MemTensor/skills-vote

何を解決するか

SkillsVote は、大規模なエージェントスキルライブラリの管理という課題に対処します。スキルの数（例：SKILL.md ファイル）が数百万に達するようになると、エージェントは単に静的リストを読み込むだけでは済みません。特定のタスクに必要なスキルを特定し、そのスキルが実際に役立ったかどうかを検証し、現実の実行フィードバックに基づいてスキルを更新または新規作成することでライブラリを進化させる仕組みが必要です。

仕組み

SkillsVote はエージェントスキルのライフサイクルガバナンスループを実装しています：

1. 収集とプロファイリング：オープンソースまたはプライベートライブラリからスキルを収集し、要件、依存関係、品質を分析します。
2. リアルタイム推薦：すべてのスキルを読み込むのではなく、タスク実行直前に関連するスキルをエージェントに推薦します。
3. 実行軌跡に基づく帰属分析：タスクが完了後、実行軌跡と検証信号を使用して、特定のスキルの使用が結果に与えた影響を特定します。
4. フィードバック駆動の進化：帰属分析されたフィードバックを用いて、既存のスキルを更新するか、再利用可能な新しいスキルを生成し、ノイズデータの蓄積を防ぎます。

対象ユーザー

コード作成、研究、ワークフロー系エージェント（例：Codex、Claude Code、OpenClaw）を開発する開発者で、膨大な再利用可能な実行能力のライブラリを管理する必要がある方。

主な特徴

• 大規模なスキルライブラリ：168万以上の発見されたスキルを含み、そのうち79万はAnthropicのスキル検証ツールで検証済み。
• 柔軟な統合：推薦およびフィードバック用のホストされたクラウドサービスと、プライベートライブラリ用の skills-vote-local バージョンの両方を提供。
• 実証されたパフォーマンス：SWE-Bench Pro や Terminal-Bench などのエージェント型コードおよびターミナルベンチマークで、性能向上を実証済み。
• ライフサイクル管理：単なる検索を越えて、推薦、帰属分析、進化の完全なループを実現。