技能改造方法。核心能力:评估技能是否需要存在(领域消除评估)→ 如果需要存在则重构技能内容(工作流重构)。十一步法:边界识别→存在理由分析→消除可行性评估→独立存在必要性判断→决策输出→组成部分识别→组成部分存在理由分析→补偿层消除→重整→重构验证→改造形态选择。覆盖从技能领域评估、存在必要性判断、技能内容重构到改造验证的全流程。通用方法,不绑定任何特定技能。触发词:技能改造、技能重构、技能优化、skill refactor、技能整理、技能清理、技能评估。
捕获经验教训、错误及修正内容,以实现持续改进。适用于以下场景:(1)命令或操作意外失败;(2)用户纠正Claude(如“不,那不对……”“实际上……”);(3)用户请求的功能不存在;(4)外部API或工具出现故障;(5)Claude发现自身知识已过时或不正确;(6)针对重复性任务发现了更优方法。同时,在执行重大任务前应回顾已积累的经验教训。
场景驱动+关键词双模式技能发现工具。当用户用自然语言描述场景/需求(如"我想做一个海报""帮我分析股票"),或明确说"安装技能/find skills/找个skill"时,自动从官方内置、本地已安装、SkillHub、虾评、GitHub、ClawHub 六层联合搜索并推荐最合适的技能,支持一键安装。已完全替代官方...
自我反思+自我批评+自我学习+自组织记忆。智能体评估自身工作、发现错误并持续改进。
用于 AI 代理的浏览器自动化 CLI。当用户需要与网站交互(包括浏览页面、填写表单、点击按钮、截图等)时使用。
AI智能体技能安全预审工具。安装ClawdHub、GitHub等来源技能前,检查风险信号、权限范围及可疑模式。
类型化知识图谱,用于结构化智能体记忆与可组合技能。适用于以下场景:创建/查询实体(人物、项目、任务、事件、文档)、关联相关对象、强制执行约束、将多步操作规划为图谱变换,或当技能需要共享状态时。触发关键词包括"记住""我知道关于什么""将X链接到Y""显示依赖关系"、实体增删改查操作,以及跨技能数据访问。