metacognitive-self-mod
一个用于分析和优化AI自身改进过程的元认知技能。
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：metacognitive-self-mod。 它的用途是：一个用于分析和优化AI自身改进过程的元认知技能。 完整的 Skill 内容见：https://321skill.com/skills/metacognitive-self-mod-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
‘请使用 metacognitive-self-mod 技能，分析我们过去三次对客服对话情绪分析模块的更新，评估改进过程是否有效，并指出是否存在任何性能回归的风险点。’ 它会回顾历次更新的上下文、修改内容和结果数据，生成一份分析报告，指出哪些优化策略奏效，哪些调整可能带来了负面效果，并给出后续迭代的建议。
介绍
该技能旨在解决AI智能体在持续学习和改进过程中可能出现的效率低下、方向偏离或性能倒退（回归）问题。它通过监控和分析智能体自身的改进活动、决策逻辑和输出结果，来评估改进过程的有效性。
使用时，你可以要求AI Agent运用此技能来审视其近期的工作流程、决策链或代码变更，分析其中是否存在优化空间、潜在风险或效率瓶颈。它能够识别出哪些改进是有效的，哪些可能导致了意外的副作用或性能下降。
该技能特别适合那些致力于开发、调试或维护复杂AI智能体的开发者、研究员和项目经理，尤其是当项目涉及频繁的迭代更新、多智能体协作或对系统稳定性有高要求时。
建议在项目关键迭代节点、引入重大变更后或发现性能波动时使用此技能进行“体检”。需要注意的是，它的分析深度依赖于所提供的上下文和历史数据的质量，对于全新的或缺乏足够历史记录的智能体，其分析能力可能受限。
核心特点
与大多数专注于执行具体任务（如写代码、分析数据）的技能不同，该技能的核心在于“元优化”，即对AI自身的改进和决策过程进行反思与优化，能够主动检测因迭代而产生的性能回归问题。
注意事项
不适合用于分析缺乏历史上下文或明确改进目标的全新任务。
常见问题
这个技能能帮我优化具体的代码性能吗？
不能直接优化，但它可以分析你优化代码的过程，判断你的优化方法是否有效，或是否引入了新的问题。
它如何检测“回归”？
通过对比历史决策、输出质量或性能指标的变化趋势，识别出因最近的修改而导致的效果下降或功能异常。
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/metacognitive-self-mod-x-2/raw/index.md 读取 metacognitive-self-mod 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/metacognitive-self-mod-x-2/raw/index.md（查看排版版本）