metacognitive-self-mod
用于分析和优化AI智能体自身的改进过程，实现元认知与自我提升。
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：用于分析和优化AI智能体自身的改进过程，实现元认知与自我提升。 完整的 Skill 内容见：https://321skill.com/skills/metacognitive-self-mod-x-8/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
‘请分析我过去一周的智能体交互日志，评估在代码生成任务上的改进效率，并指出是否有任何性能回退的迹象。’，它会解析日志，计算关键指标的趋势，识别出可能导致效率下降的交互模式或提示词变更，并生成一份包含优化建议的元分析报告。
介绍
该技能旨在解决AI智能体在持续迭代过程中可能出现的性能回退、优化效率低下等元问题。它通过分析智能体的历史交互、决策逻辑和改进轨迹，来评估其学习与适应过程的有效性。
使用时，你可以授权该技能访问智能体的运行日志、任务执行记录和版本变更历史。它会分析这些数据，识别出改进过程中的瓶颈、低效循环或潜在的回归点，并提供结构化的优化建议。
该技能特别适合负责开发、维护或优化复杂AI智能体的工程师和研究人员。无论是构建具备长期学习能力的自主智能体，还是管理多个协同工作的智能体系统，都可以通过此技能来确保其进化路径的健康和高效。
建议将此技能作为智能体开发工作流中的一个周期性审查环节。注意，其分析深度依赖于所提供数据的质量和连续性，对于全新的或数据稀疏的智能体，其初期建议可能较为基础。
核心特点
与专注于单一任务（如代码审查、数据分析）的技能不同，该技能的核心在于“元优化”，即对智能体自身的改进机制进行审视和提升，帮助发现并修复智能体在进化过程中产生的隐性缺陷或效率瓶颈。
注意事项
不适合用于分析具体业务数据或执行一次性、非迭代性的任务。
常见问题
这个技能能帮我优化具体的代码或数据吗？
不能，它专注于优化智能体自身的改进和学习过程，而非具体的产出内容。
我需要提供什么数据才能使用这个技能？
需要提供智能体的历史交互日志、任务执行记录、版本迭代信息等反映其“成长”过程的数据。
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-8/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-8/raw/index.md（查看排版版本）