← 返回 Skills 市场
lijianqiang666

学习日志系统

作者 lijianqiang666 · GitHub ↗ · v1.0.0 · MIT-0
cross-platform ✓ 安全检测通过
95
总下载
0
收藏
0
当前安装
1
版本数
在 OpenClaw 中安装
/install learn-journal
功能描述
牢大AI学习日志系统。自动记录、分类、沉淀AI在任务执行过程中的学习心得、踩坑记录和经验教训。当AI完成重要任务、遇到错误失败、发现新工具或方法、做出重要决策时,应该将关键信息记录到学习日志。触发场景:任务完成后的复盘、错误/失败后的总结、新工具/新技能的发现和评估、重要配置决策的记录。
使用说明 (SKILL.md)

学习日志系统 (Learn Journal)

核心理念

"Mental notes don't survive session restarts. Files do." 学习不靠记忆,靠文档。

日志文件位置

  • 长周期学习: {workspace}/MEMORY.md
  • 日/周记录: {workspace}/memory/YYYY-MM-DD.md
  • 专项学习: {workspace}/.learnings/LEARNINGS.md

日志类型

1. LRN (Learning) - 新知识/新发现

## LRN-YYYYMMDD-NNN: \x3C简短标题>

**来源**: \x3C任务/对话/探索>
**日期**: YYYY-MM-DD

### 核心发现
\x3C1-3句话描述>

### 关键细节
- \x3C具体信息>

### 适用场景
\x3C何时使用这个知识>

### 关联
- 关联: \x3C相关技能/文档>

2. ERR (Error) - 踩坑/错误记录

## ERR-YYYYMMDD-NNN: \x3C错误描述>

**错误类型**: \x3C分类>
**发生频率**: 偶尔/经常/首次

### 问题
\x3C具体描述>

### 原因
\x3C根本原因>

### 解决
\x3C解决方案>

### 预防
\x3C如何避免再次踩坑>

3. FEAT (Feature) - 技能/工具亮点

## FEAT-YYYYMMDD-NNN: \x3C技能名>

**评分**: ⭐⭐⭐⭐⭐ (1-5星)
**类型**: skill/tool/integration/method
**来源**: \x3C来源>

### 亮点
\x3C核心价值>

### 使用方法
\x3C如何使用>

### 注意事项
\x3C踩坑点>

4. DEC (Decision) - 重要决策

## DEC-YYYYMMDD-NNN: \x3C决策标题>

**问题**: \x3C要解决的问题>
**选项**: \x3C可选方案>
**决策**: \x3C最终选择>
**理由**: \x3C为什么选这个>

### 后果
\x3C正面/负面>

写入时机

必须写入:

  • 重要任务完成后的复盘
  • 错误/失败后的总结
  • 发现新工具或新方法
  • 重要配置决策
  • 反复犯的同类错误

应该写入:

  • 意外发现的有用技巧
  • 配置变更的记录
  • 工作流程优化

不需要写入:

  • 临时的一次性探索
  • 明显且容易记住的信息
  • 完全失败的无效尝试

格式规范

  • 每条日志必须有唯一ID: TYPE-YYYYMMDD-NNN
  • 优先使用列表格式,便于扫描
  • 包含足够的上下文,但避免冗余
  • 定期回顾,更新高价值内容到 MEMORY.md

快速写入

## LRN-20260405-001: \x3C标题>
**日期**: 2026-04-05

### 核心
\x3C一句话>

### 详情
\x3C补充>

### 适用
\x3C场景>
安全使用建议
此技能看起来是安全且与说明一致:它只在本地工作区写入学习日志,不联网也不请求凭据。注意默认 workspace 推断会向上跳两层,可能把日志写到比预期更上级的目录——为避免意外,请在调用脚本时明确传入 --workspace 指定路径,或在首次运行前检查脚本目录层级并确认日志位置。另外,若多人或生产系统共享目录,检查文件权限并定期备份 LEARNINGS.md。
功能分析
Type: OpenClaw Skill Name: learn-journal Version: 1.0.0 The 'learn-journal' skill is a documentation tool designed to help an AI agent maintain a persistent record of its activities, errors, and decisions in local Markdown files. The Python script 'scripts/add_entry.py' handles basic file I/O to append logs to the workspace, and the instructions in 'SKILL.md' are entirely consistent with the stated purpose of knowledge management without any signs of data exfiltration, malicious execution, or harmful prompt injection.
能力评估
Purpose & Capability
名称与说明(学习日志/复盘/沉淀经验)与包含的文件和脚本一致。唯一提供的脚本 add_entry.py 仅用于生成/追加本地 .learnings/LEARNINGS.md 日志,references/patterns.md 仅包含写作示例和模式。
Instruction Scope
SKILL.md 指示把日志写入工作区路径({workspace}/...),脚本会创建 .learnings/LEARNINGS.md 并维护 .counter。脚本没有网络、执行外部命令或读取未声明的凭据,但默认 workspace 的解析逻辑向上走了两层(脚本位于 scripts/ 时会将 workspace 设为脚本目录的上两级),这可能导致日志被写入比预期更高层的目录(意外写入用户目录或项目外位置)。建议用户在使用时显式传入 --workspace 以避免意外写入。
Install Mechanism
无安装规范(instruction-only + 单个脚本)。没有下载或解压外部二进制,未在系统上安装额外软件,风险较低。
Credentials
不要求环境变量、凭据或外部配置路径。references 中示例提到某些工具可能需要 Token(仅为示例),但技能本身不请求或使用任何密钥/令牌。
Persistence & Privilege
flags 表示 always:false,技能不会强制常驻。脚本只写入自己的日志目录 (.learnings) 并维护本地 .counter,无修改其他技能或系统配置的行为。
如何使用
  1. 确保已安装 OpenClaw(本地或 Docker 部署)
  2. 在对话框中输入安装命令:/install learn-journal
  3. 安装完成后,直接呼叫该 Skill 的名称或使用 /learn-journal 触发
  4. 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
牢大产出的第一个skill!自动记录AI学习心得、踩坑记录和经验教训。
元数据
Slug learn-journal
版本 1.0.0
许可证 MIT-0
累计安装 0
当前安装数 0
历史版本数 1
常见问题

学习日志系统 是什么?

牢大AI学习日志系统。自动记录、分类、沉淀AI在任务执行过程中的学习心得、踩坑记录和经验教训。当AI完成重要任务、遇到错误失败、发现新工具或方法、做出重要决策时,应该将关键信息记录到学习日志。触发场景:任务完成后的复盘、错误/失败后的总结、新工具/新技能的发现和评估、重要配置决策的记录。 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件,目前累计下载 95 次。

如何安装 学习日志系统?

在 OpenClaw 或 Claude Code 对话框中运行命令「/install learn-journal」即可一键安装,无需额外配置。

学习日志系统 是免费的吗?

是的,学习日志系统 完全免费,采用 MIT-0 许可证,可自由下载、安装和使用。

学习日志系统 支持哪些平台?

学习日志系统 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 学习日志系统?

由 lijianqiang666(@lijianqiang666)开发并维护,当前版本 v1.0.0。

💬 留言讨论