Learning Evolution
为技能创建基于证据的学习复盘报告，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复盘报告，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-4/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
‘请为我名为“客服工单分类器”的技能做一次学习复盘，分析过去一个月的使用数据。’，它会解析调用日志，识别高频与低频使用场景，评估分类准确率的变化趋势，并最终生成一份包含具体优化建议（如扩充特定意图的训练数据、调整响应阈值）和后续演进计划的报告。
介绍
该技能旨在解决技能开发与优化过程中缺乏数据驱动决策依据的问题。它通过分析技能的实际使用日志、调用频率、用户反馈等数据，生成结构化的复盘报告，帮助开发者洞察技能的效能瓶颈与改进方向。 使用时，开发者只需提供技能相关的历史数据或设定分析目标，该技能便能自动梳理使用模式、评估效果指标，并生成包含具体改进建议的演进计划。它尤其适合在技能迭代规划、版本更新或性能调优前使用，以确保改进措施有的放矢。 该技能非常适合智能体开发者、项目经理以及负责技能维护的运维工程师。他们可以利用此技能，将主观的优化想法转化为基于客观数据的、可执行的行动计划，从而提升技能的生命周期管理效率。 建议在使用前尽可能收集完整的技能使用日志和用户交互数据，以确保分析报告的准确性和参考价值。同时，该技能的分析结论应结合具体业务场景进行解读，避免机械套用。
核心特点
与多数专注于代码生成或单一功能执行的技能不同，它专注于技能的“元分析”与“演进规划”，提供数据驱动的复盘框架，帮助用户从宏观层面管理和优化技能组合，而非执行具体任务。
注意事项
不适合处理缺乏历史使用数据或日志的新创建技能，其分析效果高度依赖于输入数据的质量和完整性。
常见问题
这个技能需要我提供什么数据？
需要提供技能的使用日志、调用统计、用户反馈或任何能反映其运行效果的历史数据。
它能直接帮我修改技能代码吗？
不能，它主要提供分析报告和改进建议，具体的代码修改和实现需要开发者自行完成。
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-4/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-4/raw/index.md（查看排版版本）