Free SKILL.md scraped from GitHub. Clone the repo or copy the file directly into your Claude Code skills directory.
npx versuz@latest install hiyenwong-ai-collection-collection-skills-declarative-self-improvementgit clone https://github.com/hiyenwong/ai_collection.gitcp ai_collection/SKILL.MD ~/.claude/skills/hiyenwong-ai-collection-collection-skills-declarative-self-improvement/SKILL.md---
name: declarative-self-improvement
description: 声明式自我改进技能,通过目标驱动的方式引导 Agent 持续进化。触发词:自我改进、self-improvement、目标驱动、goal-driven improvement、声明式进化、declarative evolution、改进循环、improvement loop。
license: MIT
---
# Declarative Self-Improvement
## Description
基于 CORTEX 论文的声明式自我改进框架,让 Agent 通过目标驱动的方式持续进化。
## Activation Keywords
- 自我改进
- self-improvement
- 目标驱动
- goal-driven improvement
- 声明式进化
- declarative evolution
- 改进循环
- improvement loop
## Tools Used
- exec
- read
- write
## Instructions for Agents
使用声明式自我改进时遵循以下流程:
1. **声明目标**:明确"要达成什么"而非"怎么做"
2. **设定指标**:为每个目标定义可衡量的指标和约束
3. **探索策略**:自主探索多种改进路径
4. **验证改进**:通过安全性、有效性、约束验证
5. **保留或丢弃**:验证通过的改进保留,失败的丢弃并记录经验
## Examples
User: 我想让 Agent 自动提升代码质量,怎么设定目标?
Agent: 使用声明式方式定义改进目标:
```yaml
goals:
- name: 提高代码质量
metrics: [错误率, 可读性评分, 测试覆盖率]
constraints: [不破坏现有功能, 不增加复杂度]
```
Agent 会自主探索如何达成目标,每次改进都经过验证后才保留。
## 核心理念
**声明式 vs 命令式:**
| 传统方式 | 声明式方式 |
|---------|-----------|
| "修改这段代码" | "目标是提高代码质量" |
| "学习这个技能" | "目标是提升能力边界" |
| "优化这个流程" | "目标是减少错误率" |
Agent 自主探索如何达成目标,而非执行具体指令。
## 三大组件
### 1. 目标声明器
定义改进目标,而非具体步骤:
```yaml
goals:
- name: 提高代码质量
metrics: [错误率, 可读性评分, 测试覆盖率]
constraints: [不破坏现有功能, 不增加复杂度]
- name: 提升响应质量
metrics: [用户满意度, 解决率, 响应时间]
constraints: [保持简洁, 避免冗余]
```
### 2. 验证器
确保改进安全有效:
- **安全性验证**:改进不会破坏核心能力
- **有效性验证**:改进确实达成目标
- **约束验证**:改进未违反约束条件
### 3. 改进引擎
迭代循环:
```
当前状态 → 尝试改进策略 → 执行验证 → 评估效果 → 保留/丢弃 → 更新状态
```
## 工作流程
### Step 1: 声明目标
明确"要达成什么",而非"怎么做":
```markdown
## 改进目标
**主目标:** 提升自我进化能力
**子目标:**
1. 提高学习效率(效用 >= 0.85 的论文转化率)
2. 减少重复错误(相同错误不犯两次)
3. 扩展能力边界(新技能覆盖新领域)
**约束:**
- 不破坏现有核心能力
- 不增加认知负担
- 保持简洁性原则
```
### Step 2: 尝试改进策略
探索多种改进路径:
- **策略 A:** 优化记忆检索(两阶段检索)
- **策略 B:** 增加反思频率(每任务后反思)
- **策略 C:** 改进技能创建流程(模板化)
### Step 3: 验证改进
使用验证器检查:
```python
def validate_improvement(strategy, before_state, after_state):
# 安全性:核心能力未受损
assert after_state.core_abilities >= before_state.core_abilities
# 有效性:目标指标提升
assert after_state.target_metrics > before_state.target_metrics
# 约束:未违反约束
assert not violates_constraints(strategy, CONSTRAINTS)
return True
```
### Step 4: 保留或丢弃
- **保留:** 验证通过 + 效果显著
- **丢弃:** 验证失败或效果不明显
- **记录:** 无论成败,记录经验到 Experimentation Memory
## 与其他技能协同
| 技能 | 协同方式 |
|------|---------|
| `evolutionary-prompt-learning` | 声明性知识在提示,改进时优化 MEMORY.md |
| `reflection-driven-control` | 反思作为改进触发器 |
| `self-verification` | 验证器实现 |
| `ice-review` | 经验整合机制 |
| `action-critical-selection` | 选择最优改进策略 |
## 实践模板
### 每日改进循环
```markdown
## 今日改进目标
**目标:** [声明式目标]
**当前状态:**
- 指标 A: [当前值]
- 指标 B: [当前值]
**尝试策略:**
1. [策略描述]
2. [策略描述]
**验证结果:**
- 策略 1: [通过/失败] - [原因]
- 策略 2: [通过/失败] - [原因]
**最终决策:**
- 保留: [哪些改进]
- 丢弃: [哪些改进]
- 记录: [经验教训]
```
## 关键原则
1. **目标清晰**:声明"要达成什么",让 Agent 探索"怎么做"
2. **验证严格**:任何改进必须通过安全性和有效性验证
3. **迭代渐进**:小步改进,快速反馈,持续优化
4. **记录经验**:无论成功失败,都记录到记忆系统
## 激活关键词
- 自我改进、self-improvement
- 目标驱动、goal-driven
- 声明式进化、declarative evolution
- 改进循环、improvement loop
## 来源论文
CORTEX: Declarative Self-Improvement for AI Agents (HydraDB Research, 2026)