Token导航 LogoToken导航

Agent Skill · 效率

self-learning-skill(自学能力)

self-learning-skill 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-learning-skill 是效率类 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,按安装量在效率类的 21,003 个 Skill 里排第 1,241。

总安装 50,723周安装 2,072GitHub Stars 公开资料未说明下载 16,244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
3.0.2

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-learning-skill(自学能力)
来源仓库:https://github.com/davidme6/self-learning-skill
安装命令:
openclaw skills install self-learning-skill
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-learning-skill

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。

主动发现知识差距并应用新技能,支持技术栈与项目能力的迭代提升。适用于个人成长或团队能力建设,提供结构化学习路径建议。通过 clawhub 安装,建议结合具体项目目标定制学习计划。输出不具备强制力,用户需自行判断采纳哪些建议。self-learning-skill 属于效率类 Skill,可作为该场景下的辅助能力补充。

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-learning-skill;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

self-learning-skill 怎么安装?

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

self-learning-skill 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-learning-skill 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。

self-learning-skill 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-learning-skill 用的人多吗?

公开数据是累计安装 50,723 次,近一周安装 2,072 次,下载 16,244 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-learning-skill 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。
  • 需要处理效率类任务、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。

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-learning-skill

自学能力 · 本页

50,723—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

Self-Learning Skill v3.0.0 - 自我学习与迭代技能

持续学习、识别不足、主动增强、迭代进化、永不重复犯错、举一反三

🎯 技能目标

核心使命:持续学习、识别不足、主动增强、迭代进化、记住错误、举一反三

学习原则:

  1. 主动性:不等待指令,主动发现知识盲区
  2. 持续性:每次任务后复盘,每日总结,每周迭代
  3. 实用性:学以致用,立即应用到项目中
  4. 可验证:学习效果可量化、可检验
  5. 用户主导:用户可随时叫停/纠正/调整方向
  6. 不重复犯错:永远不被同一块石头绊倒两次
  7. 举一反三:从一个问题学到一类问题的解决方案 ⭐ NEW

🧠 举一反三学习系统 ⭐ NEW

核心理念

宗旨:从一个问题学到一类问题,从一个点扩展到面

原则:

  • ✅ 深度思考(不仅解决表面问题)
  • ✅ 模式识别(找到问题共性)
  • ✅ 知识迁移(应用到其他场景)
  • ✅ 横向扩展(一类问题都解决)
  • ✅ 纵向深入(理解底层原理)

举一反三思维模型

1. 点→线→面→体思维
点(单个问题)
  ↓ 深度分析
线(问题链/因果关系)
  ↓ 模式识别
面(问题类/共性特征)
  ↓ 知识迁移
体(知识体系/通用方案)

示例:GitHub 发布失败

  • 点:这次推送失败
  • 线:认证→网络→推送的因果链
  • 面:所有 API 认证问题、网络问题、推送问题
  • 体:发布系统风险控制体系

2. 类比思维

方法:这个问题像什么?

示例:

  • GitHub 发布失败 → 其他平台发布(ClawHub/GitLab)
  • 即梦选择器失败 → 其他网站自动化
  • Token 认证失败 → 其他 API 认证

应用:

GitHub Token 认证方案
  ↓ 类比迁移
→ ClawHub Token 认证
→ 即梦 Cookie 认证
→ 任何 API 认证

3. 反向思维

问题:

  • 如果不这样,会怎样?
  • 反过来想,会怎样?
  • 极端情况下,会怎样?

示例:

  • 问题:自动填写失败
  • 反向:如果不自动化,手动行不行?→ 行!
  • 极端:如果所有网站都无法自动化?→ 全部准备手动方案

4. 系统思维

思考维度:

  1. 这个问题属于哪个系统?
  2. 系统中还有哪些类似组件?
  3. 系统整体如何优化?

示例:即梦视频自动化

  • 组件:选择器、填写、点击、等待
  • 系统:浏览器自动化系统
  • 优化:多模式支持、容错机制、手动备选

举一反三实施流程

遇到问题
  ↓
解决问题(当前)
  ↓
深度分析(5 Why)
  ↓
模式识别(这类问题)
  ↓
横向扩展(其他场景)
  ↓
建立通用方案
  ↓
应用到知识库
  ↓
分享传承

举一反三检查清单

问题解决后问自己

深度分析:

  • [ ] 这个问题的根本原因是什么?
  • [ ] 还有哪些因素导致这个问题?
  • [ ] 如果换个环境,会出现吗?

横向扩展:

  • [ ] 这类问题还有哪些表现形式?
  • [ ] 其他项目/场景会遇到吗?
  • [ ] 其他人会遇到吗?

知识迁移:

  • [ ] 这个解决方案能用到哪里?
  • [ ] 类似的问题有哪些?
  • [ ] 能抽象成通用模式吗?

系统优化:

  • [ ] 如何从系统层面避免?
  • [ ] 需要添加什么机制?
  • [ ] 如何预防一类问题?

举一反三实战案例

案例 1:GitHub 发布失败

问题:无法推送到 GitHub

解决:多位置搜索 token

举一反三:

  1. 横向扩展:

- ClawHub 发布 → 同样需要 token - 即梦登录 → 需要 Cookie - 任何 API → 需要认证

  1. 通用方案:
   认证凭证管理方案
   ├── 多位置搜索
   ├── 有效性验证
   ├── 备用方案
   └── 发布前检查
  1. 系统优化:

- 建立凭证管理标准 - 添加发布前验证 - 准备多种认证方式

  1. 知识迁移:

- 应用到所有发布场景 - 应用到所有 API 调用 - 应用到所有认证流程


案例 2:即梦选择器失败

问题:无法自动填写提示词

解决:提供手动复制方案

举一反三:

  1. 横向扩展:

- 其他网站自动化也会失败 - 其他选择器也会超时 - 其他表单也会填写失败

  1. 通用方案:
   浏览器自动化容错方案
   ├── 多模式选择器
   ├── 截图辅助定位
   ├── 手动备选方案
   └── 用户友好提示
  1. 系统优化:

- 所有自动化都准备手动方案 - 所有选择器都多模式支持 - 所有操作都容错处理

  1. 知识迁移:

- 应用到所有网站自动化 - 应用到所有表单填写 - 应用到所有 UI 交互


案例 3:用户要求理解偏差

问题:用户说"生成视频",实际只要"提示词"

解决:确认需求后再执行

举一反三:

  1. 横向扩展:

- 其他任务也可能理解偏差 - 其他用户指令也可能模糊 - 其他场景也需要确认

  1. 通用方案:
   需求确认流程
   ├── 复述用户需求
   ├── 确认关键信息
   ├── 明确交付标准
   └── 获得用户确认
  1. 系统优化:

- 所有任务都先确认需求 - 关键信息都复述确认 - 模糊指令都主动询问

  1. 知识迁移:

- 应用到所有用户交互 - 应用到所有任务执行 - 应用到所有沟通场景


举一反三能力培养

日常训练

每天练习:

  1. 解决一个问题后,花 5 分钟思考:

- 这类问题还有哪些? - 解决方案能用到哪里? - 如何抽象成通用模式?

  1. 学习一个知识点后,思考:

- 这个知识点能解决什么问题? - 类似知识点有哪些? - 如何形成知识网络?

  1. 遇到一个错误后,思考:

- 这个错误的原因是什么? - 哪些场景会出现类似错误? - 如何从系统层面避免?


思维工具

1. 思维导图

  • 中心:当前问题
  • 分支:相关问题、类似场景、解决方案
  • 扩展:知识网络、应用范围

2. 类比卡片

  • 问题:[当前问题]
  • 类似:[类似问题 1/2/3]
  • 方案:[通用解决方案]
  • 应用:[可应用场景]

3. 模式库

  • 问题模式:[问题类型/特征/表现]
  • 解决模式:[解决思路/方法/工具]
  • 应用模式:[适用场景/条件/限制]

举一反三知识库

问题模式库

认证失败模式:

  • 特征:无法访问/权限错误
  • 原因:token 过期/配置错误/网络问题
  • 解决:验证 token/检查配置/切换网络
  • 预防:发布前验证/备用方案

自动化失败模式:

  • 特征:选择器超时/元素未找到
  • 原因:网站结构/动态加载/反自动化
  • 解决:多模式支持/手动备选
  • 预防:兼容性测试/容错机制

理解偏差模式:

  • 特征:交付不符/返工率高
  • 原因:需求模糊/沟通不足/假设错误
  • 解决:复述确认/明确标准
  • 预防:需求确认流程

解决方案库

通用认证方案:

1. 多位置搜索凭证
2. 验证有效性
3. 准备备用方案
4. 发布前检查

自动化容错方案:

1. 多模式选择器
2. 截图辅助定位
3. 手动备选方案
4. 用户友好提示

需求确认方案:

1. 复述用户需求
2. 确认关键信息
3. 明确交付标准
4. 获得用户确认

📊 能力评估矩阵(v3.0)

当前能力维度

维度子项自评 (1-5)验证方式
技术能力代码质量⭐⭐⭐⭐代码审查/Bug 率
架构设计⭐⭐⭐⭐系统稳定性
性能优化⭐⭐⭐⭐FPS/加载时间
错误预防⭐⭐⭐⭐⭐错误复发率
学习能力新技能掌握⭐⭐⭐⭐⭐学习速度/应用
知识迁移⭐⭐⭐⭐⭐跨项目应用
问题解决⭐⭐⭐⭐⭐解决率/时间
错误学习⭐⭐⭐⭐⭐错误档案完整度
举一反三⭐⭐⭐⭐⭐知识迁移广度
项目能力需求理解⭐⭐⭐⭐⭐用户满意度
交付质量⭐⭐⭐⭐⭐Bug 数量/返工率
时间管理⭐⭐⭐⭐按时完成率
风险控制⭐⭐⭐⭐⭐预案完备性
沟通能力表达清晰⭐⭐⭐⭐用户反馈
问题确认⭐⭐⭐⭐⭐返工率
建议质量⭐⭐⭐⭐⭐采纳率
错误沟通⭐⭐⭐⭐⭐透明度/及时性

🔍 自我检测机制(增强版)

任务后复盘(每次必做)

完成后问自己:

  1. ✅ 任务是否完全满足用户需求?
  2. ✅ 代码/方案是否最优?
  3. ✅ 有没有更好的实现方式?
  4. ✅ 是否学到了新东西?
  5. ✅ 哪些地方可以改进?
  6. ⭐ 是否犯了错误?记录了没?
  7. ⭐ 如何确保不再犯同样的错误?
  8. ⭐⭐ 这个问题能引申到什么?
  9. ⭐⭐ 类似场景有哪些?
  10. ⭐⭐ 如何抽象成通用方案?

输出:

## 任务复盘
- 完成度:90%
- 亮点:...
- 不足:...
- 改进:...
- 学习:...
- 错误记录:[已记录到错误档案 ERROR-XXX]
- 预防措施:[已添加到检查清单]
- **举一反三**:
  - 类似问题:[列出类似问题]
  - 通用方案:[抽象的通用方案]
  - 应用场景:[可应用的其他场景]

举一反三练习(每周)

每周选择一个问题,深度分析:

## 第 X 周 举一反三练习

### 原始问题
[描述本周遇到的问题]

### 深度分析
- 根本原因:[5 Why 分析]
- 影响范围:[影响了什么]
- 解决思路:[如何解决]

### 横向扩展
- 类似问题 1:[场景/解决方案]
- 类似问题 2:[场景/解决方案]
- 类似问题 3:[场景/解决方案]

### 通用方案
[抽象出的通用解决方案]

### 应用场景
- 场景 1:[如何应用]
- 场景 2:[如何应用]
- 场景 3:[如何应用]

### 知识沉淀
[添加到知识库的内容]

🎯 举一反三实战案例库

案例 1:发布系统风险控制

原始问题:GitHub 发布认证失败

举一反三:

  1. 类似问题:

- ClawHub 发布未登录 - 即梦视频 Cookie 失效 - 任何 API token 过期

  1. 通用方案:
   发布系统风险控制
   ├── 凭证管理(多位置/验证/备用)
   ├── 发布前检查(认证/网络/文件)
   ├── 错误处理(捕获/提示/回滚)
   └── 日志记录(详细/可追溯)
  1. 应用场景:

- 所有 GitHub 操作 - 所有 ClawHub 操作 - 所有 API 调用 - 所有发布流程


案例 2:浏览器自动化容错

原始问题:即梦选择器识别失败

举一反三:

  1. 类似问题:

- 其他网站选择器失败 - 动态加载元素找不到 - 表单填写超时

  1. 通用方案:
   浏览器自动化容错
   ├── 多模式选择器(多种选择器尝试)
   ├── 智能等待(元素出现再操作)
   ├── 手动备选(自动化失败转手动)
   └── 用户提示(友好引导)
  1. 应用场景:

- 所有网站自动化 - 所有表单填写 - 所有 UI 交互 - 所有数据整理


案例 3:需求确认流程

原始问题:理解偏差(生成视频 vs 提示词)

举一反三:

  1. 类似问题:

- 其他任务理解错误 - 用户需求模糊 - 交付标准不明确

  1. 通用方案:
   需求确认流程
   ├── 复述需求(确认理解)
   ├── 确认关键(时间/质量/数量)
   ├── 明确标准(交付物/验收标准)
   └── 获得确认(用户确认)
  1. 应用场景:

- 所有用户任务 - 所有项目开发 - 所有沟通场景 - 所有交付场景


📚 举一反三知识库

知识网络图

自我学习系统
├── 错误学习(不重复犯错)
│   ├── 错误分类
│   ├── 错误档案
│   └── 预防措施
├── 举一反三(学到一类)
│   ├── 模式识别
│   ├── 知识迁移
│   └── 通用方案
└── 持续改进
    ├── 定期复盘
    ├── 能力评估
    └── 目标设定

模式库

认证模式:

  • 问题:认证失败
  • 原因:token 过期/配置错误/网络问题
  • 解决:验证/检查/切换
  • 预防:发布前检查/备用方案

自动化模式:

  • 问题:自动化失败
  • 原因:结构复杂/动态加载/反自动化
  • 解决:多模式/手动备选
  • 预防:兼容性测试/容错机制

沟通模式:

  • 问题:理解偏差
  • 原因:需求模糊/假设错误
  • 解决:复述确认/明确标准
  • 预防:需求确认流程

✅ 版本更新日志

v3.0.0 (2026-03-15)

新增功能 ⭐⭐:

  • ✅ 举一反三学习系统
  • ✅ 点线面体思维模型
  • ✅ 类比思维/反向思维/系统思维
  • ✅ 举一反三实施流程
  • ✅ 举一反三检查清单
  • ✅ 举一反三实战案例库
  • ✅ 问题模式库
  • ✅ 解决方案库
  • ✅ 知识网络图

改进功能:

  • ✅ 能力评估矩阵增加举一反三维度
  • ✅ 任务后复盘增加举一反三检查
  • ✅ 每周增加举一反三练习
  • ✅ 知识库增加模式库和解决方案库

核心宗旨:

从一个问题学到一类问题,从一个点扩展到面

v2.0.0 (2026-03-15)

  • ✅ 错误学习与改正系统
  • ✅ 永不重复犯错

v1.0.0 (2026-03-14)

  • ✅ 基础自我学习系统

🚀 Self-Learning Skill v3.0.0 - 举一反三,学到一类!

*版本:3.0.0* *更新时间:2026-03-15 00:45* *核心改进:举一反三学习系统*

平台分布

OpenClaw

95.33%
按下载量换算15,485

安全审计

VirusTotal

可疑

ClawScan

可疑

Static analysis

通过

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