self-learning-skills

self-learning-skills 快速入门

self-learning-skills 是一个让 AI 编码 Agent 实现自我进化的 Skill。它的核心机制很简单：监控 Agent 的编码会话，识别那些被反复证明有效的”黄金路径”（Golden Path），然后自动将这些成功经验收割为可复用的 Skill 文件。下次遇到类似场景时，Agent 直接调用已收割的 Skill，不需要重新探索。

这个项目由开发者 Kulaxyz 创建，2026 年 6 月底开源（MIT），一周内获得 800+ Stars。它兼容 Claude Code、Cursor 和 AGENTS.md 格式，零配置即可使用。

功能特性

黄金路径自动识别

在编码会话中，Agent 经常会走弯路——尝试一种方案、失败、换另一种、最终找到正确方法。self-learning-skills 监控这个过程，当某个模式被成功验证多次后，自动将其标记为”黄金路径”并记录关键步骤。这就像一个有经验的开发者会记住”上次这个问题是这么解决的”——只不过这个记忆是自动化的。

自动收割为 Skill 文件

识别到黄金路径后，self-learning-skills 自动生成标准的 SKILL.md 文件。文件包含问题描述、解决步骤、适用场景和注意事项。生成的 Skill 可以被 Claude Code、Cursor 等 Agent 直接加载使用。

多平台兼容

支持 Claude Code 的 SKILL.md 格式、Cursor 的 .cursorrules 格式、以及通用的 AGENTS.md 格式。你可以在不同 Agent 之间共享收割的 Skill，形成团队知识库。

零配置即装即用

将 self-learning-skills 的配置文件放入项目目录后，Agent 自动启用自学习能力。不需要额外的 API Key、数据库或外部服务。

竞品对比

与 loop-engineering 对比：loop-engineering（Cobus Greyling）是一套手动编写的 Agent 编排模式库，需要开发者主动学习和应用。self-learning-skills 是从实际会话中自动学习——一个是被动知识库，一个是主动学习系统。

与 skill-creator 对比：Anthropic 官方的 skill-creator 是手动创建 Skill 的工具，需要开发者自己总结最佳实践并手写 SKILL.md。self-learning-skills 自动化了这个过程——从实践中提取经验，不需要人工干预。

适用场景

个人 AI 编码效率提升：随着使用时间增长，Agent 自动积累项目特定的最佳实践，越用越高效。

团队知识沉淀：多个开发者使用同一个 Agent 时，self-learning-skills 收割的 Skill 可以共享，形成团队级别的编码知识库。

新成员快速上手：新加入项目的开发者可以使用团队积累的 Skill 文件，让 Agent 立即获得”老员工”的经验。

参考链接

• self-learning-skills GitHub
• Claude Code Skills 文档
• loop-engineering