Menú
De forma predeterminada está seleccionado el prompt que primero revisa el origen. Puedes cambiar a un comando directo o descargar una copia local.
Lee SKILL.md y los archivos complementarios que muestra SkillsMP antes de decidir si quieres instalarlo.
Instalar con Codex o Claude Copia este prompt, pégalo en Codex, Claude u otro asistente, y deja que revise la página de la skill y la instale por ti.
Un comando directo omite el prompt de revisión. Revisa el origen antes de ejecutarlo.
npx skills add https://github.com/miles990/skillpkg --skill smart-learning-loopEl comando permanece en una sola línea. Desplázate horizontalmente para revisarlo antes de copiarlo.
¿Prefieres una copia local? Descarga los archivos que SkillsMP tiene disponibles ahora.
Mostrando SKILL.md
Basado en la clasificación ocupacional SOC
| name | smart-learning-loop |
| version | 1.1.0 |
| description | 通用的自我學習迴圈模式，遇到能力缺口時自動搜尋、習得、驗證技能 |
| author | miles990 |
| tags | ["learning","self-evolving","meta-skill","autonomous"] |
| dependencies | {"mcp":[{"package":"skillpkg-mcp-server","required":true},{"package":"@anthropic/cipher-mcp","required":false,"note":"推薦使用，用於經驗記憶"}]} |
| interface | {"input":[{"name":"task","type":"string","description":"當前任務描述","required":true},{"name":"gap","type":"string","description":"識別到的能力缺口","required":true},{"name":"context","type":"object","description":"上下文資料（來自前一個 skill）","required":false}],"output":[{"name":"result","type":"string","description":"學習結果：成功/失敗/部分成功"},{"name":"skills_acquired","type":"array","description":"本次習得的技能列表"},{"name":"experience","type":"object","description":"結構化經驗記錄"},{"name":"next_action","type":"string","description":"建議的下一步動作"}]} |
| triggers | [{"pattern":"我不知道如何","description":"識別到知識缺口"},{"pattern":"連續失敗","description":"同一任務連續失敗 2 次以上"},{"pattern":"需要特定工具","description":"任務需要特定框架/工具知識"},{"pattern":"不熟悉的領域","description":"用戶詢問陌生領域問題"}] |
遇到不會的 → 搜尋技能 → 安裝學習 → 驗證 → 記住經驗
┌─────────────────────────────────────────────────────────────────┐
│ 不是給你更多知識，而是教你如何「學會學習」 │
│ │
│ 傳統模式：卡住 → 放棄 或 盲目嘗試 │
│ 學習迴圈：卡住 → 識別缺口 → 找資源 → 學習 → 驗證 → 記住 │
└─────────────────────────────────────────────────────────────────┘
當你遇到以下情況時，啟動學習迴圈：
| 情況 | 觸發 |
|---|---|
| 「我不知道如何...」 | ✅ |
| 連續失敗 2 次以上 | ✅ |
| 需要特定工具/框架知識 | ✅ |
| 用戶問了你不熟悉的領域 | ✅ |
問自己：
1. 我卡在哪裡？
2. 是缺「知識」還是缺「工具」？
3. 如果有 X 技能，我就能繼續了嗎？
輸出：明確的技能需求描述
例如：「需要 ComfyUI 工作流程建立的知識」
// 先查過去經驗
await mcp__cipher__ask_cipher({
message: "我之前有處理過 ComfyUI 相關的任務嗎？學到了什麼？"
})
// 搜尋推薦技能
await mcp__skillpkg__recommend_skill({
query: "ComfyUI workflow game assets",
criteria: "popular"
})
// 查看推薦結果，選擇最適合的
// 安裝技能
await mcp__skillpkg__install_skill({
source: "recommended-skill-name",
scope: "local"
})
// 載入技能指令
await mcp__skillpkg__load_skill({
:
})
安裝技能後，必須驗證真的學會了：
驗證任務設計原則：
- 範圍小、可快速完成
- 涵蓋核心能力
- 有明確成功標準
例如：
技能：comfyui-expert
驗證：生成一張 256x256 測試圖片
標準：PNG 格式、尺寸正確
結果：✅ 成功 → 繼續主任務
❌ 失敗 → 回到 Step 3 換技能
// 記錄這次學習經驗
await mcp__cipher__ask_cipher({
message: `請記住這次學習經驗：
任務：用 ComfyUI 生成遊戲道具
問題：不知道如何生成透明背景
解法：安裝 comfyui-expert skill，使用 RemBG 節點
效果：成功生成透明背景 PNG
注意：需要 4GB+ GPU 記憶體
下次遇到類似問題可以參考。`
})
當學習迴圈本身失敗時：
┌─────────────────────────────────────────────────────────────────┐
│ 失敗類型 處理方式 │
├─────────────────────────────────────────────────────────────────┤
│ 找不到相關技能 → 用 WebSearch 搜尋教學 │
│ 技能安裝失敗 → 檢查依賴，嘗試替代技能 │
│ 驗證失敗 → 重新閱讀技能說明，或換技能 │
│ 連續 3 次失敗 → 暫停，詢問用戶方向 │
└─────────────────────────────────────────────────────────────────┘
用戶：幫我用 ComfyUI 生成遊戲道具圖片
AI 內心獨白：
1. 識別缺口：我不熟悉 ComfyUI
2. 查經驗：(Cipher) 沒有相關經驗
3. 搜技能：recommend_skill("ComfyUI game assets")
→ 推薦 comfyui-expert
4. 安裝：install_skill("comfyui-expert")
5. 載入：load_skill("comfyui-expert")
6. 驗證：生成測試圖 → 成功
7. 記錄：(Cipher) 存下這次經驗
8. 執行主任務：用學到的技能完成用戶需求
| MCP 工具 | 用途 | 必要性 |
|---|---|---|
| skillpkg | 技能搜尋/安裝/載入 | 必要 |
| cipher | 經驗記憶與檢索 | 推薦 |
| pal | 複雜問題多模型諮詢 | 可選 |
| context7 | 查詢最新文檔 | 可選 |
當同一問題有多種解法時，維護策略優先級：
strategies:
- name: "ComfyUI + RemBG"
priority: 1
status: untried
- name: "Stable Diffusion API"
priority: 2
status: untried
- name: "DALL-E + 後處理"
priority: 3
status: untried
# 失敗時自動切換到下一個策略
# 不重複嘗試已失敗的策略
Skills 之間如何協作？這裡定義三種協作模式：
一個 Skill 的輸出作為另一個 Skill 的輸入：
┌─────────────────────────────────────────────────────────────────┐
│ [research-skill] → [code-reviewer] → [git-helper] │
│ ↓ ↓ ↓ │
│ 收集需求資料 審查程式碼 提交變更 │
└─────────────────────────────────────────────────────────────────┘
範例：
1. research-skill 分析問題，產出研究報告
2. 根據報告寫程式碼
3. code-reviewer 審查程式碼，產出修改建議
4. 修正後用 git-helper 提交
實作方式：
// 在 context 中傳遞前一個 skill 的結果
const researchResult = await executeWithSkill("research", task);
const codeResult = await writeCode(researchResult);
const reviewResult = await executeWithSkill("code-reviewer", codeResult);
主 Skill 將子任務委派給專門的 Skill：
┌─────────────────────────────────────────────────────────────────┐
│ [smart-learning-loop] │
│ │ │
│ ┌───────────────┼───────────────┐ │
│ ↓ ↓ ↓ │
│ [skillpkg MCP] [cipher MCP] [pal MCP] │
│ 技能搜尋/安裝 經驗記憶 多模型諮詢 │
└─────────────────────────────────────────────────────────────────┘
這就是 smart-learning-loop 的運作方式：
- 自己負責「學習迴圈」的流程控制
- 將具體工作委派給專門的 MCP 工具
實作方式：
// 主 skill 協調多個子 skill
async function learningLoop(gap) {
// 委派給 cipher 查經驗
const experience = await mcp__cipher__ask_cipher({ query: gap });
if (!experience) {
// 委派給 skillpkg 找技能
const skill = await mcp__skillpkg__recommend_skill({ query: gap });
await mcp__skillpkg__install_skill({ source: skill.name });
}
}
多個 Skill 組合成一個更強大的 Skill：
┌─────────────────────────────────────────────────────────────────┐
│ [full-stack-dev] = [research] + [frontend] + [backend] + [test]│
│ │
│ 這個組合 skill： │
│ • 依賴其他 skills 作為「能力模組」 │
│ • 定義它們如何協作 │
│ • 處理它們之間的資料傳遞 │
└─────────────────────────────────────────────────────────────────┘
在 SKILL.md 中宣告依賴：
---
name: full-stack-dev
dependencies:
skills:
- github:org/research-skill
- github:org/frontend-skill
- github:org/backend-skill
- github:org/test-skill
---
為了讓 Skills 能順利協作，建議遵循以下協議：
| 項目 | 規範 |
|---|---|
| 輸入格式 | 明確定義 skill 接受的輸入格式 |
| 輸出格式 | 明確定義 skill 產出的輸出格式 |
| 狀態傳遞 | 用 context/memory 傳遞狀態 |
| 錯誤處理 | 失敗時返回結構化錯誤 |
範例：標準化介面
# 在 SKILL.md 中定義
interface:
input:
- name: task
type: string
required: true
- name: context
type: object
required: false
output:
- name: result
type: string
- name: artifacts
type: array
- name: next_action
type: string
用戶：幫我開發一個 Todo App
協作流程：
1. [smart-learning-loop] 評估：需要哪些技能？
→ 識別缺口：需要 React 開發知識
2. [smart-learning-loop] 委派給 skillpkg：
→ install("react-expert")
→ install("test-helper")
3. [research-skill] 分析需求：
→ 輸出：功能規格、技術選型
4. [react-expert] 實作前端：
→ 輸入：功能規格
→ 輸出：React 組件程式碼
5. [test-helper] 撰寫測試：
→ 輸入：React 組件
→ 輸出：測試檔案
6. [code-reviewer] 審查：
→ 輸入：所有程式碼
→ 輸出：修改建議
7. [git-helper] 提交：
→ 輸入：審查通過的程式碼
→ 輸出：Git commit
8. [smart-learning-loop] 記錄經驗到 Cipher：
→ 「Todo App 開發：用了 react-expert + test-helper，效果良好」
{
"name": "my-project",
"skills": {
"smart-learning-loop": "github:miles990/smart-learning-loop",
"code-reviewer": "github:org/code-reviewer",
"git-helper": "github:org/git-helper"
},
"skill_workflows": {
"development": ["research", "implement", "review", "commit"],
"learning": ["identify-gap", "search-skill", "install", "verify"]
}
}