HKUDS/OpenSpace
"OpenSpace: The Skill Management Layer for AI Agents" -- https://open-space.cloud/
解决的问题
AI代理经常难以管理不断增长的技能库，导致无法正确检索任务所需的工具，重复犯错，并且缺乏区分可靠与无效技能的质量信号。OpenSpace 提供了一个管理层，使代理能够基于现实世界任务结果来检索、评估和进化其能力。
工作原理
OpenSpace 作为一个技能管理层，通过 Model Context Protocol (MCP) 与代理集成。它通过四个主要功能实现代理技能的生命周期管理：
- 评估： 跟踪每次执行，利用实际任务结果作为质量证据，监控技能是否成功应用或被备用方案替代。
- 进化： 基于证据允许技能更新（修复、推导、捕获），并保留版本历史和验证机制，确保改进过程受控。
- 本地优先枢纽： 采用本地优先架构，技能在本地执行，但可从基于云的包系统中发现并导入。
- 代理支架： 提供运行时环境，用于捕获质量记录，并管理工具权限和沙箱机制。
适用人群
使用 Claude Code、Codex 或 OpenClaw 等工具构建 AI 代理的开发者，他们需要一种可扩展的方式，来随时间管理、共享和改进代理所拥有的技能。
主要亮点
- 基于证据的质量： 技能根据实际任务完成率进行排名和信任，而非仅依赖描述。
- 自我进化： 代理可通过学习成功的工作流，从“冷启动”演进到“热启动”状态，提升自身技能库。
- MCP 集成： 与任何支持 Model Context Protocol 的宿主兼容。
- 私有基础设施： 支持私有部署，确保工作流和数据完全由用户自主控制。
相关
- 项目
zjunlp/SkillNetSkillNet 是一个开源平台，让您能够发现、生成、评估、分析和路由可复用的 AI 代理技能。它提供了一个公共目录（50 万多个托管在 GitHub 上的技能）、一个包含六种操作（搜索、下载、创建、评估、分析、路由）的 Python SDK/CLI、一个本地 Web UI，以及通过 MCP 服务器为代理提供的集成点。该系统构建技能关系图，并使用基于 LLM 的路由（Claude/Codex）来为任务选择最佳技能，提供安全/可维护性评分和推理。
- 项目
- 项目
chujianyun/skills一个中文仓库，打包了数十个可复用的“Agent Skills”——针对 Claude Code 及类似 LLM 代理平台的小型、文档化插件。技能涵盖维基查询、提示词优化、职业评估、图表生成、文档解读、音频转文字、图片水印、网页抓取和服务运行手册。它们组织在 `skills/` 下，注册于 `config/skills.json`，并通过 Claude Code 的市场、安装代理或 `openskills` CLI 安装。
- 项目
AMAP-ML/SkillClawSkillClaw 是一个位于 LLM 代理与 LLM API 之间的开源系统，自动记录交互，提取可复用的“技能”，去重并持续优化。它兼容多种代理（Hermes、Codex、Claude Code、QwenPaw、OpenClaw 等），并通过本地存储、OSS 或 S3 在设备、代理和团队成员间共享统一的技能库。
- 项目
agentsope/SkillAlchemySkillAlchemy 是一个开源框架，能够从模糊的任务说明中自动构建可复用、可安装的代理技能，通过挖掘公开文档、论文和代码来实现。它能发现隐藏需求，提取有证据支持的步骤，评估其适用范围，并打包为 LLM 代理（如 Claude Code 或 Codex）可直接使用的技能。在 87 个基准任务上评估，达到 55.8% 的通过率，优于现有自动化技能生成工具，媲美人工精心设计的技能。通过 `npx skills add agentsope/SkillAlchemy` 安装，并调用代理生成技能。