Learning Evolution
为技能创建基于证据的学习回顾，分析使用模式并规划演进。
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：Learning Evolution。 它的用途是：为技能创建基于证据的学习回顾，分析使用模式并规划演进。 完整的 Skill 内容见：https://321skill.com/skills/learning-evolution-x-2/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
“请为我们的‘客服工单自动分类’技能生成一份学习演进报告，分析过去一个月的使用数据。” 它会调取相关日志，分析该技能在不同类型工单上的分类准确率、响应时间以及用户手动纠正的情况，最终生成一份报告，指出技能在“技术咨询类”工单上表现优异，但在“投诉类”工单上容易误判，并建议增加针对投诉文本的情感分析模块作为下一阶段的演进重点。
介绍
Learning Evolution Skill 旨在解决技能开发与迭代过程中缺乏数据支撑的痛点。当开发者或团队想要改进现有技能（如AI智能体技能、代码片段或工作流）时，常常依赖主观感受而非客观数据，难以精准评估技能的实际效果和优化方向。
该技能通过分析技能的历史使用数据（如调用频率、上下文、用户反馈等），生成一份基于证据的学习回顾报告。它会追踪技能的有效性指标，识别使用模式中的强项与弱点，并基于分析结果为技能的下一步演进提供数据驱动的规划建议。
它特别适合负责技能维护和迭代的开发者、产品经理或团队负责人。无论是优化内部工具的效率，还是提升面向用户的AI技能体验，都需要这种客观的复盘和规划能力。
使用建议是，在计划对某个技能进行重大更新或优化前，先运行此技能生成分析报告。注意事项是，其分析深度依赖于可获取的技能使用日志数据的质量和完整性，若数据不足，结论可能受限。
核心特点
与单纯记录技能使用次数的工具不同，它专注于“学习回顾”和“演进规划”，通过分析多维使用模式（如场景、成功率、用户交互路径）来生成具体的改进建议，而不仅仅是统计报表。
注意事项
不适合用于分析完全没有使用历史数据的新创建技能。
常见问题
Learning Evolution Skill 能分析哪些类型的数据？
主要分析技能的使用日志，包括调用时间、上下文参数、执行结果（成功/失败）、可能的用户评分或反馈文本等。
这个技能生成的报告包含什么内容？
报告通常包含使用趋势分析、有效性评估、常见使用场景识别、问题模式总结以及基于这些发现的具体演进建议和优先级规划。
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/learning-evolution-x-2/raw/index.md 读取 Learning Evolution 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/learning-evolution-x-2/raw/index.md（查看排版版本）