异璧
预约咨询
SKILL2LOOP · OPEN SOURCE · 10 ★

把一次 Skill 使用，
变成改进循环。

skill2loop 是一个 local-first 的早期 MVP：捕获一次 Agent Skill 运行，提取 trace、feedback 和 metrics，再生成可人工 review 的优化动作。Skill 不再消失在聊天记录里，而是进入可追踪、可评估、可迭代的循环。

GitHub →实验室 →
核心模型

Trace → Metrics → Feedback → Optimization

LOOP

Trace

记录 Agent 做了什么、关键决策在哪里、哪一步影响了最终结果。

LOOP

Metrics

按 Skill 聚合接受轮次、重复反馈率等指标，判断循环有没有变好。

LOOP

Feedback

从真实 session transcript 中提取人的修改、纠偏和偏好。

LOOP

Optimization

把改进动作归因到 Skill、Harness、Agent、Assets 或 Eval，并交给人 review。

为什么需要它

Skill 不是 prompt 仓库

真正有价值的不是写出一个 Skill，而是知道它在真实任务里哪里稳定、哪里反复被人改、哪里应该升级成 eval。skill2loop 把这些原本散在聊天记录、人工反馈和文件修改里的信号收拢起来，让团队能基于 evidence 改 Skill。

默认工作流是本地优先：SQLite + 文件 artifact store。飞书多维表等 review board 是可选 adapter，不是必需基础设施。

Quick Start

本地跑完一条循环

python3 -m unittest discover -s tests

python3 -m skill2loop.cli ingest \
  --input tests/fixtures/sessions/loop_engineering_cover_session.json \
  --store .skill2loop-store

python3 -m skill2loop.cli metrics --store .skill2loop-store
python3 -m skill2loop.cli evals --store .skill2loop-store --skill video-cover-maker
python3 -m skill2loop.cli propose --store .skill2loop-store --skill video-cover-maker
python3 -m skill2loop.cli review-export --store .skill2loop-store --skill video-cover-maker
Review Output

每个改进都要能被人看懂

Problem哪里出错了，附代表性 human feedback
Plan这次到底要改 Skill、Harness、Agent、Assets 还是 Eval
Evidence证据来自哪条反馈、哪个 stage、哪次 episode
Decisionapprove / reject / discuss，保持人工 review 闸门