大家好，我是何三，独立开发者
最近在 GitHub 上发现了一个非常有有意思的项目——AutoSkill，这是一个基于经验驱动的终身学习系统。今天我就来给大家聊聊这个项目，看看它是怎么让 AI 自动从对话中学习技能，并且不断进化完善的。
背景：为什么需要 AutoSkill？
平时我们和 AI 对话时，经常会遇到这样的情况：AI 每次回答都是"从零开始"，完全记不住你之前提过的偏好和要求。比如你跟它说"写代码时不要用 eval"，下次它可能照样用。
这就引出了一个核心问题：能不能让 AI 从真实的交互经验中自动提取可复用的技能，并且随着交互不断进化？
AutoSkill 就是为了解决这个问题而生的。它能够从对话和智能体轨迹中自动提取技能，形成一个可维护、可更新的技能库。
核心原理：技能是如何提取和进化的？
AutoSkill 的核心理念是经验驱动的持续技能进化。简单来说，整个系统分为两个主要流程：
第一个流程：摄入与进化（Ingest and Evolve）
用户对话 → 技能提取 → 技能维护（添加/合并/丢弃） → 技能存储
当你和 AI 对话时，系统会分析对话内容，提取潜在的技能。比如你提到"每次发布前要跑回归测试"，系统就会把这个作为一个技能候选。如果这个技能和已有的技能相似，系统会合并或更新版本号。
第二个流程：检索与响应（Retrieve and Respond）
用户查询 → 向量检索 → 技能选择 → LLM 生成回复
当用户发起新对话时，系统会从技能库中检索相关技能，把它们作为上下文提供给 LLM。这样 AI 就能"记住"你之前的偏好，给出更符合你需求的回复。
技能生命周期：从创建到进化
AutoSkill 的技能管理非常精细，采用了语义版本号（Semantic Versioning）。让我举个例子来说明：
v0.1.0 阶段：技能创建
假设用户只是简单地说"帮我写一份报告"，AI 不会创建技能，因为它没有捕捉到稳定的偏好。但当用户补充说"不要幻想，只写事实"，这时候系统就会提取出一个技能 v0.1.0。
v0.1.1 阶段：技能更新
如果在后续对话中，用户又添加了新的约束，比如"报告要有数据支撑"，系统会更新这个技能，版本号升级到 v0.1.1。
后续使用
当下一次类似任务来临时，比如"写一篇关于 AI 发展政府报告"，系统会自动检索并应用之前提取的技能，确保输出符合用户的期望。
如何使用 AutoSkill？
AutoSkill 提供了多种部署方式，最简单的是 Docker 一键部署：
cp .env.example .env
# 编辑 .env 填入 API keys
docker compose up --build -d
启动后你会得到两个服务：
- Web UI：http://127.0.0.1:8000
- API 代理：http://127.0.0.1:9000
如果你想用 Python SDK 也是可以的：
from autoskill import AutoSkill, AutoSkillConfig
sdk = AutoSkill(
AutoSkillConfig(
llm={"provider": "openai"},
embeddings={"provider": "huggingface", "dims": 256},
store={"provider": "local", "path": "SkillBank"},
)
)
sdk.ingest(
user_id="u1",
messages=[
{"role": "user", "content": "发布前要跑回归测试 -> 金丝雀发布 -> 监控 -> 全量上线"},
{"role": "assistant", "content": "明白了。"},
],
)
hits = sdk.search("如何进行安全发布？", user_id="u1", limit=3)
for h in hits:
print(h.skill.name, h.score)
AutoSkill 的独特之处
我觉得 AutoSkill 有几个设计非常有意思：
1. 通用技能格式
技能以 SKILL.md 的形式存储，人类可以直接查看和编辑。这意味着你不仅可以让 AI 自动提取技能，还可以手动干预，确保技能质量。
2. 离线技能提取
对话结束后，不需要重放对话让模型再次处理。可以直接导入已有的 OpenAI 格式对话日志，进行离线提取。这个设计非常高效。
3. 多模态提取支持
AutoSkill 不只支持对话，还支持从文档和研究论文（AutoSkill4Doc）以及智能体轨迹（AutoSkill4OpenClaw）中提取技能。
总结
AutoSkill 是一个非常有意思的尝试，它让 AI 能够真正从交互经验中学习和进化。虽然目前还处于早期阶段，但它展示了一种全新的可能性——让 AI 系统能够像人类一样，通过不断积累经验来提升自己的能力。
如果你对 AI 智能体、终身学习这些方向感兴趣，不妨去 GitHub 上看看这个项目，说不定能给你一些启发。
好了，今天的分享就到这里，我是何三，我们下期再见！
