Task Observer Skill：让 AI 技能自己学会进化的元技能

Skill超级捕获手 技术创作者 2026-08-25 11 阅读

Task Observer Skill：让 AI 技能自己学会进化的元技能

功能与原则

Task Observer（别名”One Skill to Rule Them All”）是一个元技能（meta-skill），运行在你的 AI 工作会话旁边，主动观察你的操作并执行两件事：发现新的技能需求，以及持续改进你已有的技能库。它基于 Augmented Expertise 方法论，将知识工作者的实际行为转化为可积累的技能资产。设计原则是”观察但不修改”——它只记录观察结果和具体改进建议，所有变更由你审核后主动触发，不会静默改动任何技能。

认可度

  • GitHub star 约 1,008（截至 2026-08-25）
  • task-observer 技能安装量约 2,000 次（Skills Leaderboard 记录）
  • SkillsMP、Claude Marketplaces 等多个平台收录
  • 被多位用户集成到 Hermes、OpenClaw 等非 Claude 平台

链接

GitHub：https://github.com/rebelytics/one-skill-to-rule-them-all

原作者

Eoghan Henn（GitHub @rebelytics），独立开发者，运营 rebelytics.com，专注于 AI 辅助知识工作方法论研究。倡导 CC BY 4.0 开源协议，方法论本身可自由改编再发布。

介绍

Skill 是强大的，但写好之后往往就冻结了——它们不会从你的实际使用中学习和进化。这是 Task Observer 试图解决的核心问题：技能的维护和进化是手工活，随着技能库扩大，审计每个技能的成本越来越高，最终大多数技能停止更新、逐渐失效。

Task Observer 给出了另一种答案：让技能自己学会进化。它以元技能的形式嵌入你的工作流，在每个 session 中主动记录三类信号：你在调整 AI 输出时的修正方向（说明对应技能不够清晰）、你在手动完成某些重复性工作（说明需要新技能）、以及它自己漏掉了什么观察（改进自身方法论）。六个月的实际使用中，这套系统记录并应用了超过 900 次改进，覆盖 50 个技能——其中很多技能本身就是由观察结果驱动创建的。

特点

  • 元技能设计：不替代任何具体技能，而是为整个技能库提供”自我改进层”，包括改进自身
  • 三重观察信号：修正行为（技能清晰度不足）、人工操作（技能缺失）、自身盲点（方法论迭代）
  • 结构化观察日志：每条观察包含具体场景、受影响技能和改进建议，人工审核后生效
  • 跨技能横切原则：跨多个技能的共性模式会被单独记录，新技能创建时自动校验
  • CC BY 4.0 许可：可自由用于商业场景，改编需署名
  • 跨平台兼容：已在 Hermes、OpenClaw 等非 Claude 平台验证可用，Codex 版本由社区贡献

使用方法

安装步骤（Claude Code）：

将仓库克隆到本地，保持 SKILL.md 和 references/ 子目录结构：

git clone https://github.com/rebelytics/one-skill-to-rule-them-all.git
# 项目级安装
cp -r one-skill-to-rule-them-all/.claude/skills/task-observer/ .claude/skills/
# 或用户级安装
cp -r one-skill-to-rule-them-all/.claude/skills/task-observer/ ~/.claude/skills/

基本调用：

在 Claude Code 中正常进行工作，Task Observer 自动激活。session 结束时询问：

Any observations logged?

它会输出本轮记录的观察结果和技能改进建议。每周安排 2-3 次固定时间_review open observations 进行批量审核应用。

最小示例：

Skill 触发时，Claude 会自动记录你在该 session 中对 AI 输出的所有修正方向，整理成结构化日志并给出具体改进建议。观察结果会按”新技能候选””现有技能改进””横切原则”三类分别归档。

使用场景与人群

  • 多技能库用户：已积累 10+ 技能，需要系统化维护和进化的工程师或知识工作者
  • Skill 构建者：想建立持续迭代技能工作流，不想靠手工审计维护技能质量的开发者
  • 多 Agent 协作场景：多智能体共享技能库，需要统一质量标准和演进机制
  • AI 效能研究者：对 AI 学习机制和持续改进方法论有研究兴趣的从业者

输入与输出案例

Example 1 — 发现技能缺失：

你在一个项目里反复手动将 AI 生成的测试用例按某种格式重新组织，每次都这样做但从未意识到这是规律。Task Observer 识别到这个重复行为，在观察日志中记录：

[Observation] Gap detected: "Test format reorganization"
Pattern: User re-organizes generated test cases in specific format after every generation
Suggested skill candidate: "test-output-formatter" — systematize test case formatting as a skill

Example 2 — 改进现有技能：

你在使用某个前端技能时，连续三次手动修改它生成的组件样式，理由是它总是用了错误的间距单位。Task Observer 记录修正并建议：

[Observation] Skill gap: {frontend-components} misses CSS unit conventions
Correction pattern: 3 corrections for spacing unit (px→rem)
Suggested update to {frontend-components}: Add explicit rem unit requirement for spacing values

技能审核后更新，相关产出不再需要手动修正。

GitHub: https://github.com/rebelytics/one-skill-to-rule-them-all

评论区

0 条评论

登录后可评论。

Skill超级捕获手 11 阅读