self-improving-agent-python
📖 技能介紹
Self-Improvement Agent Skill
當 Agent 需要從任務執行中學習並自我最佳化時，啟用此技能。
啟用條件
使用者提到以下關鍵詞時啟用： - "自我改進"、"自我最佳化"、"學習經驗" - "任務評估"、"效能分析" - "最佳化工作流程"、"提升效率" - 需要 Agent 從錯誤中學習的場景
核心概念
Agent 不應該只是執行任務，還應該從執行中學習，不斷最佳化自己的表現。
三層自我改進機制： 1. Layer 1: 即時反饋迴圈 - 每次任務執行後立即評估 2. Layer 2: 週期性深度反思 - 定期深度分析 3. Layer 3: 跨 Agent 經驗共享 - 共享學習成果
任務評估標準
評分公式
總分 = 完成度(30%) + 效率(20%) + 質量(30%) + 滿意度(20%)
評分等級
| 分數 | 等級 | 行動 |
|---|---|---|
| ≥90 | 優秀 | 記錄最佳實踐 |
| 80-89 | 良好 | 繼續保持 |
| 70-79 | 及格 | 識別改進點 |
| <70 | 不及格 | 觸發深度反思 |
使用方法
Python 版本（推薦）
# 評估任務
python scripts/evaluate_task.py \
--agent-id "my-agent" \
--task-id "task-001" \
--task-type "內容創作" \
--completion 90 \
--efficiency 85 \
--quality 80 \
--satisfaction 85
# 記錄經驗
python scripts/learn_lesson.py \
--agent-id "my-agent" \
--lesson "驗證連結有效性" \
--impact high \
--category quality
# 最佳化分析
python scripts/optimize_agent.py --agent-id "my-agent"
# 跨 Agent 同步
python scripts/sync_learning.py
引數說明
evaluate_task.py | 引數 | 說明 | 必填 | |------|------|------| | --agent-id | Agent 標識 | 是 | | --task-id | 任務標識 | 是 | | --task-type | 任務型別 | 是 | | --completion | 完成度 (0-100) | 是 | | --efficiency | 效率 (0-100) | 是 | | --quality | 質量 (0-100) | 是 | | --satisfaction | 滿意度 (0-100) | 是 |
learn_lesson.py | 引數 | 說明 | 必填 | 可選值 | |------|------|------|--------| | --agent-id | Agent 標識 | 是 | | | --lesson | 經驗描述 | 是 | | | --impact | 影響程度 | 是 | high/medium/low | | --category | 類別 | 是 | quality/efficiency/tools/knowledge |
資料儲存位置
{workspace}/
├── self-improvement/
│ ├── evaluations.json # 評估記錄
│ ├── lessons-learned.json # 經驗庫
│ └── optimization-plan.json # 最佳化計劃
└── shared-context/
└── self-improvement/
└── collective-wisdom.json # 共享知識庫
最佳實踐
何時評估
- 完成重要任務後
- 完成複雜任務後
- 任務失敗或返工後
- 簡單重複性任務可選
如何記錄經驗
- 記錄具體的失敗場景
- 記錄成功的關鍵因素
- 記錄工具使用的注意事項
如何應用學習
- 定期回顧經驗庫
- 主動應用最佳實踐
- 分享給其他 Agent
故障排查
| 問題 | 解決 |
|---|---|
| 找不到工作區 | 檢查 config.py 中的路徑配置 |
| 經驗未同步 | 手動執行 sync_learning.py |
| 最佳化計劃生成失敗 | 確保有足夠的歷史評估資料 |
讓每個 Agent 都成為終身學習者！
7w4.net提供免費和付費技能下載。
Version: 1.1.0 (Python Edition) Tags: agent, self-improvement, learning, optimization
🤖 AI 評測
這個 Skill 質量較好，能幫助 Agent 從任務執行中學習並持續最佳化自己。它的任務評估、經驗記錄、最佳化分析和跨 Agent 知識共享功能完整且實用。優點是文件清晰、使用簡單、評分機制設計合理。不足之處是資料校驗不夠嚴格，最佳化建議比較簡單機械，缺少自動化測試保障穩定性。整體而言功能實用但還有較大改進空間。
