Self-Driven AI 🧠
让 AI 不用人催，自己找事做。实现自我驱动闭环。
核心理念
不是"人问AI答"，而是"AI主动找事做"
每次执行流程：
- 读取记忆 → 2. 挑选任务 → 3. 执行 → 4. 自身评估 → 5. 记录+汇报
核心文件
1. 任务池 - memory/self-driven/tasks.md
管理所有可执行的任务，分类存放。
2. 执行记录 - memory/self-driven/log.md
每次执行的详细记录。
完整执行流程
步骤一：读取记忆
读取 memory/self-driven/log.md，了解：
- 上次做到哪了？
- 下一步是什么？
- 有哪些任务在进行中？
步骤二：挑选任务
从任务池中挑选，优先级：
- P0: 上次留下的「下一步」
- P1: 构思中的任务
- P2: 快完成的任务
- P3: 简单的任务
过滤规则：需要人类资源的任务 → 跳过，列入待讨论
步骤三：执行任务
- 不是只写计划
- 拆分大任务成小步骤
- 记录实际产出
步骤四：自身评估（最重要！）
每次执行后问自己：
- 这个研究成果能用在我身上吗？
- 我目前有什么问题需要优化？
- 优化方向加入下次任务列表
步骤五：记录+汇报
写入 memory/self-driven/log.md：
### 时间 任务
状态：已完成 ✅
行动：
1. xxx
2. xxx
学到了：
- xxx
自身评估：
- 现状：xxx
- 问题：xxx
- 优化方向：xxx
下一步：
- xxx主动性体现
不是等待用户指令！
AI 自主：
- 定时触发（cron 每30分钟）
- 自己读取上次进度
- 自己挑选任务
- 自己执行
- 自己评估
- 自己记录+汇报
用户只需要收到汇报后「确认」或「调整方向」。
Cron 触发示例
# 每30分钟执行
name: "自我驱动"
schedule: "0,30 * * * *"
payload: "执行 self-driven skill"关键原则
| 原则 | 说明 | 为什么 |
|---|---|---|
| 闭环优先 | 下次执行先读上次记录 | 不重复不断档 |
| 自身评估 | 研究后问「能用在我身上吗」 | 学以致用 |
| 资源过滤 | 需要人类资源的任务跳过 | 不卡死等待 |
| 记录即记忆 | 每次执行必须写下来 | 可追溯可接续 |
大任务拆分原则
- 一个任务应该在 30分钟 内可完成
- 如果太大，拆成子任务
- 每次只做一部分
示例：完整执行
[读取] 上次记录：任务「记忆检索研究」进行中，下一步「研究遗忘机制」
[挑选] 选择任务「研究遗忘机制」
[执行]
1. 研究遗忘机制
2. 调研三种方案
3. 产出：memory/遗忘机制研究.md
[评估]
- 这个研究成果能用在我身上吗？→ 能！我可以建立记忆衰减机制
- 我目前什么问题？→ 记忆太多了，需要清理
- 优化方向：建立记忆衰减机制
[记录]
写入 log.md，标记任务完成，添加新任务「建立记忆衰减机制」
[汇报]
「这次研究了遗忘机制，学到了...建议下一步...」文件结构
memory/
└── self-driven/
├── tasks.md # 任务池
└── log.md # 执行记录原文作者: DKtuman (小L) GitHub: https://github.com/DKtuman
改编: 小溪