1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | self-learning-skills |
| 作者/维护者 | Kulaxyz（个人开发者） |
| 来源链接 | https://github.com/Kulaxyz/self-learning-skills |
| 许可证 | MIT（仓库 LICENSE 文件明确标注） |
| GitHub Stars / Forks | 890 / 37（GitHub API 实测，2026-07-18） |
| 最新版本 | 未发布正式 Release，以 main 分支最新提交为准（2026-07-01） |
| 安装方式 | npx 一条命令，或 Claude Code 插件市场 |
2. 功能介绍与亮点
这是一个“元技能”：自己不干活，而是把 agent 摸索出的成功路径固化成可复用的 Agent Skill，让下一次会话直接掌握，不必重新摸索。
核心是三步循环：识别（多步骤、屡败屡试后成功的方案、非显而易见的项目事实都是信号）→采集（agent 自主判断作用域与命名）→复用（写入后自动加载）。
两个亮点：一是“晋升规则”，须同时满足“实际验证通过”“能说出避免的失败模式”“排除过至少一种死路”才允许固化，避免把猜测当结论；二是明确禁止把密钥等敏感值写入技能文件，只记录“去哪里找”。
3. 适用场景
所属分类：元技能与 Agent 增强。适合两类人群：反复向编码 agent 解释同一套部署/调试步骤、希望“教一次记一辈子”的开发者；以及希望团队间共享排错经验、把踩坑沉淀为文档的小团队。
4. 跨 Agent 兼容性
- Claude Code：原生支持——SKILL.md 格式，插件市场安装或复制到
.claude/skills/。 - Codex：原生支持——README 说明同样原生加载 SKILL.md，并提供
.codex/skills/写法。 - OpenClaw / Hermes Agent：未验证，抓取材料中未见适配说明。
5. 推荐理由
近乎零成本（无 API Key、不联网、一条命令安装）解决了几乎所有 agent 使用者都会遇到的痛点——同一个坑反复踩、同一套操作反复讲；晋升规则与“绝不写入密钥值”的设计克制审慎，对初中级用户尤其友好。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 6 | 890 星、37 Fork，创建仅约三周即达到该数字，增长明显；但作者为个人开发者，第三方平台（Reddit/Hacker News/X）未见独立讨论 |
| 可用性 | 8 | 一条 npx 命令或 Claude Code 插件市场即可安装，零 API Key、零联网依赖、零付费成本；SKILL.md 文档完整、含分步说明；最近一次提交为 2026-07-01，但仓库整体历史仅约一个月、无正式 Release，长期维护记录尚短 |
| 安全性 | 8 | 见下方安全检查清单 |
安全检查清单：
| 检查项 | 结果 |
|---|---|
| ① Shell 命令及权限范围 | 技能本身不执行 shell 命令，仅指导 agent 在技能目录内写入文件，且明确禁止修改项目源码、运行构建或安装依赖 |
| ② 运行时是否联网外发数据 | 无任何网络调用，纯本地文件读写 |
| ③ API key/凭据存储方式 | 不需要任何凭据；SKILL.md 明文规定绝不写入密钥、密码等敏感值，只记录“去哪里找” |
| ④ 可疑指令/Prompt Injection 迹象 | 已完整抓取 SKILL.md 全文，未发现诱导执行无关操作或外发数据的可疑指令 |
| ⑤ 作者/组织信誉 | 个人开发者，GitHub 账号注册于 2019 年（非新建），公开仓库 5 个、关注者 15 |
| ⑥ License | MIT，清晰明确 |
| ⑦ 最近维护时间 | 最近一次提交 2026-07-01，距今约两周，非弃置项目 |
7. 跟同类 Skills 相比的优势
| 对比对象 | 定位 | 与 self-learning-skills 的差异 |
|---|---|---|
| hermes-agent-self-evolution（Nous Research） | 用遗传算法（DSPy + GEPA）对 Hermes Agent 的技能文件、提示词与代码做自动优化 | 官方出品、体量更大，但需要本地部署 Hermes Agent 仓库、配置环境变量，且每次优化运行产生约 2-10 美元的 LLM API 费用；官方自述五阶段能力目前仅第一阶段落地 |
| dspy-agent-skills（intertwine） | 面向 Claude Code 与 Codex CLI 的生产级 DSPy 技能合集，聚焦提示词评测与优化 | 需要开发者具备 DSPy 编程基础才能配置评测数据集，门槛高于“识别—采集—复用”这类零配置元技能 |
| skill-optimizer（Ash-Blanc） | 用 DSPy 与 Agno 框架优化已有 agent 技能 | 项目仅创建当日提交过一次代码，此后再无更新，尚未形成可用的稳定形态 |
8. 用户评价
该技能在第三方平台尚无具名用户评价。
9. 安装使用方式
- 社区技能 CLI（推荐）：
npx skills add kulaxyz/self-learning-skills（-g装全局，-a claude-code指定 agent） - Claude Code 插件市场：
/plugin marketplace add kulaxyz/self-learning-skills→/plugin install self-learning@self-learning-skills - 手动安装：
skills/self-learning/复制到.claude/skills/、.codex/skills/等目录
安装后注意事项：无需重启，满足条件时自动触发（如完成多步调试、用户说“记住这个”），也可直接要求 agent 采集当前会话经验。
10. 注意事项
- 项目仅创建约一个月、无正式 Release，长期稳定性可锁定具体 commit
- 单一个人开发者维护，需自行评估连续性
- 设计为“发现即采集、不先询问”，会自动写入新技能文件，团队仓库中建议人工复核
- OpenClaw、Hermes Agent 未经验证；安装依赖第三方 CLI（
npx skills），非官方工具