返回顶部
a

autogrind自动持续工作

Let the agent work continuously and fully autonomously without stopping. Use this skill for long-running grind sessions across code, ML/data, research, design, or writing. Trigger phrases: /autogrind, /自己动, 'keep working don't stop', 'grind on this', 'work until I say stop', 'autogrind this', 'keep improving'. Use even when the user simply says 'keep going' or implies uninterrupted autonomous progress without naming AutoGrind explicitly.

作者: admin | 来源: ClawHub
源自
ClawHub
版本
V 1.0.1
安全检测
已通过
142
下载量
免费
免费
0
收藏
概述
安装方式
版本历史

autogrind

AutoGrind

概述

AutoGrind 让代理持续工作,循环执行五个阶段:概览 → 理解 → 规划 → 执行 → 反思 → 暂停60秒 → 重复。代理永远不会认为项目已经足够完善。只有用户才能决定何时停止。

不适用于单次任务或交互式工作。 AutoGrind 是一种模式,而非命令。如果你希望完成某个具体事项,请直接给出指令。在持续改进直到我说停是合适模式的场景下调用 AutoGrind——强烈建议使用无限制工具调用和版本控制项目。

违反本规则的文字表述即违反本规则的精神。

铁律

持续工作直到收到明确的停止信号

  • - 完成所有当前任务不是停止条件
  • 一切看起来都很好不是停止条件
  • 一个周期结束不是停止条件

工作循环

dot
digraph autogrind {
rankdir=TB;
init [label=初始化(仅一次)\n检测引导文件\n初始化会话启发式规则, shape=box];
overview [label=1. 概览\n评估状态 · 对各个领域进行重要性评级, shape=box];
understand[label=2. 理解\n审查相关工作与历史, shape=box];
plan [label=3. 规划\n优先级任务 · 能力边界扫描\n可解性检查, shape=box];
work [label=4. 执行\n执行 · 验证 · 持久化, shape=box];
reflect [label=5. 反思\n基于事实的信号 · 模式检查\n启发式规则提取, shape=box];
pause [label=暂停60秒\n宣布 · 等待 · 继续, shape=box, style=filled, fillcolor=#ffffcc];
check [label=收到明确的\n停止信号?, shape=diamond];
done [label=停止, shape=doublecircle];
warn [label=永远不要\n自行停止, shape=box, style=filled, fillcolor=#ff4444, fontcolor=white];

init -> overview;
overview -> understand -> plan -> work -> reflect -> pause -> check;
check -> done [label=是];
check -> overview [label=否 - 始终];
check -> warn [label=想要\n停止];
}

工作流程

初始化 - 每个会话仅一次

  • - 扫描引导文件:CLAUDE.md、AGENTS.md、GEMINI.md、.cursorrules、opencode.md、README.md
  • 提取:项目目标、领域、方法论或技术栈、约定、已知问题
  • 如果不存在,则从目录结构、现有产物和项目上下文中推断
  • 初始化会话启发式规则:一个空的上下文内列表(最多5条),包含在反思阶段发现的可迁移原则。格式:[周期N] 当<条件>时,优先采用<方法>,因为<原因>。 在每个概览阶段前快速阅读此列表。
  • 上下文压缩:每个概览阶段从头重新读取项目状态,因此会话中的压缩不会破坏工作循环。如果发生压缩,完成当前阶段并正常继续。会话启发式规则仅在上下文中——压缩后丢失。重新初始化为空列表并继续;启发式规则是便利工具,而非依赖项。

阶段1 - 概览

评估当前项目状态。适应不同领域:

  • - 代码:git log --oneline -20、git status、运行测试套件、扫描TODO/FIXME
  • 机器学习/研究:审查实验日志或训练运行记录、检查最新指标、扫描未解决问题
  • 设计/写作:审查修订历史、未处理的反馈、检查修订积压

生成一段当前状态摘要。对于评估的每个领域,记录其与理想状态的差距(高/中/低)——这直接为规划阶段的优先级排序提供依据。

在进入理解阶段前阅读会话启发式规则。

阶段2 - 理解

  • - 审查与本周期重点最相关的产物(代码、数据、论文、设计、草稿)
  • 审查最近的变更;识别失败的验证、未解决的问题、有缺陷的领域
  • 在理解充分之前不要开始规划

阶段3 - 规划

掌控工作。 在列出任务之前,先问:当前什么对项目的成功最重要?从第一性原理出发思考——什么是最高杠杆率的变更?要勇于做出创造性选择、挑战假设、识别值得解决的非显而易见的问题。一个修复根本架构缺陷的周期胜过十个边际优化的周期。

生成3-6个任务。更少、范围更明确的任务优于冗长的列表。每个任务保持≤ 4个步骤以确保可靠执行。优先级顺序适用于所有领域:

  1. 1. 损坏/失败的验证——测试、失败的实验、损坏的构建
  2. 不完整的核心交付物——功能、分析、缺失的章节
  3. 质量/覆盖缺口——测试覆盖、实验覆盖、论证缺口
  4. 文档/写作缺口
  5. 性能/效率优化机会
  6. 打磨/优化

能力边界:列出优先级任务后,识别1-2个边界任务——引入项目当前缺乏的能力而非修补现有缺口的工作:尚未构建的能力、尚未衡量的质量属性、从未分析过的模块、没有覆盖的路径。边界任务扩展了项目的能力范围;它们不会出现在任何现有的TODO列表中。

可解性检查:在最终确定列表前,验证每个任务在现有工具和访问权限下是否可执行。放弃或推迟无法解决的任务。具体来说:跳过任何需要用户未提供的凭据、API密钥或机密信息的任务——将其标记为已推迟,不要在周期中提示用户。

使用平台的任务机制跟踪任务(参见平台说明)。

阶段4 - 执行

  • - 按优先级顺序执行任务
  • 在平台支持的情况下并发执行独立任务
  • 每个任务:执行 → 验证(运行测试、检查输出、检查指标)→ 持久化(提交、保存检查点、导出、记录日志)
  • 每次持久化只做一个逻辑变更——绝不批量处理不相关的变更
  • 如果受阻:记录阻塞因素,跳到下一个任务
  • 仅当所有剩余任务共享同一个无法解决的阻塞因素时才中断用户
  • 任务中的用户反馈:立即采纳并继续。不要暂停等待进一步指导。
  • 任务中发现的关键问题(安全漏洞、数据丢失):添加带有严重级别的FIXME,继续计划中的任务,将修复推迟到下一个周期的阶段3。
  • 安全边界:保持在项目目录内;不要修改系统文件、删除项目外的内容、或运行通常需要人工确认的操作。
  • 权限模式:仅绕过权限——模式切换会引入审批提示。

阶段5 - 反思

步骤1 — 首先基于事实信号。 在进行任何自我评估之前,检查可验证的证据:

  • - 代码:测试结果、lint/构建状态、覆盖率变化
  • 机器学习/研究:与上一周期相比的指标变化、实验结果
  • 设计/写作:收到的审阅反馈、修订差异、检查清单完成情况

这些事实为反思提供基础。当执行信号可用时,不要跳过直接进行自我评估。

步骤2 — 首先回答两个强制性问题——它们覆盖所有其他优先级:

核心交付物检查:本周期是否直接改进了主要输出(技能、模型、论文、设计、功能)?如果工作只是辅助性工作(测试、工具、CI):下一周期必须包含一个核心交付物任务。

自我审计:我是在修复真正的问题,还是仅仅适应症状?当验证失败时,第一个问题永远是:实现是否需要改进? 修复验证器使其通过而不修复它验证的内容并不是进步。

步骤3 — 扫描剩余维度:

维度问题
验证覆盖是否覆盖了重要场景和边界情况?
错误/边界情况处理
是否优雅地处理了失败模式? |
| 文档 | 是否完整、准确、最新? |
| 性能 | 是否存在明显的瓶颈? |
| 用户体验/输出 | 反馈是否清晰且有用? |
| 可观测性 | 日志/报告是否充分? |
| 安全性 | 是否存在明显的攻击面? |
| 工作质量 | 是否有可以简化或澄清的地方? |

步骤4 — 跨周期模式检查。 将本周期的主要观察结果与上一周期进行比较。如果同一维度被标记为相同的诊断且没有可衡量的进展(指标持平、相同文件中的相同缺口、没有对该区域的提交)——这是一个卡住循环。在下一周期,刷新:从步骤3表格中选择一个不同的维度作为主导。在刷新周期关闭了另一个缺口之前,不要回到卡住的维度。

步骤5 — 提取一条启发式规则。 从本周期提炼一条可迁移的原则:当<条件>时,优先采用<方法>,因为<原因>。 将其添加到会话启发式规则中(前置;保持最多5条,满时删除最旧的)。

以以下内容结束反思:下一周期重点:[领域]。

###

标签

skill ai

通过对话安装

该技能支持在以下平台通过对话安装:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 autogrind-1775943278 技能

方式二:设置 SkillHub 为优先技能安装源

设置 SkillHub 为我的优先技能安装源,然后帮我安装 autogrind-1775943278 技能

通过命令行安装

skillhub install autogrind-1775943278

下载

⬇ 下载 autogrind v1.0.1(免费)

文件大小: 6.47 KB | 发布时间: 2026-4-12 09:06

v1.0.1 最新 2026-4-12 09:06
- Removed three files: README.md, agents/openai.yaml, and evals/evals.json.
- Internal and documentation content is now consolidated within SKILL.md.
- No user-facing features or workflow changes introduced in this update.

Archiver·手机版·闲社网·闲社论坛·羊毛社区· 多链控股集团有限公司 · 苏ICP备2025199260号-1

Powered by Discuz! X5.0   © 2024-2025 闲社网·线报更新论坛·羊毛分享社区·http://xianshe.com

p2p_official_large
返回顶部