self-evolving-agent
一个能自主迭代、学习和进化以完成复杂目标的AI智能体技能。
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：self-evolving-agent。 它的用途是：一个能自主迭代、学习和进化以完成复杂目标的AI智能体技能。 完整的 Skill 内容见：https://321skill.com/skills/self-evolving-agent/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
`/evolve 为我的Next.js博客项目添加一个支持Markdown和代码高亮的文章编辑器组件，并确保响应式设计`。它会先与你确认需求细节（北极星锚定），然后自主规划技术选型、编写代码、测试功能，并在遇到问题时尝试不同方案，直到交付一个可用的组件。
介绍
Self-Evolving Agent 是一个专为Claude设计的技能，旨在解决开发者和专业人士在面对多步骤、跨领域或方向不明确的复杂任务时，难以一次性规划并执行的痛点。它通过模拟“规划-执行-检查-行动”（PDCA）的循环，让AI能够自主拆解目标、尝试解决方案、从失败中学习，并持续优化，直到任务完成。
使用时，用户只需通过 /evolve [目标描述] 命令启动，并可选地添加 --explore（探索模式）、--max-iterations（限制迭代次数）等参数。技能启动后，AI会先进行“北极星锚定”明确愿景，然后进入自主的迭代执行循环，过程中会保存进度和记忆，避免重复劳动。
这个技能非常适合需要处理开放式、探索性或需要反复调试任务的用户，例如全栈开发者处理一个架构模糊的新项目，或产品经理需要从零开始构思并规划一个复杂的产品功能规格。对于简单、有明确单一指令的任务，它的价值可能无法完全体现。
建议在使用时，尽量清晰地描述最终目标而非具体步骤，并善用 --explore 模式来激发AI的创造性。同时，注意它可能会消耗较多的Token进行多轮迭代，对于有严格成本控制的场景需谨慎设置最大迭代次数。
核心特点
与大多数执行单次指令的Skill不同，它引入了“自我进化”机制，通过PDCA循环和Git记忆系统，使AI能够从失败中学习并持续优化策略，真正实现“给定目标，自主完成”。其原子化架构和强制检查点设计，在保证行为稳定的同时，显著降低了Token消耗。
注意事项
不适合执行简单、明确、一步到位的指令性任务，可能会因多轮迭代而产生较高的Token消耗。
常见问题
这个技能和普通让Claude写代码有什么区别？
普通指令是单次执行，而这个技能会让AI自主规划、执行、检查并迭代优化，像一个有经验的开发者一样持续工作直到目标达成，并能记住之前的尝试和解决方案。
如何控制它的运行成本（Token消耗）？
可以使用 `--max-iterations N` 参数限制最大迭代次数，其原子化架构本身也已优化了Token使用。
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/self-evolving-agent/raw/index.md 读取 self-evolving-agent 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/self-evolving-agent/raw/index.md（查看排版版本）