tigerless-labs/autoharness

解決的問題

AutoHarness 是 Claude Code 的自我學習技能層，讓 AI 代理能自動獲取、優化和管理自身能力，無需人工干預。它透過將相似情境合併為單一更新技能，而非堆疊近似重複項目，防止重複技能的「臃腫」問題。

工作原理

此專案實作了一個與主代理並行運行的學習管道：

• 捕獲 (CAP): 記錄會話中的使用者輸入、代理輸出和工具 I/O。
• 反思 (REF): 定期分析會話視窗，並根據目前上下文與現有技能索引，決定是否新增、合併、修補或刪除技能。
• 促進者 (Promoter): 驗證並儲存建議的技能為 .claude/skills/ 目錄中的純文字檔案，確保僅修改自身產生的技能。
• 生命週期管理 (MNG): 追蹤技能的使用頻率。新技能進入試用期；若被使用，則升級為成熟池。若成熟池超過容量，使用率最低的技能將被歸檔。
• 帳本 (LED): 維護僅可追加的記錄，記載每個技能創建或變更的原因，並連結至脫敏的會話證據。

適用對象

希望代理透過經驗在特定專案工作流程或通用技術方面變得更熟練，而無需手動撰寫技能檔案的 Claude Code 使用者。

主要亮點

• 自我維護： 自動刪除未使用的技能並合併重複項，保持技能層整潔。
• 零設定： 作為外掛安裝，無需強制設定即可開始學習。
• 非破壞性： 僅修改自身產生的技能；使用者撰寫的技能完全不受影響。
• 基於證據： 保留詳細的會話轉錄記錄，證明每次技能修改的合理性。