Token导航 LogoToken导航

Agent Skill · AI 工具

universal-learner(通用学习者)

universal-learner 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息,适合在 Codex、Claude、Cursor、Gemini CLI 中需要围绕仓库状态、代码变更或协作事项进行整理时使用。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。

universal-learner 是AI 工具类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为只读;许可证为 MIT,第三方扫描有提醒项,按安装量在AI 工具类的 2,536 个 Skill 里排第 653。

总安装 2,571周安装 104GitHub Stars 1,331下载 807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

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:universal-learner(通用学习者)
来源仓库:https://github.com/huangserva/skill-prompt-generator
仓库路径:skills/universal-learner
安装命令:
npx skills add https://github.com/huangserva/skill-prompt-generator --skill universal-learner
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。不同来源提供的安装方式可能略有差异;本站展示可直接复制的安装命令,安装前请核对来源页面。

skills.shnpx skills
npx skills add https://github.com/huangserva/skill-prompt-generator --skill universal-learner

这个 Skill 是做什么的

AI 工具类 Skill 用来扩展助手本身的能力,例如接模型、接检索、接外部服务。

universal-learner 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息,适合在 Codex、Claude、Cursor、Gemini CLI 中需要围绕仓库状态、代码变更或协作事项进行整理时使用。适用于 AI 学习、技能提升和知识积累等场景。

通过 GitHub 仓库安装,使用 npx skills add 命令添加指定技能。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。适用宿主包括 Codex、Claude、Cursor、Gemini CLI,接入前应确认版本、权限和运行环境要求。

来源仓库内路径:skills/universal-learner

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/huangserva/skill-prompt-generator --skill univ…;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

universal-learner 怎么安装?

在终端执行 npx skills add https://github.com/huangserva/skill-prompt-generator --skill universal-lear…。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

universal-learner 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。

universal-learner 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。

universal-learner 是免费的吗?

来源标注的许可证是 MIT。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。

universal-learner 用的人多吗?

公开数据是累计安装 2,571 次,近一周安装 104 次,下载 807 次,GitHub 1,331 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。

universal-learner 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

  • 同时适配 4 种工具,换客户端不用重新找替代品。
  • 3 个目录同时收录,说明这个 Skill 流传比较广。
  • 许可证明确为 MIT,商用和分发边界好判断。
  • 来源仓库有 1,331 星,维护活跃度相对可查。

先想清楚的地方

  • 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 Codex,想直接扩展它能力的人。
  • 需要处理AI 工具类任务、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

  • 需要厂商级技术支持和 SLA 的生产系统。

AI 工具类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
executing-plans

执行计划 · Codex、Claude

1,515,336173,110只读MIT通过
verification-before-completion

完成前的验证 · Codex、Claude

1,319,472173,121权限未标注MIT通过
subagent-driven-development

子 Agent 驱动开发 · Codex、Claude

1,312,416173,138只读MIT通过
copy-editing

复制编辑 · Codex、Claude

1,209,57625,632只读MIT通过
paywall-upgrade-cro

付费专区升级 cro · Codex、Claude

1,030,17625,617只读MIT通过
universal-learner

通用学习者 · 本页

2,5711,331只读MIT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

Universal Learner - 通用学习器 Skill

版本: 1.0 架构: Master-Subordinate 学习方式: 半自动(生成报告 + 人工审核)

🎯 核心功能

从任何领域的Prompt中自动提取可复用元素,存入Universal Elements Library数据库。

支持7大领域:

  • 📷 portrait - 人像摄影
  • 🏠 interior - 室内设计
  • 📦 product - 产品摄影
  • 🎨 design - 平面设计
  • 🎭 art - 艺术风格
  • 🎬 video - 视频生成
  • 📸 common - 通用摄影技术

📋 使用方式

方式1:学习单个Prompt

学习这个Prompt: [粘贴完整Prompt]

或

分析并学习: A premium collector's edition book photographed with Phase One camera, featuring Italian calfskin binding...

方式2:批量学习18个源Prompts

批量学习所有Prompts

或

学习extracted_modules.json中的所有Prompts

方式3:学习特定领域

只学习product领域的Prompts

或

学习Prompt #1, #6, #14, #16(产品摄影)

方式4:学习设计系统/模块系统 ⭐ 新增

学习这个设计系统:[粘贴完整的设计系统规范]

或

学习这个工作流模块:[完整工作流内容]

自动识别特征:

  • 包含关键词:模块 / 系统 / 工作流 / 框架
  • 有层级结构(背景系统 + 配色方案 + 字体系统...)
  • 包含设计理念说明或流程步骤

特殊处理(模块系统模式):

  • 提取元素 → elements表
  • 创建设计系统记录 → design_templates表
  • 保存完整原始内容 → visual_reference字段 ⭐ 关键增强

🔄 工作流程

输入Prompt
  ↓
【Step 0: 类型识别】⭐ 新增
  - 判断是"画面描述型" 还是 "设计系统型"
  - 设计系统特征:包含"设计系统"、"风格规范"、有层级结构
  - 输出: {"type": "prompt" | "design_system"}
  ↓
【Step 0.1: 模块系统判断】⭐ 关键增强
  - 检测关键词:【模块】【系统】【工作流】【框架】
  - YES → 模块系统模式(需保存完整原始内容)
  - NO  → 普通学习模式(只提取元素)
  ↓
【Step 1: 领域分类】domain_classifier.md
  - 识别主要领域(product/design/art/video...)
  - 判断是否多领域
  - 输出: {"primary": "product", "secondary": ["photography"]}
  ↓
【Step 2: 元素提取】element_extractor.md
  - 根据领域提取对应元素
  - product → product_types, materials, photography_techniques
  - design → layouts, effects, typography
  - art → art_styles, special_effects
  - 输出: List[{category, name, template, keywords}]
  ↓
【Step 3: 自动打标签】tagger.md
  - 基于keywords生成tags
  - 添加领域标签、类别标签
  - 跨领域标签识别(luxury, glass, dynamic...)
  - 输出: tags列表
  ↓
【Step 4: 计算复用性】
  - reusability_score (1-10)
  - 基于:通用性、清晰度、独立性
  ↓
【Step 5: 更新数据库】library_updater.md
  - 检查是否已存在(去重)
  - 生成element_id
  - 写入elements.db
  - 更新tag_index
  ↓
【Step 5.1: 如果是设计系统】⭐ 新增
  - 同时创建模板记录
  - 写入design_templates表
  - 关联所有提取的元素
  - 保存设计理念、使用指南等完整信息
  ↓
【Step 5.2: 如果是模块系统模式】⭐ 关键增强
  - 把完整原始内容保存到 visual_reference 字段
  - 包括:完整工作流、所有模板、配置参数等
  - 目的:可直接使用,无需重新组合元素
  ↓
【Step 6: 生成报告】
  - 新学习的元素列表
  - 按领域和类别分组
  - 推荐的tags
  - 质量评估
  - (设计系统)额外显示模板信息

📊 输出示例

学习报告

# Universal Learner - 学习报告

**学习时间**: 2026-01-01 18:30:00
**源Prompt**: Prompt #1

## 🎯 领域识别

主领域: **product** (产品摄影)
次领域: **common** (通用摄影)

## 📦 提取的元素

### 产品类型 (product_types)

1. **collector_edition_book** - 收藏版书籍
   - 模板: premium collector's edition book, luxury binding, Italian calfskin cover
   - 关键词: collector's edition, premium book, luxury binding
   - 标签: product, book, luxury, collectible
   - 复用性: 7.5/10
   - element_id: product_product_types_001

### 材质纹理 (material_textures)

2. **glossy_reflective** - 光泽反射材质
   - 模板: high-end glossy surface, reflective finish, metallic sheen
   - 关键词: glossy, reflective, shiny, polished
   - 标签: material, glossy, luxury, product
   - 复用性: 8.5/10
   - element_id: product_material_textures_002

### 摄影技术 (photography_techniques)

3. **macro_product_shot** - 产品微距特写
   - 模板: Phase One medium format camera with 100mm macro lens, razor-sharp focus
   - 关键词: macro, close-up, detailed, high-resolution
   - 标签: photography, macro, product, technical
   - 复用性: 9.0/10
   - element_id: common_photography_techniques_032

## ✅ 已添加到数据库

- 3个新元素已写入 elements.db
- 更新了12个标签索引
- product领域: 60 → 63 个元素
- common领域: 31 → 32 个元素

## 💡 质量评估

- 提取完整度: 95%
- 标签质量: 优秀
- 复用性评分: 8.3/10 (平均)

🎛️ 配置选项

自动化程度

  • 当前: 半自动(生成报告 + 人工审核)
  • 未来: 可选全自动模式

复用性评分标准

评分标准
9-10极高复用性:跨领域通用,如"macro photography", "soft lighting"
7-8高复用性:领域内通用,如"product on table", "geometric layout"
5-6中等复用性:特定场景,如"collector's edition book"
3-4低复用性:非常具体,如"vintage 1960s typewriter"
1-2极低复用性:一次性描述,不推荐提取

📚 数据源

输入: extracted_results/extracted_modules.json (18个源Prompts)

输出:

  • extracted_results/elements.db (SQLite数据库)
  • extracted_results/universal_elements_library.json (JSON导出)

🔧 模块说明

模块文件功能
领域分类器modules/domain_classifier.md识别Prompt属于哪个领域
元素提取器modules/element_extractor.md提取可复用元素
标签生成器modules/tagger.md自动生成tags
库更新器modules/library_updater.md更新数据库

✅ 验收标准

学习成功的标志:

  • ✅ 能正确识别7大领域
  • ✅ 从18个Prompts提取~440个元素
  • ✅ 自动去重(不重复添加已存在元素)
  • ✅ 标签质量高(相关性强)
  • ✅ 复用性评分合理

Skill状态: ✅ 已实现 最后更新: 2026-01-05 维护者: Universal Library System

平台分布

Claude Code

27.45%
按下载量换算222

OpenCode

20.58%
按下载量换算166

Antigravity

17.84%
按下载量换算144

Gemini CLI

12.37%
按下载量换算100

Cursor

7.13%
按下载量换算58

Codex

2.81%
按下载量换算23

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

可疑

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。来源安全扫描存在提醒或未通过项,安装前请自行复核。

继续浏览同类 Skills