Self-Improvement Agent Skill

当 Agent 需要从任务执行中学习并自我优化时，激活此技能。

激活条件

用户提到以下关键词时激活： - "自我改进"、"自我优化"、"学习经验" - "任务评估"、"性能分析" - "优化工作流程"、"提升效率" - 需要 Agent 从错误中学习的场景

核心概念

Agent 不应该只是执行任务，还应该从执行中学习，不断优化自己的表现。

三层自我改进机制： 1. Layer 1: 实时反馈循环 - 每次任务执行后立即评估 2. Layer 2: 周期性深度反思 - 定期深度分析 3. Layer 3: 跨 Agent 经验共享 - 共享学习成果

小葱技能7w4.net有更新，你可以访问看下。

任务评估标准

评分公式

总分 = 完成度(30%) + 效率(20%) + 质量(30%) + 满意度(20%)

评分等级

使用方法

Python 版本（推荐）

# 评估任务
python scripts/evaluate_task.py \
    --agent-id "my-agent" \
    --task-id "task-001" \
    --task-type "内容创作" \
    --completion 90 \
    --efficiency 85 \
    --quality 80 \
    --satisfaction 85

# 记录经验
python scripts/learn_lesson.py \
    --agent-id "my-agent" \
    --lesson "验证链接有效性" \
    --impact high \
    --category quality

# 优化分析
python scripts/optimize_agent.py --agent-id "my-agent"

# 跨 Agent 同步
python scripts/sync_learning.py

参数说明

evaluate_task.py | 参数 | 说明 | 必填 | |------|------|------| | --agent-id | Agent 标识 | 是 | | --task-id | 任务标识 | 是 | | --task-type | 任务类型 | 是 | | --completion | 完成度 (0-100) | 是 | | --efficiency | 效率 (0-100) | 是 | | --quality | 质量 (0-100) | 是 | | --satisfaction | 满意度 (0-100) | 是 |

learn_lesson.py | 参数 | 说明 | 必填 | 可选值 | |------|------|------|--------| | --agent-id | Agent 标识 | 是 | | | --lesson | 经验描述 | 是 | | | --impact | 影响程度 | 是 | high/medium/low | | --category | 类别 | 是 | quality/efficiency/tools/knowledge |

数据存储位置

{workspace}/
├── self-improvement/
│   ├── evaluations.json        # 评估记录
│   ├── lessons-learned.json   # 经验库
│   └── optimization-plan.json # 优化计划
└── shared-context/
    └── self-improvement/
        └── collective-wisdom.json  # 共享知识库

最佳实践

何时评估

• 完成重要任务后
• 完成复杂任务后
• 任务失败或返工后
• 简单重复性任务可选

如何记录经验

• 记录具体的失败场景
• 记录成功的关键因素
• 记录工具使用的注意事项

如何应用学习

• 定期回顾经验库
• 主动应用最佳实践
• 分享给其他 Agent

故障排查

让每个 Agent 都成为终身学习者！

Version: 1.1.0 (Python Edition) Tags: agent, self-improvement, learning, optimization

这个 Skill 质量较好，能帮助 Agent 从任务执行中学习并持续优化自己。它的任务评估、经验记录、优化分析和跨 Agent 知识共享功能完整且实用。优点是文档清晰、使用简单、评分机制设计合理。不足之处是数据校验不够严格，优化建议比较简单机械，缺少自动化测试保障稳定性。整体而言功能实用但还有较大改进空间。