← 返回 Skills 市场
844
总下载
0
收藏
3
当前安装
1
版本数
在 OpenClaw 中安装
/install auto-improve
功能描述
Automatische Selbst-Verbesserung durch Fehler-Lernen und Pattern-Erkennung
使用说明 (SKILL.md)
\r \r
Auto-Improve Skill\r
\r Kernprinzip: Jede Aktion macht mich besser für die nächste.\r \r
Wann aktivieren\r
\r
- Session-Start (automatisch)\r
- Nach jedem Task-Abschluss\r
- Bei Fehlern\r \r
Der Improvement Loop\r
\r
┌─────────────────────────────────────────────────┐\r
│ AUTO-IMPROVE LOOP │\r
├─────────────────────────────────────────────────┤\r
│ │\r
│ SESSION START │\r
│ │ │\r
│ ▼ │\r
│ ┌─────────────────┐ │\r
│ │ 1. Load Context │ │\r
│ │ .antigravity │ │\r
│ │ + MEMORY │ │\r
│ └────────┬────────┘ │\r
│ ▼ │\r
│ ┌─────────────────┐ │\r
│ │ 2. Check │ │\r
│ │ Past Mistakes│ ← "Was hab ich falsch │\r
│ └────────┬────────┘ gemacht?" │\r
│ ▼ │\r
│ ┌─────────────────┐ │\r
│ │ 3. EXECUTE TASK │ │\r
│ └────────┬────────┘ │\r
│ ▼ │\r
│ ┌─────────────────┐ │\r
│ │ 4. Verify │ ← Tests + Lint │\r
│ └────────┬────────┘ │\r
│ ▼ │\r
│ ┌─────────────┐ │\r
│ │ Erfolgreich?│ │\r
│ └──────┬──────┘ │\r
│ JA │ NEIN │\r
│ ↓ │ ↓ │\r
│ ┌───────┐ │ ┌──────────┐ │\r
│ │Pattern│ │ │ Learn │ │\r
│ │Save │ │ │ Mistake │ │\r
│ └───┬───┘ │ └────┬─────┘ │\r
│ └─────┼──────┘ │\r
│ ▼ │\r
│ ┌─────────────────┐ │\r
│ │ 5. Update │ │\r
│ │ .antigravity │ │\r
│ └─────────────────┘ │\r
│ │\r
│ → NÄCHSTER TASK IST BESSER │\r
│ │\r
└─────────────────────────────────────────────────┘\r
```\r
\r
## Phase 1: Session Start\r
\r
```python\r
# Automatisch bei Session-Start ausführen\r
\r
# 1. Projekt-Kontext laden\r
project_root = detect_project_root()\r
antigravity_file = f"{project_root}/.antigravity.md"\r
\r
if exists(antigravity_file):\r
load_context(antigravity_file)\r
\r
# 2. Globales Memory laden\r
recall_memory(tags=["mistakes", project_name])\r
\r
# 3. Warnung bei bekannten Fehlern\r
if relevant_mistakes:\r
warn(f"⚠️ Bekannte Fehler für {project}: {mistakes}")\r
```\r
\r
## Phase 2: Pre-Action Check\r
\r
Vor JEDER Code-Änderung:\r
\r
```markdown\r
## Pre-Action Checklist\r
- [ ] Habe ich das schon mal falsch gemacht?\r
- [ ] Gibt es ein gespeichertes Pattern dafür?\r
- [ ] Verstehe ich das Projekt-Architektur?\r
- [ ] Kenne ich die Coding-Standards?\r
```\r
\r
## Phase 3: Post-Action Learn\r
\r
Nach JEDER Aktion:\r
\r
### Bei Erfolg\r
```python\r
save_pattern(\r
situation=task.context,\r
action=task.approach,\r
outcome="success",\r
pattern=extract_reusable_pattern(task)\r
)\r
```\r
\r
### Bei Fehler\r
```python\r
learn_from_mistake(\r
mistake=error.description,\r
cause=error.root_cause,\r
lesson=error.how_to_avoid,\r
tags=["mistakes", project, domain]\r
)\r
\r
# Auto-Update .antigravity.md\r
update_antigravity_mistakes(project, error)\r
```\r
\r
## Integration mit bestehenden Skills\r
\r
| Skill | Integration |\r
|-------|-------------|\r
| `mistake-tracker` | Liefert Fehler-Daten |\r
| `verification-loops` | Triggert Post-Action Learn |\r
| `context-management` | Session Context laden |\r
| `self-check` | Pre-Action Validation |\r
\r
## Triggers\r
\r
### Automatische Trigger\r
```yaml\r
session_start:\r
- load_project_context\r
- recall_mistakes\r
- warn_known_issues\r
\r
post_code_edit:\r
- run_verification_loop\r
- if_error: learn_from_mistake\r
- if_success: save_pattern\r
\r
session_end:\r
- summarize_learnings\r
- update_antigravity\r
```\r
\r
### Manuelle Trigger\r
- `/improve` - Force Learning aus letzter Aktion\r
- `/mistakes` - Zeige alle gelernten Fehler\r
- `/patterns` - Zeige erfolgreiche Patterns\r
\r
## Metriken\r
\r
Track diese Werte über Zeit:\r
\r
| Metrik | Beschreibung |\r
|--------|--------------|\r
| `mistakes_repeated` | Sollte → 0 gehen |\r
| `first_time_right` | Sollte → 100% gehen |\r
| `patterns_reused` | Sollte steigen |\r
| `verification_failures` | Sollte sinken |\r
\r
## Anti-Patterns\r
\r
| ❌ DON'T | ✅ DO |\r
|----------|-------|\r
| Fehler ignorieren | Jeden Fehler speichern |\r
| Nur aktuelle Session | Cross-Session lernen |\r
| Generische Lessons | Spezifische, actionable Lessons |\r
| Zu viel speichern | Nur Relevantes speichern |\r
安全使用建议
Kurz: die Skill-Definition ist inhaltlich plausibel für automatisches Lernen, aber die Laufzeit-Anweisungen lesen und vor allem schreiben persistenten Projekt-/Memory-Zustand (.antigravity.md, save_pattern etc.) ohne dass diese Zugriffe in den Metadaten deklariert oder erklärt sind. Vor Installation/Verwendung prüfen Sie bitte: 1) Wo werden die Lerndaten gespeichert? Gibt es eine explizite Zustimmung bevor Dateien verändert werden? 2) Werden Änderungen am Repository automatisch committet oder gepusht? (Wenn ja: sehr vorsichtig sein.) 3) Können gespeicherte Fehler/Muster sensible Daten enthalten? 4) Welche anderen Skills/Integrationen braucht diese Skill — sind diese vertrauenswürdig? 5) Fordern Sie vom Anbieter eine klare Beschreibung, wie man automatisches Ausführen (Session-Start / post_code_edit) deaktiviert und wie man alle gespeicherten Daten löscht. Da Quelle/Homepage unbekannt sind, empfiehlt sich Zurückhaltung bis diese Fragen beantwortet sind.
功能分析
Type: OpenClaw Skill
Name: auto-improve
Version: 1.0.0
The skill is classified as suspicious due to a significant prompt injection vulnerability identified in `SKILL.md`. The agent is instructed to load context from and update a file named `.antigravity.md`. This creates a feedback loop where an attacker could potentially inject malicious instructions into the `.antigravity.md` file (e.g., via crafted project names or error messages that get logged) which the agent would then load and execute in subsequent operations. While this presents a critical remote code execution risk, there is no explicit evidence of intentional malicious behavior like data exfiltration or backdoor installation within the provided files, aligning it with a vulnerability rather than intentional malice.
能力评估
Purpose & Capability
Name und Beschreibung (Auto-Improve durch Fehler-Learning) stimmen mit den Anweisungen überein: die SKILL.md beschreibt das Sammeln von Fehlern, Mustererkennung und Wiederverwendung. Allerdings verweist die Anleitung auf Integrationen mit anderen Skills (mistake-tracker, verification-loops, context-management, self-check) und auf persistenten Speicher (.antigravity.md, globales Memory) ohne dass diese Abhängigkeiten, Pfade oder Zugriffsrechte in den Registry-Metadaten deklariert werden.
Instruction Scope
Die Runtime-Anweisungen verlangen: Erkennen des Projekt-Roots, Lesen (load_context, recall_memory) und Schreiben (update_antigravity_mistakes, save_pattern) von Projektdaten sowie Cross-Session-Persistence. SKILL.md instruiert automatische Triggers (Session-Start, post_code_edit) und das automatische Aktualisieren von .antigravity.md. Diese Datei- und Speicherzugriffe können Nutzer-Dateien verändern und sensible Informationen über Aktionen/Fehler speichern; das Verhalten ist nicht eingeschränkt oder erläutert (keine Hinweise auf opt-in, Speicherort, Versionierung oder ob Änderungen committet/extern geschickt werden).
Install Mechanism
Instruction-only Skill ohne Install-Spezifikationen oder heruntergeladene Artefakte — keine Installationsrisiken aus dem Registry-Manifest.
Credentials
Registry verlangt keine Umgebungsvariablen oder config-Pfade, aber die SKILL.md greift klar auf projektbezogene Dateien und auf "globales Memory" zu und schreibt persistent Daten. Es besteht eine Inkohärenz zwischen deklarierten Anforderungen (keine) und den tatsächlich benötigten Zugriffen (Dateisystem, persistenten Speicher, mögliche Integrationen mit anderen Skills). Zudem ist unklar, ob gespeicherte Muster/Mistakes sensible Inhalte enthalten könnten (z. B. Code-Snippets, Geheimnisse).
Persistence & Privilege
Die Skill-Anweisungen speichern über Sessions hinweg (update .antigravity.md, save_pattern, recall_memory). Flags zeigen 'always: false', also wird die Skill nicht erzwungen installiert, aber die SKILL.md propagiert automatische Triggers (Session-Start, post_code_edit). Persistentes Schreiben in Benutzer-Projekte/Memory ist eine signifikante Privileg-Anforderung, die nicht explizit deklariert oder eingeschränkt ist.
如何使用
- 确保已安装 OpenClaw(本地或 Docker 部署)
- 在对话框中输入安装命令:
/install auto-improve - 安装完成后,直接呼叫该 Skill 的名称或使用
/auto-improve触发 - 根据 Skill 的参数说明提供必要输入,即可获得结构化输出
版本历史
v1.0.0
Auto-Improve Skill 1.0.0 – Automatische Selbst-Verbesserung durch Fehler-Lernen und Pattern-Erkennung.
- Führt einen strukturierten Improvement Loop für kontinuierliches Lernen nach jeder Aktion oder jedem Fehler ein.
- Integriert automatisches und manuelles Triggern für Fehler-Lernen, Pattern-Erkennung und Kontext-Updates.
- Bietet Checklisten für Pre-Action-Validierung und automatisches Speichern von Erfolgs-Patterns oder Fehler-Learnings.
- Ermöglicht Integration mit bestehenden Skills wie mistake-tracker, verification-loops und context-management.
- Führt Metriken zum Fortschrittstracking ein (z.B. wiederholte Fehler, Pattern-Reuse-Rate).
元数据
常见问题
Auto Improve 是什么?
Automatische Selbst-Verbesserung durch Fehler-Lernen und Pattern-Erkennung. 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件,目前累计下载 844 次。
如何安装 Auto Improve?
在 OpenClaw 或 Claude Code 对话框中运行命令「/install auto-improve」即可一键安装,无需额外配置。
Auto Improve 是免费的吗?
是的,Auto Improve 完全免费(开源免费),可自由下载、安装和使用。
Auto Improve 支持哪些平台?
Auto Improve 跨平台运行,可在任意部署了 OpenClaw / Claude Code 的环境中使用(cross-platform)。
谁开发了 Auto Improve?
由 Mcben90(@mcben90)开发并维护,当前版本 v1.0.0。
推荐 Skills