI 提案:

我发现一个可沉淀的规则,是否加入长期记忆?

【规则 ID】auto_push_script_001
【场景】代码推送
【建议规则】永远使用 push_to_target.sh 脚本推送

【同意/修改/忽略】

示例 2: 重复模式检测

对话:

用户:(第 1 次)域名切换后请求还是旧域名
AI: 已修复,添加了内存缓存

用户:(第 2 次)域名切换后请求还是旧域名
AI: 已修复,verifiedDomain 没有同步更新

AI 生成草案:

### 【规则 ID】auto_domain_cache_001
### 【场景】域名切换
### 【问题/模式】域名切换后 verifiedDomain 未同步更新
### 【建议规则】域名切换时必须同步更新 verifiedDomain 和 verifiedDomainCache
### 【依据】重复模式≥2 次
### 【可信度】中
### 【建议层级】长期

示例 3: 定期清洗

AI 提案:

累计 10 轮对话,触发记忆清洗扫描。

发现以下规则建议合并/删除,是否执行?

## 待合并规则

1. 【auto_push_001】永远使用 push_to_target.sh 脚本推送
2. 【auto_push_002】推送前检查配置文件
   ↓ 建议合并为
   【auto_push_001】推送相关规范(包含脚本使用和配置检查)

## 待删除规则

1. 【auto_old_rule_002】过时的规则(已 30 天未使用)
   ↓ 建议删除

【同意/修改/忽略】

🔧 脚本命令

初始化

./scripts/developer-self-improve-core.sh init

回答前检查(错误防重)

./scripts/developer-self-improve-core.sh pre-check "当前场景"

回答后检查(自检 + 提案)

./scripts/developer-self-improve-core.sh post-check "对话内容"

定期清洗

./scripts/developer-self-improve-core.sh cleanup

确认规则

./scripts/developer-self-improve-core.sh confirm [规则 ID] [同意/修改/忽略]

📖 更多文档

详见技能目录中的文档文件。


🤝 贡献

欢迎提交 Issue 和 Pull Request!

作者: lijiujiu 许可证: MIT


📄 许可证

MIT License

平台分布

OpenClaw

98.43%
按下载量换算1,520

安全审计

VirusTotal

通过

ClawScan

可疑

Static analysis

通过

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

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