Token导航 LogoToken导航

Agent Skill · 研究检索

metaskill(metaskill 搜索)

metaskill 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。

metaskill 是研究检索类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为接触敏感数据;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 9,142。

总安装 14,853周安装 638GitHub Stars 公开资料未说明下载 5,206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
1.3.0

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:metaskill(metaskill 搜索)
来源仓库:https://github.com/fahrulalwan/metaskill
安装命令:
openclaw skills install metaskill
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 metaskill

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。

metaskill 教导 AI Agent 通过深度校正和迁移学习更好地学习。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。当发生错误并且需要改进时使用此技能。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。

可结合来源仓库和原始 README 继续核验具体用法。

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 metaskill;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

    它需要接触敏感数据,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

metaskill 怎么安装?

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

metaskill 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。

metaskill 需要什么权限?

权限级别是接触敏感数据。该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

metaskill 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。

metaskill 用的人多吗?

公开数据是累计安装 14,853 次,近一周安装 638 次,下载 5,206 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。

metaskill 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

  • 需要接触敏感数据,装到常用环境前要先评估影响面。
  • 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。

不太适合

  • 环境里有大量密钥、凭证,不方便给第三方 Skill 读取的人。
  • 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
metaskill

metaskill 搜索 · 本页

14,853—接触敏感数据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
metaskill
description
Teaches AI agents how to learn better by enforcing deep correction, transfer learning, and proactive pattern recognition. Use when an error occurs and needs deep analysis (not surface patch), before starting a complex task to check past analogies, or after success to capture winning patterns. NOT for routine file reads or simple one-off commands.

Metaskill

3 Core Components

  1. Deep Self-Correction (deep-correct.sh) — 3-level breakdown on errors:

- Surface: What specifically failed - Principle: The underlying rule/constraint violated - Habit: Concrete behavioral change to prevent recurrence

  1. Transfer Learning (transfer-check.sh) — Before a task, search past learnings for analogous patterns. Maps domains (e.g., "auth" → "security") to prevent siloed learning.
  1. Proactive Pattern Recognition (success-capture.sh) — Log what worked and why, building a repository of successful patterns.

Usage

# When an error occurs
bash skills/metaskill/scripts/deep-correct.sh "description of the error"

# Before starting a complex task
bash skills/metaskill/scripts/transfer-check.sh "description of the new task"

# After successful execution
bash skills/metaskill/scripts/success-capture.sh "what worked" "why it worked"

# Monthly health eval
bash skills/metaskill/scripts/eval.sh --save

Configuration (LLM Provider)

Metaskill uses two provider tiers — fast (extraction) and deep (transfer/eval). Edit config.yaml to match your setup:

# config.yaml
providers:
  fast: anthropic   # change to: openai | ollama | gemini
  deep: anthropic
ProviderEnv VarNotes
anthropicANTHROPIC_API_KEYDefault
openaiOPENAI_API_KEY
ollama*(none needed)*Local, free
geminiGOOGLE_API_KEY

Ollama example (fully local, no API key):

providers:
  fast: ollama
  deep: ollama
models:
  ollama:
    fast: llama3.2
    deep: llama3.1:70b

If no provider is available, metaskill falls back to manual/heuristic mode (still works, but less precise extraction).

Integration with Self-Improving-Agent

Writes to skills/self-improving-agent/.learnings/ if present, otherwise falls back to its own .learnings/ directory. No extra setup needed.

AGENTS.md Wiring (Mandatory)

Add to pre-task checklist:

  1. Run transfer-check.sh before any major task
  2. Run deep-correct.sh immediately after any error (not just LEARNINGS.md append)
  3. Run success-capture.sh after complex task completes successfully

平台分布

OpenClaw

87.26%
按下载量换算4,543

安全审计

VirusTotal

可疑

ClawScan

可疑

Static analysis

未展示

权限和风险

接触敏感数据

该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

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