メニュー
デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。
インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
直接コマンドでは確認用 Prompt が省略されます。実行前にソースを確認してください。
npx skills add https://github.com/miles990/skillpkg --skill smart-learning-loopコマンドは1行のまま表示されます。コピー前に横へスクロールして全体を確認してください。
ローカルで確認しますか？SkillsMP が現在取得できるファイルをダウンロードできます。
SKILL.md を表示中
SOC 職業分類に基づく
| 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"]
}
}