SuperAPI AI 工具集

apex-learn

智能体与模型

查看项目

更新于 10-16 07:45

技能介绍

用途

APEX Learn 是一个自我改进循环技能,用于在完成任务后分析发生了什么、提取可复用知识,并将其持久化到 AGENTS.md,使整个智能体团队随时间不断改进。

何时使用

在以下任一情况下运行此技能:

  • 完成 Tier 1、2 或 3 任务后
  • 当人类就同一问题第二次纠正你时(两振规则)
  • 当你发现非显而易见的模式或约定时
  • 当任务耗时显著超出预期时
  • 当人类明确要求更新规则时

两振规则

这是核心机制。如果你就同一类型问题被纠正两次:

  • 第一次纠正——修复问题,心中记下
  • 第二次纠正——修复问题,并运行 apex-learn 添加永久规则

这可以防止同一错误跨会话重复出现。

工作流

  1. 识别摩擦点
  2. 分类学习内容
  3. 起草规则
  4. 追加到 AGENTS.md
  5. 验证更新

步骤 1:识别摩擦点

就已完成的任务问自己以下问题:

## 摩擦分析

1. 我在哪里卡住或犯了错误?
2. 人类纠正了我什么?
3. 什么比预期耗时更长,为什么?
4. 我做了哪些错误的假设?
5. 我发现了哪些未被记录的模式?

步骤 2:分类学习内容

每条学习内容归入以下类别之一:

类别 示例 在 AGENTS.md 中的位置
代码风格 “始终使用命名导出” ## Code Style 章节
架构 “服务层永不调用控制器” ## Architecture Rules 章节
工作流 “提交前始终运行测试” ## Workflow 章节
边界 “永不修改 auth 模块” ## Boundaries 章节
偏好 “偏好描述性名称而非短名称” ## Preferences 章节
工具使用 “使用 pnpm,而非 npm” ## Tools 章节

步骤 3:起草规则

以祈使句形式书写规则。要具体且可执行:

好的规则:

  • 始终使用 pnpm 而非 npm 进行包管理
  • 未经明确批准,永不修改 src/auth/ 中的文件
  • 创建 API 端点时,始终包含限流中间件

坏的规则:

  • 小心处理包(太模糊)
  • 尽量写好代码(不可执行)
  • 记住 auth 那件事(不具体)

步骤 4:追加到 AGENTS.md

运行学习脚本以安全追加新规则:

Linux/Mac:

bash "${CLAUDE_SKILL_DIR}/scripts/append-learning.sh" "<category>" "<rule-text>"

Windows:

powershell -File "${CLAUDE_SKILL_DIR}/scripts/append-learning.ps1" "<category>" "<rule-text>"

如果 AGENTS.md 不存在,使用 references/agents-template.md 中的模板创建它。

步骤 5:验证更新

更新后阅读 AGENTS.md。确认:

  • 新规则位于正确章节
  • 不与现有规则重复
  • 不与现有规则矛盾
  • 文件格式仍然良好

如果发现矛盾,将两条规则呈现给人类,询问哪条优先。

输出

更新后的 AGENTS.md 文件,新规则追加到正确章节,并以消息 docs: apex-learn — add rule for {category} 提交。

示例 diff:

 ## Tools

+- Always use `pnpm` instead of `npm` for package management
+- Run `pnpm install --frozen-lockfile` in CI environments

 ## Learnings Log

+### 2026-03-14: Package Manager
+- Agent used npm twice before this rule was added
+- Root cause: default behavior, no explicit instruction

示例提交:

docs: apex-learn — add rule for tools

Added package manager preference after two-strike correction.
Agent was defaulting to npm instead of pnpm.

适用场景

适用于使用智能体进行开发工作、并希望智能体从纠正中持续学习、避免重复错误的团队或个人。特别适合需要跨会话保持规则一致性的项目。

限制

资料未提供关于该技能的具体平台依赖、安装方式、收费模式或性能效果的说明。