tigerless-labs/autoharness

解决的问题

AutoHarness 是 Claude Code 的一个自我学习技能层，使 AI 代理能够自动获取、优化和管理自身能力，而无需人工干预。它通过将相似场景合并为单一更新技能，而不是堆叠近似重复项，防止了重复技能的“臃肿”问题。

工作原理

该项目实现了一个与主机代理并行运行的学习管道：

• 捕获 (CAP): 记录会话中的用户输入、代理输出和工具 I/O。
• 反思 (REF): 定期分析会话窗口，并根据当前上下文和现有技能索引决定是否添加、合并、修补或删除技能。
• 促进者 (Promoter): 验证并存储提议的技能为 .claude/skills/ 目录中的纯文本文件，确保仅修改自身生成的技能。
• 生命周期管理 (MNG): 跟踪技能的使用频率。新技能进入试用期；如果被使用，则晋升为成熟池。如果成熟池超出容量，使用率最低的技能将被归档。
• 账本 (LED): 维护一个仅追加的记录，记录每个技能创建或更改的原因，并链接到脱敏的会话证据。

适用人群

希望代理通过经验在特定项目工作流或通用技术方面变得更熟练，而无需手动编写技能文件的 Claude Code 用户。

主要亮点

• 自我维护： 自动删除未使用的技能并合并重复项，保持技能层整洁。
• 零配置： 作为插件安装，无需强制配置即可开始学习。
• 非破坏性： 仅修改自身生成的技能；用户编写的技能完全不受影响。
• 基于证据： 保留详细的会话转录记录，证明每次技能修改的合理性。