Token导航 LogoToken导航

Agent Skill · 效率

self-improving-agent-next(self improving Agent Next.js 前端)

self-improving-agent-next 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。

self-improving-agent-next 是效率类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为需要联网;许可证为 MIT-0,第三方扫描已通过,按安装量在效率类的 21,003 个 Skill 里排第 4,595。

总安装 12,897周安装 554GitHub Stars 公开资料未说明下载 4,521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
2.0.1

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:self-improving-agent-next(self improving Agent Next.js 前端)
来源仓库:https://github.com/weiyunbyte/self-improving-agent-next
安装命令:
openclaw skills install self-improving-agent-next
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 self-improving-agent-next

这个 Skill 是做什么的

效率类 Skill 把重复的整理、汇总、转换工作交给助手完成,减少手工复制粘贴。

记录错误、修正、能力缺口与最佳实践,可形成复用的持续改进闭环。适用于:命令失败、修正用户、外部API/工具异常、发现更优做法、提出新的能力需求,以及任务前复盘历史经验。

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 self-improving-agent-next;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

    它需要需要联网,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

self-improving-agent-next 怎么安装?

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

self-improving-agent-next 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。

self-improving-agent-next 需要什么权限?

权限级别是需要联网。该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

self-improving-agent-next 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。

self-improving-agent-next 用的人多吗?

公开数据是累计安装 12,897 次,近一周安装 554 次,下载 4,521 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。

self-improving-agent-next 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

  • 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。
  • 第三方扫描已通过,常见的高风险行为没有命中。

先想清楚的地方

  • 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。
  • 需要处理效率类任务、又不想每次都手写提示词的人。
  • 需要许可证清楚、并且有第三方扫描结果的团队项目。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

效率类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
github

GitHub 代码协作 · OpenClaw

7,632,918545需要联网MIT-0通过
nano-pdf

Nano PDF 文档 · OpenClaw

4,249,476231需要联网MIT-0通过
auto-updater

自动更新程序 · OpenClaw

2,964,063386操作浏览器MIT-0通过
video-frames

视频帧 · OpenClaw

2,621,304112需要联网MIT-0通过
gemini

Gemini 助手 · OpenClaw

2,547,39648需要联网MIT-0有提醒
self-improving-agent-next

self improving Agent Next.js 前端 · 本页

12,897—需要联网MIT-0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

name
self-improving-agent
description
记录错误、纠正、能力缺口与最佳实践,形成可复用的持续改进闭环。适用于:命令失败、用户纠正、外部 API/工具异常、发现更优做法、提出新能力需求,以及任务前复盘历史经验。

Self-Improving Agent(自我改进)

把“踩坑”变成“资产”。 每次失败、纠正或新发现,都写入结构化记录,后续可检索、可复盘、可沉淀到长期规则。


1. 什么时候必须记录

出现以下任一情况时,立即记录:

  1. 命令/操作失败(非 0 退出、超时、异常输出)
  2. 用户纠正你(“不对”“应该是…”)
  3. 用户提出你当前不具备的能力
  4. 外部服务失败(API 报错、限流、鉴权失败)
  5. 你意识到知识已过时或理解错误
  6. 你发现了可复用的更优流程

2. 记录到哪里

在工作区使用 .learnings/:

  • .learnings/LEARNINGS.md:纠正、认知缺口、最佳实践
  • .learnings/ERRORS.md:失败与异常
  • .learnings/FEATURE_REQUESTS.md:能力请求

若目录不存在,先创建:

mkdir -p .learnings

3. 快速分流规则

  • 失败/报错 → ERRORS.md
  • 被纠正/学到新规则 → LEARNINGS.md
  • 想要但暂不支持的能力 → FEATURE_REQUESTS.md

4. ID 规范

格式:TYPE-YYYYMMDD-XXX

  • TYPE: LRN / ERR / FEAT
  • 日期:当天日期
  • XXX:三位序号(如 001)

示例:

  • LRN-20260308-001
  • ERR-20260308-002
  • FEAT-20260308-001

5. 模板(请严格使用)

5.1 Learning 模板(LEARNINGS.md)

## [LRN-YYYYMMDD-XXX] correction | knowledge_gap | best_practice

**Logged**: ISO-8601 时间
**Priority**: low | medium | high | critical
**Status**: pending
**Area**: frontend | backend | infra | tests | docs | config

### Summary
一句话总结

### Details
发生了什么、哪里错了、正确做法是什么

### Suggested Action
下一次应执行的具体动作

### Metadata
- Source: conversation | error | user_feedback | simplify-and-harden
- Related Files: path/to/file
- Tags: tag1, tag2
- See Also: LRN-...(可选)
- Pattern-Key: ...(可选)
- Recurrence-Count: 1(可选)
- First-Seen: YYYY-MM-DD(可选)
- Last-Seen: YYYY-MM-DD(可选)

---

5.2 Error 模板(ERRORS.md)

## [ERR-YYYYMMDD-XXX] command_or_integration

**Logged**: ISO-8601 时间
**Priority**: medium | high | critical
**Status**: pending
**Area**: frontend | backend | infra | tests | docs | config

### Summary
一句话说明失败点

### Error

完整报错文本


### Context
- 执行了什么命令/操作
- 使用了哪些参数
- 关键环境信息

### Suggested Fix
可执行的修复建议

### Metadata
- Reproducible: yes | no | unknown
- Related Files: path/to/file
- See Also: ERR-...(可选)

---

5.3 Feature Request 模板(FEATURE_REQUESTS.md)

## [FEAT-YYYYMMDD-XXX] capability_name

**Logged**: ISO-8601 时间
**Priority**: low | medium | high
**Status**: pending
**Area**: frontend | backend | infra | tests | docs | config

### Requested Capability
用户希望实现什么

### User Context
用户为什么需要它

### Complexity Estimate
simple | medium | complex

### Suggested Implementation
实现方向(脚本、工具、流程)

### Metadata
- Frequency: first_time | recurring
- Related Features: ...(可选)

---

6. 状态流转

允许状态:

  • pending:待处理
  • in_progress:处理中
  • resolved:已解决
  • promoted:已提升到长期规则文件
  • wont_fix:不处理(需写原因)

当问题已解决时,补充:

### Resolution
- **Resolved**: ISO-8601 时间
- **Commit/PR**: commit hash 或 PR 链接
- **Notes**: 做了什么

7. 何时“晋升”到长期记忆文件

满足以下任一条件,建议晋升:

  • 同类问题重复出现
  • 对多人/多任务都适用
  • 不写下来就会反复踩坑

晋升目标:

  • 工作流规则 → AGENTS.md
  • 行为/表达规则 → SOUL.md
  • 工具使用细节 → TOOLS.md
  • 长期偏好/事实 → MEMORY.md

晋升后把原条目状态改为 promoted,并注明目标文件。


8. 复盘频率

建议在以下时机快速复盘 .learnings/:

  • 开始新任务前
  • 完成复杂任务后
  • 每周至少一次

可用命令:

# 统计 pending
grep -h "Status\*\*: pending" .learnings/*.md | wc -l

# 查看高优先级
grep -B5 "Priority\*\*: high" .learnings/*.md | grep "^## \["

9. 执行原则(简版)

  1. 立即记录:别等会儿,信息会丢。
  2. 写可执行建议:不是“再看看”,而是“下次先做 X”。
  3. 优先去重与关联:能关联就加 See Also。
  4. 重复三次就系统化:提升到 AGENTS.md/SOUL.md/TOOLS.md。
  5. 短而准:结论可复用,描述可追溯。

10. OpenClaw 场景建议

  • 在主会话中把高价值学习同步到 MEMORY.md。
  • 在需要跨会话协作时,使用 sessions_send 分享关键学习。
  • 对高频重复问题,优先将规则写入工作区文档,减少未来上下文成本。
目标不是“记日志”,而是持续降低错误率、提高可复用性。

平台分布

OpenClaw

86.28%
按下载量换算3,901

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

未展示

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

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