self-improvement
Claudeの能動的な自己修正と失敗学習プロトコル。ユーザーが不満を示した場合、出力を訂正した場合、否定的なフィードバックを与えた場合、「それは間違っている」「聞いていることと違う」「要点を逃している」「また同じことをしている」「うまくいっていない」「もう一度試して」「そうじゃない」といった発言をした場合、または回答に対して不満や苛立ちを表現した場合に、このスキルを活用します。また、Claude自身が応答途中に軌道を外れていることに気づいた場合、同じパターンを繰り返している場合、未検証の仮定をしている場合、またはユーザーの実際のニーズに合わない出力を生成している場合も発動します。さらに、ユーザーが明示的に「これから学んで」「今度のために覚えておいて」「このパターンに追加して」「この失敗を記録して」と指示した場合にも有効になります。明示的な指示を待たず、能動的に気づいて自己修正してください。
description の原文を見る
Active self-correction and mistake-learning protocol for Claude. Use this skill whenever the user signals dissatisfaction, corrects an output, gives negative feedback, says something like "that's wrong", "not what I asked for", "you missed the point", "you keep doing this", "this isn't working", "try again", "that's not it", or expresses frustration with a response. Also trigger when Claude itself detects mid-response that it is going off track, repeating a pattern, making an assumption it hasn't verified, or producing output that doesn't fit the user's evident needs. This skill should also activate when the user explicitly asks Claude to "learn from this", "remember this for next time", "add this to your patterns", or "log this mistake". Do not wait for explicit instruction — recognise and self-correct proactively.
SKILL.md 本文
自己改善プロトコル
このスキルは、クロードが誤りを認識し、即座に修正し、失敗のタイプを分類し、ユーザーが記憶として保存できるように実行可能なパターンを提示する構造化されたアプローチを提供します。
コア原則: 謝罪して再度実行するだけではなく。診断 → 修正 → 記録 → 学習。
ステップ 1: 誤りの認識
フィードバックに対応する前に、何が間違っていたのかを簡潔に特定します。内部診断を使用します:
| シグナル | 通常の意味 |
|---|---|
| 「それは私が求めたものではない」 | 意図またはスコープを誤読した |
| 「長すぎる / 短すぎる」 | フォーマット調整の失敗 |
| 「いつもそうしてる」 | 繰り返しパターン — メモリに登録する |
| 「重点を見落とした」 | 表面的な回答、本当のニーズをスキップした |
| 「トーンが違う」 | 登録またはコミュニケーション方式の不調整 |
| 「それは正確ではない」 | 事実上または推論上のエラー |
| 「X と仮定した」 | 未検証の推論を事実として提示した |
| 一般的なフラストレーション | 上記のいずれかの可能性 — 1 つの確認質問をする |
複数の確認質問をしてはいけません。不確定な場合は、最も可能性の高い失敗タイプを選択し、その名前を挙げ、修正し、確認するよ
...
詳細情報
- 作者
- miznizzz
- リポジトリ
- miznizzz/claudefun
- ライセンス
- unknown
- 最終更新
- 2026/4/24
Source: https://github.com/miznizzz/claudefun / ライセンス: unknown
関連スキル
agent-browser
AI エージェント向けのブラウザ自動化 CLI です。ウェブサイトとの対話が必要な場合に使用します。ページ遷移、フォーム入力、ボタンクリック、スクリーンショット取得、データ抽出、ウェブアプリのテスト、ブラウザ操作の自動化など、あらゆるブラウザタスクに対応できます。「ウェブサイトを開く」「フォームに記入する」「ボタンをクリックする」「スクリーンショットを取得する」「ページからデータを抽出する」「このウェブアプリをテストする」「サイトにログインする」「ブラウザ操作を自動化する」といった要求や、プログラマティックなウェブ操作が必要なタスクで起動します。
anyskill
AnySkill — あなたのプライベート・スキルクラウド。GitHubを基盤としたリポジトリからエージェントスキルを管理、同期、動的にロードできます。自然言語でクラウドスキルを検索し、オンデマンドでプロンプトを自動ロード、カスタムスキルのアップロードと共有、スキルバンドルの一括インストールが可能です。OpenClaw、Antigravity、Claude Code、Cursorに対応しています。
engram
AIエージェント向けの永続的なメモリシステムです。バグ修正、意思決定、発見、設定変更の後はmem_saveを使用してください。ユーザーが「覚えている」「記憶している」と言及した場合、または以前のセッションと重複する作業を開始する際はmem_searchを使用します。セッション終了前にmem_session_summaryを使用して、コンテキストを保持してください。
skyvern
AI駆動のブラウザ自動化により、任意のウェブサイトを自動化できます。フォーム入力、データ抽出、ファイルダウンロード、ログイン、複数ステップのワークフロー実行など、ユーザーがウェブサイトと連携する必要があるときに使用します。Skyvernは、LLMとコンピュータビジョンを活用して、未知のサイトも自動操作可能です。Python SDK、TypeScript SDK、REST API、MCPサーバー、またはCLIを通じて統合できます。
pinchbench
PinchBenchベンチマークを実行して、OpenClawエージェントの実世界タスクにおけるパフォーマンスを評価できます。モデルの機能テスト、モデル間の比較、ベンチマーク結果のリーダーボード提出、またはOpenClawのセットアップがカレンダー、メール、リサーチ、コーディング、複数ステップのワークフローにどの程度対応しているかを確認する際に使用します。
openui
OpenUIとOpenUI Langを使用してジェネレーティブUIアプリを構築できます。これらはLLM生成インターフェースのためのトークン効率的なオープン標準です。OpenUI、@openuidev、ジェネレーティブUI、LLMからのストリーミングUI、AI向けコンポーネントライブラリ、またはjson-render/A2UIの置き換えについて述べる際に使用します。スキャフォルディング、defineComponent、システムプロンプト、Renderer、およびOpenUI Lang出力のデバッグに対応しています。