主动反思自我改进
一边从纠正中学习,一边主动推进下一步工作;用统一行为模型替代多个重叠 Skill(self-improving 主动变体)。
功能与用途
这是一套融合了“经验沉淀”与“主动推进”的智能体行为规范。它通过本地分级文件记录学习内容:用户的明确纠错和习惯偏好会被归档并自动沉淀为长期规则;进行复杂任务时,则通过活跃状态文件记录目标、阻塞点与下一步操作,断联后能迅速恢复上下文。在不触碰敏感边界(如对外发信、消费、删除数据)的前提下,它会主动梳理后续步骤并推进,而非被动等待指令。
适用场景
- 复杂多步骤任务断点上下文自恢复:在多步骤长流程中自动维护活跃任务态,会话中断后先查记忆断点再补齐进展,避免重复询问。
- 基于用户纠错的长期偏好闭环沉淀:捕获会话中“不要这样做”等显式纠错,达到频次阈值后自动晋升为全局准则,杜绝同类低级错误。
- 阻塞排查与下一步动作主动推进:周期性检测任务阻塞点与缺失交付项,在安全边界内主动准备方案或补丁,驱动项目往前演进。
适用人群
- 开发者
- 测试
- 技术团队
使用步骤
- 从纠正/偏好/成功流学习。
- 主动推下一步可交付。
- 经验分路由持久/活跃/易变。
- 硬边界先问。
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- AI工作流
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes、国内 Agent
- 使用难度
- 简单
- 版本
- 1.0.0
- 最近更新
- 2026-05-11
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
A unified OpenClaw skill that merges self-improvement and proactivity: learn from corrections, maintain active state, recover context fast, and keep work mov...
使用前准备
- (记忆)本地文件
依赖与权限
- 读取用户主动提供的内容