开发与工程 cursoragents-mdskill-harvestingdeveloper-workflowcodexmemory-persistenceagent-skills

Self-Learning Skills

让 AI 编码代理自动识别并沉淀会话中辛苦换来的'黄金路径',下次会话无需重新摸索。

FollowAgents 评估 · FARS-2.1
不推荐
56/ 100 五分制 2.8 / 5
1 2 3 4 5 6
1信任安全13 / 29 · 2.2/5

最小权限:仅写入技能/规则文件与笔记,README 明确权限范围,得 2。用户确认:README 自述"捕获时无需提示,事后才告知",即默认无确认写入,仅 1。数据流:写入位置表清晰(skills/、.cursor/rules/learned/、AGENTS.md),得 2。敏感数据:有明确"绝不写入密钥值、只记录位置"的安全设计,是亮点,但仅为声明、无机制文件佐证,得 2。依赖安全:安装依赖社区 skills CLI(npx 远程执行),无锁定/审计说明,仅 1。外部效果:会修改用户配置文件并向 git 仓库提交共享内容,README 承认但无防护说明,得 2。回滚:完全没有撤销/删除已采集技能的说明,0。来源归属:被采集知识的来源标注未见说明,且发布者未经验证,仅 1。

2可靠稳定6 / 14 · 2.1/5

自洽性:README 内部描述(循环、分诊、晋升规则)相互一致,得 2;但核心 SKILL.md 未在源文件中提供,无法交叉核验,扣分体现在置信而非分值之外——保守仍给 2。依赖可用性:依赖 vercel-labs skills CLI 与各 agent 的规则加载机制,均无版本/可用性承诺,1。失败信息:无任何关于提示不触发、写入失败、误判分诊时的反馈或错误处理说明,1。

3适用触发15 / 18 · 4.2/5

受众与场景:明确面向 Claude Code/Cursor/AGENTS.md 系 agent 的开发者,调试与运维复用场景具体,3。能力边界:说明了"技巧 vs 记忆 vs 跳过"的分诊与晋升门槛,但不说明 meta-skill 本身何时失效,2。触发精度:给出识别时刻的具体线索(多轮才成功、非显然命令、用户说 remember this),但主要靠 LLM 自行判断,无硬性护栏,2。环境适配:三种持久化路径分工具列出,并附手动安装,3。

4规范维护10 / 18 · 2.8/5

信息架构:仓库布局图清晰、分层合理(技能/参考/模板/适配器),但实际 SKILL.md 等文件未在证据中,仅凭 README 描述,2。安装说明:npx/插件/手动三种方式齐全且带命令,3。命名稳定性:self-learning 名称一致,learned/ 目录约定明确,2。示例与 FAQ:只有晋升规则的描述性说明,无具体采集示例或 FAQ,1。已知局限:无专门的局限章节(如对 always-read agent 的配置膨胀风险仅顺带提及),1。许可证:MIT 全文在案,3。版本与变更日志:无版本号、无 CHANGELOG,1。维护责任:版权人 kulaxyz,无维护声明、更新路径或社区治理,1。

5有效结果9 / 13 · 3.5/5

输出可用性:产出为标准 SKILL.md/.mdc/AGENTS.md 追加,带模板与参考规范,可直接被工具加载,2。边际价值:解决真实痛点(会话间知识蒸发),失败模式记录和晋升规则是有辨识度的增值,2。成本收益:轻量、无运行时依赖、分诊防止配置膨胀,收益大于成本;但自动写入若误判需人工清理,2。

6证据核验3 / 8 · 1.9/5

主张可追溯:安装路径与仓库布局可在文件树核对,但核心行为声明(识别、绝不写密钥)无代码证据可查,1。跨源佐证:仅 README 与 LICENSE 两份文件,SKILL.md、AGENTS.md、skills.sh. 均未出现在证据中,无法相互印证,1。事实与推断分离:晋升规则部分标注"社区反馈建议",但整体宣传性语言("works with 70+ agents"等)与事实陈述混合,1。

证据充分度: 评估于 2026年9月10日 审查版本 d4e0a7ec1f1a
源码中未见的安全控制:回滚或恢复路径
使用前请注意
  • 该技能默认在无用户确认的情况下写入配置文件并向仓库提交内容;生产环境中使用前请审查其写入位置,并自行建立回滚流程(仓库未提供撤销手段)。
  • 绝不写入密钥
  • 仅为 README 声明,本次审查未获得 SKILL.md 等核心文件作为证据;切勿假定其有机制性防泄漏,采集内容入库前请人工检查是否含令牌、连接串。
  • 安装路径依赖通过 npx 远程拉取的第三方 CLI,存在供应链风险;建议改用手动复制方式并锁定版本。
  • 发布者未经验证,且仓库无版本号、无变更日志、无维护承诺,采用前请评估长期可用性。
评估证据 [1][2]
查看完整评分方法 →

这个 Agent 能做什么,适合哪些场景?

self-learning-skills 是一个面向 AI 编码代理的自我改进元技能,支持 Claude Code、Cursor 以及任何读取 AGENTS.md 的代理。它解决的问题很具体:调试中摸清的命令、凭据位置、部署流程在会话结束后就丢失了,下个会话又要从零开始。这个项目教会代理识别'刚刚获得可复用经验'的时刻,并将其持久化到工具会自动加载的位置,例如 Claude Code 的 skills/<name>/SKILL.md 或 Cursor 的 .cursor/rules/learned/<name>.mdc。它不只记录成功路径,还记录'什么行不通',因为跳过已知的死胡同往往比成功本身更有价值。项目内置三档分流(技能/备忘/跳过)和一条晋升规则:只有通过验证检查、有命名失败模式、并排除至少一条死路径的会话才能晋升为正式技能。所有采集的规则绝不写入密码、令牌等秘密值,只记录秘密的位置。

该元技能本身不执行编码任务,而是让宿主代理在会话中执行一个采集循环:1) 识别时机——任务多次尝试才成功、发现非显而易见的命令、学到项目事实,或用户说'记住这个';2) 立即捕获——自动选定作用域和名称,记录可复用的过程(而非一次性答案)及'行不通的备注';3) 复用——下次会话通过技能描述匹配或常读指令文件自动加载。持久化位置因工具而异:Claude Code/Codex 写入新的 skills/<name>/SKILL.md,Cursor 写入 .cursor/rules/learned/<name>.mdc,Zed/Aider/Gemini CLI 等追加到 AGENTS.md。仓库包含 AGENTS.md(跨工具通用版)、skills/self-learning/SKILL.md(识别与采集流程)、references/skill-authoring.md(写作规范)和 assets/SKILL.template.md(模板),并附带 Claude Code 插件清单和 skills.sh 注册表清单。

  1. 使用 Claude Code 的开发者反复在多个会话中重新摸索如何连接生产数据库、凭据存放在哪、部署命令是什么。
  2. Cursor 用户希望团队中采集到的经验规则随 .cursor/rules/ 目录通过 git 共享给整个团队。
  3. 使用 Codex、Zed、Aider 或 Gemini CLI 等读取 AGENTS.md 的代理的用户,想把经验沉淀到常读的指令文件中。
  4. 维护多项目的工程师希望全局安装一次(npx skills add -g),让所有项目共享这套采集机制。
  5. 担心代理把未经验证的猜测固化为技能的谨慎用户——晋升规则要求通过验证、命名失败模式和排除死路径三者齐备。

这个 Agent 有哪些优点和局限?

优点
  • 跨工具统一:同一套循环适配 Claude Code、Cursor、Codex 及任何读取 AGENTS.md 的代理,迁移时知识结构一致。
  • 记录'什么行不通':除成功路径外还捕获命名的失败模式和被排除的死路径,下次会话可直接跳过弯路。
  • 晋升规则防止技能膨胀与猜测固化:需通过验证检查、命名失败模式和排除死路径三项条件才能成为正式技能。
  • 安全性内建:绝不写入密码、令牌、连接串或 API 密钥,只记录秘密的查找位置(环境变量名、选择器函数、MCP 工具等)。
局限
  • 它是元技能而非执行器:能力完全依赖宿主代理的技能/规则加载机制,需要 Claude Code、Cursor 等受支持的运行环境。
  • 采集质量取决于代理的判断力——README 未提供评测或基准数据证明识别与分流的准确率。
  • 采集的技能/规则会被提交和共享,若团队工作流不同,他人采集的经验未必适用于你的项目。
  • Cursor 采集的规则落在 .cursor/rules/learned/,长期使用需要定期审查避免规则文件堆积。

如何安装或部署这个 Agent?

推荐用 npx(通过社区 skills CLI,可自动检测 70+ 代理):
- 安装到当前项目:npx skills add kulaxyz/self-learning-skills
- 全局安装:npx skills add kulaxyz/self-learning-skills -g
- 指定代理:npx skills add kulaxyz/self-learning-skills -a claude-code

Claude Code 插件方式:

- /plugin marketplace add kulaxyz/self-learning-skills
- /plugin install self-learning@self-learning-skills

手动安装:git clone https://github.com/kulaxyz/self-learning-skills 后,Claude Code 执行 cp -R self-learning-skills/skills/self-learning ~/.claude/skills/(全局)或复制到项目 .claude/skills/;Cursor 执行 mkdir -p .cursor/rules && cp self-learning-skills/.cursor/rules/self-learning.mdc .cursor/rules/;AGENTS.md 代理执行 curl https://raw.githubusercontent.com/kulaxyz/self-learning-skills/main/AGENTS.md >> AGENTS.md。无需任何凭据或 API 密钥。

如何使用这个 Agent?

安装后无需手动触发:代理在会话中自行识别'刚获得可复用经验'的时刻(多次尝试才成功、非显而易见的命令、重复出现的运维流程,或你说'记住这个')并立即采集。采集后代理会告知你写入了什么。无需安装即可试用一次:npx skills use kulaxyz/self-learning-skills --skill self-learning | claude。代理会按三档分流——多步骤可复用流程写入技能/规则,单条事实写入轻量备忘(如 MEMORY.md),真正的一次性问题直接跳过。下次会话中,技能通过描述匹配自动加载,AGENTS.md 条目则因常读而始终生效。

对比同类 Agent

用同一套 FARS 评审,横向比较这个 Agent 所属的短名单。

相关 Agents