autocontext
一个让智能体递归自我改进的框架，帮助其在任何任务上持续优化。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：autocontext。 它的用途是：一个让智能体递归自我改进的框架，帮助其在任何任务上持续优化。 完整的 Skill 内容见：https://321skill.com/skills/autocontext/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
对 AI 说：“使用 AutoContext 帮我优化客服机器人对账单争议问题的回复质量，运行3个迭代。” 它会启动一个自动化流程：首先让智能体尝试生成回复，然后根据你设定的标准（如准确性、友好度）进行评估，保留有效的策略，丢弃无效的，并生成包含改进建议的报告和知识手册，供下一次运行时使用。
介绍
AutoContext 是一个专为智能体设计的自我改进框架。它旨在解决智能体在复杂任务中表现不稳定、难以积累经验教训的问题。通过构建一个“运行-评估-学习”的循环，它让智能体能够像人类一样，从每次尝试中总结经验，并应用于下一次任务。
使用 AutoContext 时，你只需给它一个目标（例如“优化客户支持回复”），它会自动运行任务、进行评估、保留有用的经验、丢弃无效的尝试，并为下一次运行留下详细的痕迹、报告和知识资产。整个过程高度自动化，支持通过命令行、Pi 智能体或 MCP 客户端等多种方式触发。
这个框架非常适合那些希望构建能够持续学习和进化的智能体的开发者、研究人员，以及需要智能体处理重复性优化任务（如内容生成、代码审查、数据分析）的团队。它降低了构建具备长期记忆和自我优化能力智能体的门槛。
建议从官方文档的快速入门开始，先使用 Pi 作为智能体提供方进行低门槛体验。注意，它本身不是一个开箱即用的应用，而是一个需要你提供具体任务目标和评估标准的框架，因此更适合有一定技术背景的用户集成到自己的智能体工作流中。
核心特点
AutoContext 的核心在于其“递归自我改进”机制和文件系统优先的设计。它不仅运行任务，还会系统性地生成可追溯的痕迹（trace）、可复用的知识库（playbook）和可训练的数据集，使得智能体的改进过程透明、可审查、可复用，而不仅仅是单次的任务执行。
注意事项
不适合希望即插即用、无需配置任务目标和评估标准的非技术用户。
常见问题
AutoContext 和普通的 AI 提示词优化工具有什么区别？
AutoContext 是一个自动化框架，它通过多轮迭代、评估和知识沉淀来系统性地优化智能体行为，而不仅仅是调整单次提示词。
需要编程才能使用吗？
基础运行可通过命令行或 Pi 智能体完成，但深度定制和集成到自有系统需要一定的开发能力。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/autocontext/raw/index.md 读取 autocontext 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/autocontext/raw/index.md（查看排版版本）