Token导航 LogoToken导航

Agent Skill · 研究检索

learning-by-making（通过制作来学习）

learning-by-making 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 Codex、Claude、Cursor、Gemini CLI 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。

learning-by-making 是研究检索类 Agent Skill，可用宿主为 Codex、Claude、Cursor、Gemini CLI，通过GitHub 仓库获取，权限为只读；许可证信息还不明确，第三方扫描已通过，按安装量在研究检索类的 73,675 个 Skill 里排第 64,068。

总安装 306周安装 13GitHub Stars 1下载 107核验 2026-05-01
研究检索只读GitHub 仓库未标认证来源可访问许可证需确认审计通过CodexClaudeCursorGemini CLI

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
unknown

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：learning-by-making（通过制作来学习）
来源仓库：https://github.com/dragoon0x/taste-skills
仓库路径：skills/learning-by-making
安装命令：
npx skills add https://github.com/dragoon0x/taste-skills --skill learning-by-making
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 npx skills 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。

skills.shnpx skills
npx skills add https://github.com/dragoon0x/taste-skills --skill learning-by-making

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。

用于记录任务执行中的错误、用户纠正和知识缺口，帮助 Agent 持续优化能力。适合在 Codex、Claude、Cursor、Gemini CLI 中让 Agent 沉淀问题、修正实践。通过 GitHub 安装，结合原始 README 核验具体用法和功能边界。安装前需确认权限范围、维护状态及是否触发联网或文件操作。

learning-by-making 属于研究检索类 Skill，可作为该场景下的辅助能力补充。

来源仓库内路径：skills/learning-by-making

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 Codex、Claude、Cursor、Gemini CLI；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 npx skills add https://github.com/dragoon0x/taste-skills --skill learning-by-mak…；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

learning-by-making 怎么安装？

在终端执行 npx skills add https://github.com/dragoon0x/taste-skills --skill learning-by-making。装完完全退出宿主工具再打开，让它重新扫描本地 Skill。

learning-by-making 支持哪些 AI 工具？

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。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。

learning-by-making 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。

learning-by-making 是免费的吗？

公开资料没有标注明确许可证，收费和商用限制都无法确认。正式使用前请到来源仓库核对授权说明。

learning-by-making 用的人多吗？

公开数据是累计安装 306 次，近一周安装 13 次，下载 107 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。

learning-by-making 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

  • 同时适配 4 种工具，换客户端不用重新找替代品。
  • 第三方扫描已通过，常见的高风险行为没有命中。
  • 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

  • 许可证没有明确标注，能不能商用、能不能再分发都不确定。
  • 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 Codex，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

  • 需要明确授权才能用到公司项目里的场景。
  • 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
learning-by-making

通过制作来学习 · 本页

3061只读未明确通过

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

Learning by Making

Taste is sharpened by making, failing, and making again. Not by watching.

How to use

  • /learning-by-making Apply making-as-practice constraints to creative development in this conversation.

Constraints

The Volume Principle

  • MUST prioritize quantity of finished work over quality of any single piece
  • A designer who ships 50 projects in a year learns more than one who perfects 3
  • MUST finish things. Unfinished work teaches you how to start. Finished work teaches you how to decide.
  • NEVER let "it's not ready" become permanent. Set a deadline. Ship it. Learn from the gap between what you shipped and what you wished you'd shipped.

Deliberate Practice Formats

  • Speed rounds (15-30 min): Redesign a real product screen. No research. No moodboard. Just instinct. What comes out reveals your current taste baseline.
  • Style copies (60 min): Recreate someone else's design decision-for-decision. Not pixel-copying. Understanding why every choice was made by making it yourself.
  • Constraint challenges (45 min): One typeface, one color. 320px width only. Zero images. 10 words max per screen. Constraints strip away crutches and expose your actual judgment.
  • Fake briefs (2-4 hours): Invent a product. Design it end-to-end. Landing page, onboarding, core screen, settings. The act of making complete decisions across a whole product builds holistic taste.
  • Remix exercises (30 min): Take something you made last month. Redesign it from scratch without looking at the original. Compare the two. The delta is your growth.

Rules of Making

  • MUST make things even when they're bad. Especially when they're bad. Bad work with reflection teaches more than good work by accident.
  • MUST reflect after making. "What worked? What didn't? What would I change with 2 more hours?" Without reflection, volume is just busywork.
  • MUST vary the format. If you only design landing pages, your taste is landing-page-shaped. Design dashboards, mobile apps, emails, posters, packaging, signage.
  • SHOULD share work publicly. The vulnerability of showing imperfect work accelerates growth because it forces you to articulate your decisions.

The Failure Requirement

  • MUST reframe failure as data. A design that doesn't work tells you exactly what you don't understand yet.
  • SHOULD keep a failure archive. Save your worst work. Revisit it quarterly. When you can articulate why it's bad in precise language, you've grown.
  • NEVER delete bad work. It's your most honest record of where you were.

Anti-Patterns

  • Analyzing 10 products for every 1 you make (consumption-to-creation ratio is inverted)
  • Only making things in your comfort zone (safe projects don't stretch taste)
  • Abandoning projects when they get hard (the hard part is where the learning is)
  • Waiting for the perfect brief to start making (the brief doesn't matter, the reps do)
  • Treating practice work as throwaway (practice work should be finished and reflected on)

平台分布

Codex

34.37%
按下载量换算37

Claude

29.27%
按下载量换算31

Cursor

20.32%
按下载量换算22

Gemini CLI

9.64%
按下载量换算10

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

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。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

更多研究检索 Skills（73,675）返回 Skills 目录

上一个 Skill

learning-astro（学习天文）

delineas/astro-framework-agents

learning-astro 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 Codex、Claude、Cursor、Gemini CLI 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。

下一个 Skill

learning-capture（学习捕捉）

exploration-labs/nates-substack-skills

learning-capture 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 Codex、Claude、Cursor、Gemini CLI 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。