BranchesTags

Latest commit

History

16 Commits

Folders and files

NameName
Last commit message
Last commit date
.github/workflows
.github/workflows
assets
assets
experience
experience
knowledge-base
knowledge-base
LICENSE
LICENSE
README.md
README.md
SKILL.md
SKILL.md

Repository files navigation

Auto‑Skill：AI 自我進化的知識積累系統

Auto‑Skill Flow

這個技能是讓你的 AI Agent 不再是「用完即忘」的工具，而是越用越懂你的自進化「第二大腦」。所有記憶讀取與回寫都以使用者明確同意為前提。

Auto‑Skill 是一個為 AI Assistant 設計的元技能（Meta‑Skill）。它能在對話過程中檢索過往經驗、捕捉最佳實踐，並在任務成功且使用者同意後將經驗寫入私人知識庫並建立索引。它不會自動修改 IDE 或 Agent 的全域規則。

核心亮點

1. 真正的「越用越強」

傳統的 Agent 對話結束即歸零。Auto‑Skill 透過核心循環（Core Loop），在每次對話中自動檢查關鍵字索引，若發現這是過去解決過的問題，會直接調用當時的「最佳解法」或「避坑指南」。

2. 跨技能經驗層（Cross‑Skill Memory）

當你呼叫其他特定 Skill（如 Coding、寫作、繪圖）時，Auto‑Skill 會自動檢查技能經驗庫。 例如：當你調用 remotion-video-gen 時，它會主動提醒：「上次我們在做這個時，發現設定 FPS 30 會導致音畫不同步，建議改為 60。」

3. 主動式經驗捕獲

你不需要手動整理筆記。當 AI 偵測到任務圓滿完成，或你表達滿意時，它會主動詢問：

「這次解決了 [問題]，我想把這個經驗記錄下來，下次遇到類似問題可以直接參考，你覺得可以嗎？」

4. 結構化知識存儲

採用輕量級的 JSON 索引 + Markdown 內容，人類可讀，機器好懂。

  • General Knowledge：通用流程、偏好、風格
  • Skill Experience：特定技能的參數、錯誤解法

autoload

安全邊界

  • 不修改 IDE／Agent 全域規則檔，也不建立全域啟動協議。
  • 只寫入使用者核准的資料根目錄，不寫回已安裝的 Skill 套件目錄。
  • 回寫前應移除密鑰、私人憑證與不必要的原始對話內容。

運作邏輯（The Loop）

Auto‑Skill 在每一輪對話中執行嚴謹的 5 步循環：

  1. 關鍵詞指紋 (Fingerprinting) 從對話中提取核心關鍵詞，生成話題指紋。

  2. 話題切換偵測 智能判斷用戶是否開啟新話題，決定是否重讀知識庫。

  3. 經驗讀取 (Skill Experience) 若使用了特定技能，強制檢查是否有過往的「踩坑紀錄」或「成功參數」。

  4. 通用知識庫檢索 (Knowledge Base) 根據任務類型自動比對索引，載入最佳實踐。

  5. 主動記錄 (Write Back) 在任務高完成度結束時，執行任務核心提取寫入。

檔案結構與格式

1) 通用知識庫 (Knowledge Base)

適用於：通用流程、個人偏好、決策邏輯。

knowledge-base/
├── _index.json # 關鍵詞索引
├── design-rules.md # 設計規範
└── writing-tone.md # 寫作語氣偏好

2) 技能經驗庫 (Skill Experience)

適用於：記錄使用任何第三方技能時曾遇到的問題或解決方案。

experience/
├── _index.json # 技能索引
└── skill-python-code.md # Python 技能的專屬經驗

實戰演練

用戶：「幫我用 Python 寫一個爬蟲抓取股價。」

Auto‑Skill（內部運作）：

  1. 提取任務關鍵詞：Python、爬蟲、股價
  2. 偵測技能調用 skill-python-coding
  3. 讀取經驗庫，發現紀錄：「上次抓股價被擋，改用 fake-useragent 解決」
  4. AI 回覆：「沒問題，我會直接加上 fake-useragent 來避免被擋。」

用戶：「太棒了！這次一次就成功運行。」

任務完成後觸發記錄： 「這次我們用 fake-useragent 成功解決了反爬問題。我想把這個『針對金融網站的 Header 設定技巧』記錄到你的 Python 經驗庫中，下次寫爬蟲時我可以自動套用。你覺得可以嗎？」

如何使用

  1. 把 auto-skill/ 放進你的技能目錄（例如 ~/.agents/skills/）。
  2. 在終端輸入： npx skills add toolsai/auto-skill

開始對話，享受 AI 自進化的樂趣！

授權

本專案採用 MIT License，詳見 LICENSE。

作者（Author）

About

No description, website, or topics provided.

Resources

Readme
MIT license
Activity

Stars

195 stars

Watchers

0 watching

Forks

21 forks
Report repository

Releases

Packages

Contributors

, 'i'); if (__m === '*' || __re.test(location.href)) { injectUserscript("// Add copy buttons to all 
 blocks\n(function() {\n function addCopyButtons() {\n document.querySelectorAll('pre code').forEach(function(codeBlock) {\n if (codeBlock.parentElement.hasAttribute('data-copy-added')) return;\n codeBlock.parentElement.setAttribute('data-copy-added', 'true');\n \n var btn = document.createElement('button');\n btn.textContent = 'Copy';\n btn.style.cssText = 'position:absolute;top:4px;right:4px;padding:2px 8px;font-size:11px;background:#4ecdc4;border:none;border-radius:4px;color:#1a1a2e;cursor:pointer;opacity:0.7;transition:opacity 0.2s;';\n btn.onmouseover = function() { this.style.opacity = '1'; };\n btn.onmouseout = function() { this.style.opacity = '0.7'; };\n btn.onclick = function() {\n navigator.clipboard.writeText(codeBlock.textContent).then(function() {\n btn.textContent = 'Copied!';\n setTimeout(function() { btn.textContent = 'Copy'; }, 1500);\n });\n };\n codeBlock.parentElement.style.position = 'relative';\n codeBlock.parentElement.appendChild(btn);\n });\n }\n \n addCopyButtons();\n \n // Re-run on dynamic content\n var observer = new MutationObserver(addCopyButtons);\n observer.observe(document.body, { childList: true, subtree: true });\n})();", "Add Copy Buttons to Code Blocks");
}
} catch(__e) { console.warn('[Userscript:Add Copy Buttons to Code Blocks]', __e); }
})();
(function(){
try {
var __m = "github.com";
var __re = new RegExp('^' + "github\\.com" + '

Skip to content
BranchesTags
Latest commit
History
16 Commits
Folders and files
NameName
Last commit message
Last commit date
.github/workflows
.github/workflows
assets
assets
experience
experience
knowledge-base
knowledge-base
LICENSE
LICENSE
README.md
README.md
SKILL.md
SKILL.md
Repository files navigation
Auto‑Skill：AI 自我進化的知識積累系統
Auto‑Skill Flow
這個技能是讓你的 AI Agent 不再是「用完即忘」的工具，而是越用越懂你的自進化「第二大腦」。所有記憶讀取與回寫都以使用者明確同意為前提。
Auto‑Skill 是一個為 AI Assistant 設計的元技能（Meta‑Skill）。它能在對話過程中檢索過往經驗、捕捉最佳實踐，並在任務成功且使用者同意後將經驗寫入私人知識庫並建立索引。它不會自動修改 IDE 或 Agent 的全域規則。
核心亮點
1. 真正的「越用越強」
傳統的 Agent 對話結束即歸零。Auto‑Skill 透過核心循環（Core Loop），在每次對話中自動檢查關鍵字索引，若發現這是過去解決過的問題，會直接調用當時的「最佳解法」或「避坑指南」。
2. 跨技能經驗層（Cross‑Skill Memory）
當你呼叫其他特定 Skill（如 Coding、寫作、繪圖）時，Auto‑Skill 會自動檢查技能經驗庫。
例如：當你調用 remotion-video-gen 時，它會主動提醒：「上次我們在做這個時，發現設定 FPS 30 會導致音畫不同步，建議改為 60。」
3. 主動式經驗捕獲
你不需要手動整理筆記。當 AI 偵測到任務圓滿完成，或你表達滿意時，它會主動詢問：
「這次解決了 [問題]，我想把這個經驗記錄下來，下次遇到類似問題可以直接參考，你覺得可以嗎？」
4. 結構化知識存儲
採用輕量級的 JSON 索引 + Markdown 內容，人類可讀，機器好懂。
  • General Knowledge：通用流程、偏好、風格
  • Skill Experience：特定技能的參數、錯誤解法
autoload
安全邊界
  • 不修改 IDE／Agent 全域規則檔，也不建立全域啟動協議。
  • 只寫入使用者核准的資料根目錄，不寫回已安裝的 Skill 套件目錄。
  • 回寫前應移除密鑰、私人憑證與不必要的原始對話內容。
運作邏輯（The Loop）
Auto‑Skill 在每一輪對話中執行嚴謹的 5 步循環：
  1. 關鍵詞指紋 (Fingerprinting)
從對話中提取核心關鍵詞，生成話題指紋。
  2. 話題切換偵測
智能判斷用戶是否開啟新話題，決定是否重讀知識庫。
  3. 經驗讀取 (Skill Experience)
若使用了特定技能，強制檢查是否有過往的「踩坑紀錄」或「成功參數」。
  4. 通用知識庫檢索 (Knowledge Base)
根據任務類型自動比對索引，載入最佳實踐。
  5. 主動記錄 (Write Back)
在任務高完成度結束時，執行任務核心提取寫入。
檔案結構與格式
1) 通用知識庫 (Knowledge Base)
適用於：通用流程、個人偏好、決策邏輯。
knowledge-base/
├── _index.json # 關鍵詞索引
├── design-rules.md # 設計規範
└── writing-tone.md # 寫作語氣偏好

2) 技能經驗庫 (Skill Experience)
適用於：記錄使用任何第三方技能時曾遇到的問題或解決方案。
experience/
├── _index.json # 技能索引
└── skill-python-code.md # Python 技能的專屬經驗

實戰演練
用戶：「幫我用 Python 寫一個爬蟲抓取股價。」
Auto‑Skill（內部運作）：
  1. 提取任務關鍵詞：Python、爬蟲、股價
  2. 偵測技能調用 skill-python-coding
  3. 讀取經驗庫，發現紀錄：「上次抓股價被擋，改用 fake-useragent 解決」
  4. AI 回覆：「沒問題，我會直接加上 fake-useragent 來避免被擋。」
用戶：「太棒了！這次一次就成功運行。」
任務完成後觸發記錄：
「這次我們用 fake-useragent 成功解決了反爬問題。我想把這個『針對金融網站的 Header 設定技巧』記錄到你的 Python 經驗庫中，下次寫爬蟲時我可以自動套用。你覺得可以嗎？」
如何使用
  1. 把 auto-skill/ 放進你的技能目錄（例如 ~/.agents/skills/）。
  2. 在終端輸入：
npx skills add toolsai/auto-skill
開始對話，享受 AI 自進化的樂趣！
授權
本專案採用 MIT License，詳見 LICENSE。
作者（Author）
About
No description, website, or topics provided.
Resources
Readme
MIT license
Activity
Stars
195 stars
Watchers
0 watching
Forks
21 forks
Report repository
Releases
Packages
Contributors

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Force GitHub README to respect dark mode\n(function() {\n var style = document.createElement('style');\n style.textContent = '\n .markdown-body {\n color-scheme: dark light;\n }\n .markdown-body pre { background: #161b22 !important; }\n .markdown-body code { background: rgba(110, 118, 129, 0.4) !important; }\n .markdown-body table th, .markdown-body table td { border-color: #30363d !important; }\n .markdown-body img { background: #0d1117; }\n .markdown-body blockquote { border-left-color: #8b949e; }\n .markdown-body hr { border-color: #30363d; }\n ';\n document.head.appendChild(style);\n})();", "GitHub Dark Mode README Fix");
}
} catch(__e) { console.warn('[Userscript:GitHub Dark Mode README Fix]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '

Skip to content
BranchesTags
Latest commit
History
16 Commits
Folders and files
NameName
Last commit message
Last commit date
.github/workflows
.github/workflows
assets
assets
experience
experience
knowledge-base
knowledge-base
LICENSE
LICENSE
README.md
README.md
SKILL.md
SKILL.md
Repository files navigation
Auto‑Skill：AI 自我進化的知識積累系統
Auto‑Skill Flow
這個技能是讓你的 AI Agent 不再是「用完即忘」的工具，而是越用越懂你的自進化「第二大腦」。所有記憶讀取與回寫都以使用者明確同意為前提。
Auto‑Skill 是一個為 AI Assistant 設計的元技能（Meta‑Skill）。它能在對話過程中檢索過往經驗、捕捉最佳實踐，並在任務成功且使用者同意後將經驗寫入私人知識庫並建立索引。它不會自動修改 IDE 或 Agent 的全域規則。
核心亮點
1. 真正的「越用越強」
傳統的 Agent 對話結束即歸零。Auto‑Skill 透過核心循環（Core Loop），在每次對話中自動檢查關鍵字索引，若發現這是過去解決過的問題，會直接調用當時的「最佳解法」或「避坑指南」。
2. 跨技能經驗層（Cross‑Skill Memory）
當你呼叫其他特定 Skill（如 Coding、寫作、繪圖）時，Auto‑Skill 會自動檢查技能經驗庫。
例如：當你調用 remotion-video-gen 時，它會主動提醒：「上次我們在做這個時，發現設定 FPS 30 會導致音畫不同步，建議改為 60。」
3. 主動式經驗捕獲
你不需要手動整理筆記。當 AI 偵測到任務圓滿完成，或你表達滿意時，它會主動詢問：
「這次解決了 [問題]，我想把這個經驗記錄下來，下次遇到類似問題可以直接參考，你覺得可以嗎？」
4. 結構化知識存儲
採用輕量級的 JSON 索引 + Markdown 內容，人類可讀，機器好懂。
  • General Knowledge：通用流程、偏好、風格
  • Skill Experience：特定技能的參數、錯誤解法
autoload
安全邊界
  • 不修改 IDE／Agent 全域規則檔，也不建立全域啟動協議。
  • 只寫入使用者核准的資料根目錄，不寫回已安裝的 Skill 套件目錄。
  • 回寫前應移除密鑰、私人憑證與不必要的原始對話內容。
運作邏輯（The Loop）
Auto‑Skill 在每一輪對話中執行嚴謹的 5 步循環：
  1. 關鍵詞指紋 (Fingerprinting)
從對話中提取核心關鍵詞，生成話題指紋。
  2. 話題切換偵測
智能判斷用戶是否開啟新話題，決定是否重讀知識庫。
  3. 經驗讀取 (Skill Experience)
若使用了特定技能，強制檢查是否有過往的「踩坑紀錄」或「成功參數」。
  4. 通用知識庫檢索 (Knowledge Base)
根據任務類型自動比對索引，載入最佳實踐。
  5. 主動記錄 (Write Back)
在任務高完成度結束時，執行任務核心提取寫入。
檔案結構與格式
1) 通用知識庫 (Knowledge Base)
適用於：通用流程、個人偏好、決策邏輯。
knowledge-base/
├── _index.json # 關鍵詞索引
├── design-rules.md # 設計規範
└── writing-tone.md # 寫作語氣偏好

2) 技能經驗庫 (Skill Experience)
適用於：記錄使用任何第三方技能時曾遇到的問題或解決方案。
experience/
├── _index.json # 技能索引
└── skill-python-code.md # Python 技能的專屬經驗

實戰演練
用戶：「幫我用 Python 寫一個爬蟲抓取股價。」
Auto‑Skill（內部運作）：
  1. 提取任務關鍵詞：Python、爬蟲、股價
  2. 偵測技能調用 skill-python-coding
  3. 讀取經驗庫，發現紀錄：「上次抓股價被擋，改用 fake-useragent 解決」
  4. AI 回覆：「沒問題，我會直接加上 fake-useragent 來避免被擋。」
用戶：「太棒了！這次一次就成功運行。」
任務完成後觸發記錄：
「這次我們用 fake-useragent 成功解決了反爬問題。我想把這個『針對金融網站的 Header 設定技巧』記錄到你的 Python 經驗庫中，下次寫爬蟲時我可以自動套用。你覺得可以嗎？」
如何使用
  1. 把 auto-skill/ 放進你的技能目錄（例如 ~/.agents/skills/）。
  2. 在終端輸入：
npx skills add toolsai/auto-skill
開始對話，享受 AI 自進化的樂趣！
授權
本專案採用 MIT License，詳見 LICENSE。
作者（Author）
About
No description, website, or topics provided.
Resources
Readme
MIT license
Activity
Stars
195 stars
Watchers
0 watching
Forks
21 forks
Report repository
Releases
Packages
Contributors

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Highlight search terms from Google/DuckDuckGo/Bing referrer\n(function() {\n var ref = document.referrer;\n var terms = [];\n \n if (ref.includes('google.com') || ref.includes('duckduckgo.com') || ref.includes('bing.com')) {\n var url = new URL(ref);\n var q = url.searchParams.get('q') || url.searchParams.get('p');\n if (q) {\n terms = q.split(/\\s+/).filter(function(t) { return t.length > 2; });\n }\n }\n \n if (terms.length === 0) return;\n \n var style = document.createElement('style');\n style.textContent = '.userscript-highlight { background: #fbbf24; color: #1a1a2e; padding: 1px 3px; border-radius: 2px; }';\n document.head.appendChild(style);\n \n function highlight(node) {\n if (node.nodeType === 3) { // text node\n var text = node.textContent;\n var found = false;\n terms.forEach(function(term) {\n var regex = new RegExp('(' + term.replace(/[.*+?^${}()|[\\]\\\\]/g, '\\\\') + ')', 'gi');\n if (regex.test(text)) {\n found = true;\n var frag = document.createDocumentFragment();\n var parts = text.split(regex);\n parts.forEach(function(part, i) {\n if (i % 2 === 0) {\n frag.appendChild(document.createTextNode(part));\n } else {\n var span = document.createElement('span');\n span.className = 'userscript-highlight';\n span.textContent = part;\n frag.appendChild(span);\n }\n });\n node.parentNode.replaceChild(frag, node);\n }\n });\n } else if (node.nodeType === 1 && node.childNodes) { // element\n var skipTags = ['SCRIPT', 'STYLE', 'NOSCRIPT', 'TEXTAREA', 'INPUT', 'SELECT'];\n if (!skipTags.includes(node.tagName)) {\n Array.from(node.childNodes).forEach(highlight);\n }\n }\n }\n \n highlight(document.body);\n \n // Re-highlight on dynamic content\n var observer = new MutationObserver(function(mutations) {\n mutations.forEach(function(m) {\n m.addedNodes.forEach(function(node) {\n if (node.nodeType === 1 || node.nodeType === 3) highlight(node);\n });\n });\n });\n observer.observe(document.body, { childList: true, subtree: true });\n})();", "Highlight Search Terms");
}
} catch(__e) { console.warn('[Userscript:Highlight Search Terms]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '

Skip to content
BranchesTags
Latest commit
History
16 Commits
Folders and files
NameName
Last commit message
Last commit date
.github/workflows
.github/workflows
assets
assets
experience
experience
knowledge-base
knowledge-base
LICENSE
LICENSE
README.md
README.md
SKILL.md
SKILL.md
Repository files navigation
Auto‑Skill：AI 自我進化的知識積累系統
Auto‑Skill Flow
這個技能是讓你的 AI Agent 不再是「用完即忘」的工具，而是越用越懂你的自進化「第二大腦」。所有記憶讀取與回寫都以使用者明確同意為前提。
Auto‑Skill 是一個為 AI Assistant 設計的元技能（Meta‑Skill）。它能在對話過程中檢索過往經驗、捕捉最佳實踐，並在任務成功且使用者同意後將經驗寫入私人知識庫並建立索引。它不會自動修改 IDE 或 Agent 的全域規則。
核心亮點
1. 真正的「越用越強」
傳統的 Agent 對話結束即歸零。Auto‑Skill 透過核心循環（Core Loop），在每次對話中自動檢查關鍵字索引，若發現這是過去解決過的問題，會直接調用當時的「最佳解法」或「避坑指南」。
2. 跨技能經驗層（Cross‑Skill Memory）
當你呼叫其他特定 Skill（如 Coding、寫作、繪圖）時，Auto‑Skill 會自動檢查技能經驗庫。
例如：當你調用 remotion-video-gen 時，它會主動提醒：「上次我們在做這個時，發現設定 FPS 30 會導致音畫不同步，建議改為 60。」
3. 主動式經驗捕獲
你不需要手動整理筆記。當 AI 偵測到任務圓滿完成，或你表達滿意時，它會主動詢問：
「這次解決了 [問題]，我想把這個經驗記錄下來，下次遇到類似問題可以直接參考，你覺得可以嗎？」
4. 結構化知識存儲
採用輕量級的 JSON 索引 + Markdown 內容，人類可讀，機器好懂。
  • General Knowledge：通用流程、偏好、風格
  • Skill Experience：特定技能的參數、錯誤解法
autoload
安全邊界
  • 不修改 IDE／Agent 全域規則檔，也不建立全域啟動協議。
  • 只寫入使用者核准的資料根目錄，不寫回已安裝的 Skill 套件目錄。
  • 回寫前應移除密鑰、私人憑證與不必要的原始對話內容。
運作邏輯（The Loop）
Auto‑Skill 在每一輪對話中執行嚴謹的 5 步循環：
  1. 關鍵詞指紋 (Fingerprinting)
從對話中提取核心關鍵詞，生成話題指紋。
  2. 話題切換偵測
智能判斷用戶是否開啟新話題，決定是否重讀知識庫。
  3. 經驗讀取 (Skill Experience)
若使用了特定技能，強制檢查是否有過往的「踩坑紀錄」或「成功參數」。
  4. 通用知識庫檢索 (Knowledge Base)
根據任務類型自動比對索引，載入最佳實踐。
  5. 主動記錄 (Write Back)
在任務高完成度結束時，執行任務核心提取寫入。
檔案結構與格式
1) 通用知識庫 (Knowledge Base)
適用於：通用流程、個人偏好、決策邏輯。
knowledge-base/
├── _index.json # 關鍵詞索引
├── design-rules.md # 設計規範
└── writing-tone.md # 寫作語氣偏好

2) 技能經驗庫 (Skill Experience)
適用於：記錄使用任何第三方技能時曾遇到的問題或解決方案。
experience/
├── _index.json # 技能索引
└── skill-python-code.md # Python 技能的專屬經驗

實戰演練
用戶：「幫我用 Python 寫一個爬蟲抓取股價。」
Auto‑Skill（內部運作）：
  1. 提取任務關鍵詞：Python、爬蟲、股價
  2. 偵測技能調用 skill-python-coding
  3. 讀取經驗庫，發現紀錄：「上次抓股價被擋，改用 fake-useragent 解決」
  4. AI 回覆：「沒問題，我會直接加上 fake-useragent 來避免被擋。」
用戶：「太棒了！這次一次就成功運行。」
任務完成後觸發記錄：
「這次我們用 fake-useragent 成功解決了反爬問題。我想把這個『針對金融網站的 Header 設定技巧』記錄到你的 Python 經驗庫中，下次寫爬蟲時我可以自動套用。你覺得可以嗎？」
如何使用
  1. 把 auto-skill/ 放進你的技能目錄（例如 ~/.agents/skills/）。
  2. 在終端輸入：
npx skills add toolsai/auto-skill
開始對話，享受 AI 自進化的樂趣！
授權
本專案採用 MIT License，詳見 LICENSE。
作者（Author）
About
No description, website, or topics provided.
Resources
Readme
MIT license
Activity
Stars
195 stars
Watchers
0 watching
Forks
21 forks
Report repository
Releases
Packages
Contributors

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Strip utm_, fbclid, gclid, etc. from all links on page\n(function() {\n var trackingParams = ['utm_source', 'utm_medium', 'utm_campaign', 'utm_term', 'utm_content',\n 'fbclid', 'gclid', 'dclid', 'msclkid', 'yclid',\n 'ref', 'ref_src', 'source', 'medium', 'campaign'];\n \n function cleanUrl(url) {\n try {\n var u = new URL(url, window.location.origin);\n var changed = false;\n trackingParams.forEach(function(p) {\n if (u.searchParams.has(p)) {\n u.searchParams.delete(p);\n changed = true;\n }\n });\n return changed ? u.toString() : url;\n } catch (e) {\n return url;\n }\n }\n \n function cleanLinks() {\n document.querySelectorAll('a[href]').forEach(function(a) {\n var clean = cleanUrl(a.href);\n if (clean !== a.href) a.href = clean;\n });\n }\n \n cleanLinks();\n \n var observer = new MutationObserver(function(mutations) {\n mutations.forEach(function(m) {\n m.addedNodes.forEach(function(node) {\n if (node.nodeType === 1) {\n if (node.tagName === 'A') cleanLinks();\n node.querySelectorAll('a[href]').forEach(function(a) {\n var clean = cleanUrl(a.href);\n if (clean !== a.href) a.href = clean;\n });\n }\n });\n });\n });\n observer.observe(document.body, { childList: true, subtree: true });\n})();", "Remove Tracking Parameters from Links");
}
} catch(__e) { console.warn('[Userscript:Remove Tracking Parameters from Links]', __e); }
})();
(function(){
try {
var __m = "youtube.com";
var __re = new RegExp('^' + "youtube\\.com" + '

Skip to content
BranchesTags
Latest commit
History
16 Commits
Folders and files
NameName
Last commit message
Last commit date
.github/workflows
.github/workflows
assets
assets
experience
experience
knowledge-base
knowledge-base
LICENSE
LICENSE
README.md
README.md
SKILL.md
SKILL.md
Repository files navigation
Auto‑Skill：AI 自我進化的知識積累系統
Auto‑Skill Flow
這個技能是讓你的 AI Agent 不再是「用完即忘」的工具，而是越用越懂你的自進化「第二大腦」。所有記憶讀取與回寫都以使用者明確同意為前提。
Auto‑Skill 是一個為 AI Assistant 設計的元技能（Meta‑Skill）。它能在對話過程中檢索過往經驗、捕捉最佳實踐，並在任務成功且使用者同意後將經驗寫入私人知識庫並建立索引。它不會自動修改 IDE 或 Agent 的全域規則。
核心亮點
1. 真正的「越用越強」
傳統的 Agent 對話結束即歸零。Auto‑Skill 透過核心循環（Core Loop），在每次對話中自動檢查關鍵字索引，若發現這是過去解決過的問題，會直接調用當時的「最佳解法」或「避坑指南」。
2. 跨技能經驗層（Cross‑Skill Memory）
當你呼叫其他特定 Skill（如 Coding、寫作、繪圖）時，Auto‑Skill 會自動檢查技能經驗庫。
例如：當你調用 remotion-video-gen 時，它會主動提醒：「上次我們在做這個時，發現設定 FPS 30 會導致音畫不同步，建議改為 60。」
3. 主動式經驗捕獲
你不需要手動整理筆記。當 AI 偵測到任務圓滿完成，或你表達滿意時，它會主動詢問：
「這次解決了 [問題]，我想把這個經驗記錄下來，下次遇到類似問題可以直接參考，你覺得可以嗎？」
4. 結構化知識存儲
採用輕量級的 JSON 索引 + Markdown 內容，人類可讀，機器好懂。
  • General Knowledge：通用流程、偏好、風格
  • Skill Experience：特定技能的參數、錯誤解法
autoload
安全邊界
  • 不修改 IDE／Agent 全域規則檔，也不建立全域啟動協議。
  • 只寫入使用者核准的資料根目錄，不寫回已安裝的 Skill 套件目錄。
  • 回寫前應移除密鑰、私人憑證與不必要的原始對話內容。
運作邏輯（The Loop）
Auto‑Skill 在每一輪對話中執行嚴謹的 5 步循環：
  1. 關鍵詞指紋 (Fingerprinting)
從對話中提取核心關鍵詞，生成話題指紋。
  2. 話題切換偵測
智能判斷用戶是否開啟新話題，決定是否重讀知識庫。
  3. 經驗讀取 (Skill Experience)
若使用了特定技能，強制檢查是否有過往的「踩坑紀錄」或「成功參數」。
  4. 通用知識庫檢索 (Knowledge Base)
根據任務類型自動比對索引，載入最佳實踐。
  5. 主動記錄 (Write Back)
在任務高完成度結束時，執行任務核心提取寫入。
檔案結構與格式
1) 通用知識庫 (Knowledge Base)
適用於：通用流程、個人偏好、決策邏輯。
knowledge-base/
├── _index.json # 關鍵詞索引
├── design-rules.md # 設計規範
└── writing-tone.md # 寫作語氣偏好

2) 技能經驗庫 (Skill Experience)
適用於：記錄使用任何第三方技能時曾遇到的問題或解決方案。
experience/
├── _index.json # 技能索引
└── skill-python-code.md # Python 技能的專屬經驗

實戰演練
用戶：「幫我用 Python 寫一個爬蟲抓取股價。」
Auto‑Skill（內部運作）：
  1. 提取任務關鍵詞：Python、爬蟲、股價
  2. 偵測技能調用 skill-python-coding
  3. 讀取經驗庫，發現紀錄：「上次抓股價被擋，改用 fake-useragent 解決」
  4. AI 回覆：「沒問題，我會直接加上 fake-useragent 來避免被擋。」
用戶：「太棒了！這次一次就成功運行。」
任務完成後觸發記錄：
「這次我們用 fake-useragent 成功解決了反爬問題。我想把這個『針對金融網站的 Header 設定技巧』記錄到你的 Python 經驗庫中，下次寫爬蟲時我可以自動套用。你覺得可以嗎？」
如何使用
  1. 把 auto-skill/ 放進你的技能目錄（例如 ~/.agents/skills/）。
  2. 在終端輸入：
npx skills add toolsai/auto-skill
開始對話，享受 AI 自進化的樂趣！
授權
本專案採用 MIT License，詳見 LICENSE。
作者（Author）
About
No description, website, or topics provided.
Resources
Readme
MIT license
Activity
Stars
195 stars
Watchers
0 watching
Forks
21 forks
Report repository
Releases
Packages
Contributors

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Auto-enable theater mode on YouTube\n(function() {\n function tryTheater() {\n var btn = document.querySelector('button[aria-label=\"Theater mode\"], ytd-player #player button[title=\"Theater mode\"]');\n if (btn && !btn.classList.contains('activated')) {\n btn.click();\n }\n }\n \n // Try immediately\n tryTheater();\n \n // Try after navigation (SPA)\n var lastUrl = location.href;\n setInterval(function() {\n if (location.href !== lastUrl) {\n lastUrl = location.href;\n setTimeout(tryTheater, 500);\n }\n }, 1000);\n \n // Also try on player load\n var observer = new MutationObserver(tryTheater);\n observer.observe(document.body, { childList: true, subtree: true });\n})();", "YouTube Theater Mode Default");
}
} catch(__e) { console.warn('[Userscript:YouTube Theater Mode Default]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '

Skip to content
BranchesTags
Latest commit
History
16 Commits
Folders and files
NameName
Last commit message
Last commit date
.github/workflows
.github/workflows
assets
assets
experience
experience
knowledge-base
knowledge-base
LICENSE
LICENSE
README.md
README.md
SKILL.md
SKILL.md
Repository files navigation
Auto‑Skill：AI 自我進化的知識積累系統
Auto‑Skill Flow
這個技能是讓你的 AI Agent 不再是「用完即忘」的工具，而是越用越懂你的自進化「第二大腦」。所有記憶讀取與回寫都以使用者明確同意為前提。
Auto‑Skill 是一個為 AI Assistant 設計的元技能（Meta‑Skill）。它能在對話過程中檢索過往經驗、捕捉最佳實踐，並在任務成功且使用者同意後將經驗寫入私人知識庫並建立索引。它不會自動修改 IDE 或 Agent 的全域規則。
核心亮點
1. 真正的「越用越強」
傳統的 Agent 對話結束即歸零。Auto‑Skill 透過核心循環（Core Loop），在每次對話中自動檢查關鍵字索引，若發現這是過去解決過的問題，會直接調用當時的「最佳解法」或「避坑指南」。
2. 跨技能經驗層（Cross‑Skill Memory）
當你呼叫其他特定 Skill（如 Coding、寫作、繪圖）時，Auto‑Skill 會自動檢查技能經驗庫。
例如：當你調用 remotion-video-gen 時，它會主動提醒：「上次我們在做這個時，發現設定 FPS 30 會導致音畫不同步，建議改為 60。」
3. 主動式經驗捕獲
你不需要手動整理筆記。當 AI 偵測到任務圓滿完成，或你表達滿意時，它會主動詢問：
「這次解決了 [問題]，我想把這個經驗記錄下來，下次遇到類似問題可以直接參考，你覺得可以嗎？」
4. 結構化知識存儲
採用輕量級的 JSON 索引 + Markdown 內容，人類可讀，機器好懂。
  • General Knowledge：通用流程、偏好、風格
  • Skill Experience：特定技能的參數、錯誤解法
autoload
安全邊界
  • 不修改 IDE／Agent 全域規則檔，也不建立全域啟動協議。
  • 只寫入使用者核准的資料根目錄，不寫回已安裝的 Skill 套件目錄。
  • 回寫前應移除密鑰、私人憑證與不必要的原始對話內容。
運作邏輯（The Loop）
Auto‑Skill 在每一輪對話中執行嚴謹的 5 步循環：
  1. 關鍵詞指紋 (Fingerprinting)
從對話中提取核心關鍵詞，生成話題指紋。
  2. 話題切換偵測
智能判斷用戶是否開啟新話題，決定是否重讀知識庫。
  3. 經驗讀取 (Skill Experience)
若使用了特定技能，強制檢查是否有過往的「踩坑紀錄」或「成功參數」。
  4. 通用知識庫檢索 (Knowledge Base)
根據任務類型自動比對索引，載入最佳實踐。
  5. 主動記錄 (Write Back)
在任務高完成度結束時，執行任務核心提取寫入。
檔案結構與格式
1) 通用知識庫 (Knowledge Base)
適用於：通用流程、個人偏好、決策邏輯。
knowledge-base/
├── _index.json # 關鍵詞索引
├── design-rules.md # 設計規範
└── writing-tone.md # 寫作語氣偏好

2) 技能經驗庫 (Skill Experience)
適用於：記錄使用任何第三方技能時曾遇到的問題或解決方案。
experience/
├── _index.json # 技能索引
└── skill-python-code.md # Python 技能的專屬經驗

實戰演練
用戶：「幫我用 Python 寫一個爬蟲抓取股價。」
Auto‑Skill（內部運作）：
  1. 提取任務關鍵詞：Python、爬蟲、股價
  2. 偵測技能調用 skill-python-coding
  3. 讀取經驗庫，發現紀錄：「上次抓股價被擋，改用 fake-useragent 解決」
  4. AI 回覆：「沒問題，我會直接加上 fake-useragent 來避免被擋。」
用戶：「太棒了！這次一次就成功運行。」
任務完成後觸發記錄：
「這次我們用 fake-useragent 成功解決了反爬問題。我想把這個『針對金融網站的 Header 設定技巧』記錄到你的 Python 經驗庫中，下次寫爬蟲時我可以自動套用。你覺得可以嗎？」
如何使用
  1. 把 auto-skill/ 放進你的技能目錄（例如 ~/.agents/skills/）。
  2. 在終端輸入：
npx skills add toolsai/auto-skill
開始對話，享受 AI 自進化的樂趣！
授權
本專案採用 MIT License，詳見 LICENSE。
作者（Author）
About
No description, website, or topics provided.
Resources
Readme
MIT license
Activity
Stars
195 stars
Watchers
0 watching
Forks
21 forks
Report repository
Releases
Packages
Contributors

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Remove or un-stick sticky/fixed headers that block content\n(function() {\n function unstick() {\n document.querySelectorAll('header, nav, [role=\"banner\"], .header, .navbar, .sticky, .fixed-top, [style*=\"position: fixed\"], [style*=\"position:sticky\"]').forEach(function(el) {\n if (el.style.position === 'fixed' || el.style.position === 'sticky' || \n getComputedStyle(el).position === 'fixed' || getComputedStyle(el).position === 'sticky') {\n el.style.position = 'static';\n el.style.top = 'auto';\n el.style.zIndex = 'auto';\n }\n });\n }\n \n unstick();\n \n var observer = new MutationObserver(unstick);\n observer.observe(document.body, { childList: true, subtree: true, attributes: true, attributeFilter: ['style', 'class'] });\n})();", "Kill Sticky Headers");
}
} catch(__e) { console.warn('[Userscript:Kill Sticky Headers]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '

Skip to content
BranchesTags
Latest commit
History
16 Commits
Folders and files
NameName
Last commit message
Last commit date
.github/workflows
.github/workflows
assets
assets
experience
experience
knowledge-base
knowledge-base
LICENSE
LICENSE
README.md
README.md
SKILL.md
SKILL.md
Repository files navigation
Auto‑Skill：AI 自我進化的知識積累系統
Auto‑Skill Flow
這個技能是讓你的 AI Agent 不再是「用完即忘」的工具，而是越用越懂你的自進化「第二大腦」。所有記憶讀取與回寫都以使用者明確同意為前提。
Auto‑Skill 是一個為 AI Assistant 設計的元技能（Meta‑Skill）。它能在對話過程中檢索過往經驗、捕捉最佳實踐，並在任務成功且使用者同意後將經驗寫入私人知識庫並建立索引。它不會自動修改 IDE 或 Agent 的全域規則。
核心亮點
1. 真正的「越用越強」
傳統的 Agent 對話結束即歸零。Auto‑Skill 透過核心循環（Core Loop），在每次對話中自動檢查關鍵字索引，若發現這是過去解決過的問題，會直接調用當時的「最佳解法」或「避坑指南」。
2. 跨技能經驗層（Cross‑Skill Memory）
當你呼叫其他特定 Skill（如 Coding、寫作、繪圖）時，Auto‑Skill 會自動檢查技能經驗庫。
例如：當你調用 remotion-video-gen 時，它會主動提醒：「上次我們在做這個時，發現設定 FPS 30 會導致音畫不同步，建議改為 60。」
3. 主動式經驗捕獲
你不需要手動整理筆記。當 AI 偵測到任務圓滿完成，或你表達滿意時，它會主動詢問：
「這次解決了 [問題]，我想把這個經驗記錄下來，下次遇到類似問題可以直接參考，你覺得可以嗎？」
4. 結構化知識存儲
採用輕量級的 JSON 索引 + Markdown 內容，人類可讀，機器好懂。
  • General Knowledge：通用流程、偏好、風格
  • Skill Experience：特定技能的參數、錯誤解法
autoload
安全邊界
  • 不修改 IDE／Agent 全域規則檔，也不建立全域啟動協議。
  • 只寫入使用者核准的資料根目錄，不寫回已安裝的 Skill 套件目錄。
  • 回寫前應移除密鑰、私人憑證與不必要的原始對話內容。
運作邏輯（The Loop）
Auto‑Skill 在每一輪對話中執行嚴謹的 5 步循環：
  1. 關鍵詞指紋 (Fingerprinting)
從對話中提取核心關鍵詞，生成話題指紋。
  2. 話題切換偵測
智能判斷用戶是否開啟新話題，決定是否重讀知識庫。
  3. 經驗讀取 (Skill Experience)
若使用了特定技能，強制檢查是否有過往的「踩坑紀錄」或「成功參數」。
  4. 通用知識庫檢索 (Knowledge Base)
根據任務類型自動比對索引，載入最佳實踐。
  5. 主動記錄 (Write Back)
在任務高完成度結束時，執行任務核心提取寫入。
檔案結構與格式
1) 通用知識庫 (Knowledge Base)
適用於：通用流程、個人偏好、決策邏輯。
knowledge-base/
├── _index.json # 關鍵詞索引
├── design-rules.md # 設計規範
└── writing-tone.md # 寫作語氣偏好

2) 技能經驗庫 (Skill Experience)
適用於：記錄使用任何第三方技能時曾遇到的問題或解決方案。
experience/
├── _index.json # 技能索引
└── skill-python-code.md # Python 技能的專屬經驗

實戰演練
用戶：「幫我用 Python 寫一個爬蟲抓取股價。」
Auto‑Skill（內部運作）：
  1. 提取任務關鍵詞：Python、爬蟲、股價
  2. 偵測技能調用 skill-python-coding
  3. 讀取經驗庫，發現紀錄：「上次抓股價被擋，改用 fake-useragent 解決」
  4. AI 回覆：「沒問題，我會直接加上 fake-useragent 來避免被擋。」
用戶：「太棒了！這次一次就成功運行。」
任務完成後觸發記錄：
「這次我們用 fake-useragent 成功解決了反爬問題。我想把這個『針對金融網站的 Header 設定技巧』記錄到你的 Python 經驗庫中，下次寫爬蟲時我可以自動套用。你覺得可以嗎？」
如何使用
  1. 把 auto-skill/ 放進你的技能目錄（例如 ~/.agents/skills/）。
  2. 在終端輸入：
npx skills add toolsai/auto-skill
開始對話，享受 AI 自進化的樂趣！
授權
本專案採用 MIT License，詳見 LICENSE。
作者（Author）
About
No description, website, or topics provided.
Resources
Readme
MIT license
Activity
Stars
195 stars
Watchers
0 watching
Forks
21 forks
Report repository
Releases
Packages
Contributors

, 'i');
if (__m === '*' || __re.test(location.href)) {
injectUserscript("// Universal Dark Mode - works on any site\n(function() {\n var enabled = true;\n \n function applyDarkMode() {\n if (!enabled) return;\n \n // Create style element if it doesn't exist\n var style = document.getElementById('universal-dark-mode-style');\n if (!style) {\n style = document.createElement('style');\n style.id = 'universal-dark-mode-style';\n document.head.appendChild(style);\n }\n \n // Dark mode CSS - inverts colors but preserves images/video\n style.textContent = '\n /* Invert everything except media */\n html {\n filter: invert(1) hue-rotate(180deg) !important;\n background: #1a1a2e !important;\n }\n \n /* Restore images, videos, iframes, canvas */\n img, video, iframe, canvas, svg, picture, [style*=\"background-image\"] {\n filter: invert(1) hue-rotate(180deg) !important;\n }\n \n /* Preserve specific elements that should not be inverted */\n .no-dark-mode, .no-dark-mode *,\n [data-theme=\"light\"], [data-theme=\"light\"],\n .ace_editor, .ace_editor *,\n .CodeMirror, .CodeMirror *,\n .monaco-editor, .monaco-editor *,\n .markdown-body pre, .markdown-body pre *,\n .highlight, .highlight *,\n pre code, pre code * {\n filter: none !important;\n }\n \n /* Fix common UI elements */\n .modal, .popup, .dropdown-menu, .tooltip, .popover {\n filter: invert(1) hue-rotate(180deg) !important;\n background: #2d2d44 !important;\n border-color: #444 !important;\n }\n \n /* Scrollbars */\n ::-webkit-scrollbar { background: #1a1a2e !important; }\n ::-webkit-scrollbar-thumb { background: #444 !important; }\n ::-webkit-scrollbar-thumb:hover { background: #555 !important; }\n \n /* Selection */\n ::selection { background: #4ecdc4 !important; color: #1a1a2e !important; }\n ::-moz-selection { background: #4ecdc4 !important; color: #1a1a2e !important; }\n ';\n }\n \n function removeDarkMode() {\n var style = document.getElementById('universal-dark-mode-style');\n if (style) style.remove();\n }\n \n // Toggle with Alt+Shift+D\n document.addEventListener('keydown', function(e) {\n if (e.altKey && e.shiftKey && e.key === 'D') {\n e.preventDefault();\n enabled = !enabled;\n if (enabled) {\n applyDarkMode();\n console.log('[Universal Dark Mode] Enabled');\n } else {\n removeDarkMode();\n console.log('[Universal Dark Mode] Disabled');\n }\n }\n });\n \n // Apply on load\n applyDarkMode();\n \n // Re-apply on dynamic content\n var observer = new MutationObserver(function(mutations) {\n if (enabled && !document.getElementById('universal-dark-mode-style')) {\n applyDarkMode();\n }\n });\n observer.observe(document.head, { childList: true });\n \n console.log('[Universal Dark Mode] Loaded - Press Alt+Shift+D to toggle');\n})();", "Universal Dark Mode");
}
} catch(__e) { console.warn('[Userscript:Universal Dark Mode]', __e); }
})();
})();

Skip to content
BranchesTags
Latest commit
History
16 Commits
Folders and files
NameName
Last commit message
Last commit date
.github/workflows
.github/workflows
assets
assets
experience
experience
knowledge-base
knowledge-base
LICENSE
LICENSE
README.md
README.md
SKILL.md
SKILL.md
Repository files navigation
Auto‑Skill：AI 自我進化的知識積累系統
Auto‑Skill Flow
這個技能是讓你的 AI Agent 不再是「用完即忘」的工具，而是越用越懂你的自進化「第二大腦」。所有記憶讀取與回寫都以使用者明確同意為前提。
Auto‑Skill 是一個為 AI Assistant 設計的元技能（Meta‑Skill）。它能在對話過程中檢索過往經驗、捕捉最佳實踐，並在任務成功且使用者同意後將經驗寫入私人知識庫並建立索引。它不會自動修改 IDE 或 Agent 的全域規則。
核心亮點
1. 真正的「越用越強」
傳統的 Agent 對話結束即歸零。Auto‑Skill 透過核心循環（Core Loop），在每次對話中自動檢查關鍵字索引，若發現這是過去解決過的問題，會直接調用當時的「最佳解法」或「避坑指南」。
2. 跨技能經驗層（Cross‑Skill Memory）
當你呼叫其他特定 Skill（如 Coding、寫作、繪圖）時，Auto‑Skill 會自動檢查技能經驗庫。
例如：當你調用 remotion-video-gen 時，它會主動提醒：「上次我們在做這個時，發現設定 FPS 30 會導致音畫不同步，建議改為 60。」
3. 主動式經驗捕獲
你不需要手動整理筆記。當 AI 偵測到任務圓滿完成，或你表達滿意時，它會主動詢問：
「這次解決了 [問題]，我想把這個經驗記錄下來，下次遇到類似問題可以直接參考，你覺得可以嗎？」
4. 結構化知識存儲
採用輕量級的 JSON 索引 + Markdown 內容，人類可讀，機器好懂。
  • General Knowledge：通用流程、偏好、風格
  • Skill Experience：特定技能的參數、錯誤解法
autoload
安全邊界
  • 不修改 IDE／Agent 全域規則檔，也不建立全域啟動協議。
  • 只寫入使用者核准的資料根目錄，不寫回已安裝的 Skill 套件目錄。
  • 回寫前應移除密鑰、私人憑證與不必要的原始對話內容。
運作邏輯（The Loop）
Auto‑Skill 在每一輪對話中執行嚴謹的 5 步循環：
  1. 關鍵詞指紋 (Fingerprinting)
從對話中提取核心關鍵詞，生成話題指紋。
  2. 話題切換偵測
智能判斷用戶是否開啟新話題，決定是否重讀知識庫。
  3. 經驗讀取 (Skill Experience)
若使用了特定技能，強制檢查是否有過往的「踩坑紀錄」或「成功參數」。
  4. 通用知識庫檢索 (Knowledge Base)
根據任務類型自動比對索引，載入最佳實踐。
  5. 主動記錄 (Write Back)
在任務高完成度結束時，執行任務核心提取寫入。
檔案結構與格式
1) 通用知識庫 (Knowledge Base)
適用於：通用流程、個人偏好、決策邏輯。
knowledge-base/
├── _index.json # 關鍵詞索引
├── design-rules.md # 設計規範
└── writing-tone.md # 寫作語氣偏好

2) 技能經驗庫 (Skill Experience)
適用於：記錄使用任何第三方技能時曾遇到的問題或解決方案。
experience/
├── _index.json # 技能索引
└── skill-python-code.md # Python 技能的專屬經驗

實戰演練
用戶：「幫我用 Python 寫一個爬蟲抓取股價。」
Auto‑Skill（內部運作）：
  1. 提取任務關鍵詞：Python、爬蟲、股價
  2. 偵測技能調用 skill-python-coding
  3. 讀取經驗庫，發現紀錄：「上次抓股價被擋，改用 fake-useragent 解決」
  4. AI 回覆：「沒問題，我會直接加上 fake-useragent 來避免被擋。」
用戶：「太棒了！這次一次就成功運行。」
任務完成後觸發記錄：
「這次我們用 fake-useragent 成功解決了反爬問題。我想把這個『針對金融網站的 Header 設定技巧』記錄到你的 Python 經驗庫中，下次寫爬蟲時我可以自動套用。你覺得可以嗎？」
如何使用
  1. 把 auto-skill/ 放進你的技能目錄（例如 ~/.agents/skills/）。
  2. 在終端輸入：
npx skills add toolsai/auto-skill
開始對話，享受 AI 自進化的樂趣！
授權
本專案採用 MIT License，詳見 LICENSE。
作者（Author）
About
No description, website, or topics provided.
Resources
Readme
MIT license
Activity
Stars
195 stars
Watchers
0 watching
Forks
21 forks
Report repository
Releases
Packages
Contributors