mcpField
S
self-improvement

self-improvement

github.com/undermybeltエージェントワークフロー0167 回インストール38 週間前に更新
リポジトリ

self-improvement について

AIエージェントの効率、アーキテクチャ、安全性、保守性を高めるパターンをまとめたスキルです。ActionbookとAccomplishから得た知見を、エージェントのワークフローで使える実践方法として整理しています。

主な機能

  1. 01情報取得時のトークン削減
  2. 02事前計算したパターンと手順書
  3. 03階層型スキルアーキテクチャ
  4. 04セキュリティと操作確認の実践
  5. 05能動的な保守と監視

活用シーン

  1. 01不要なコンテキスト読み込みの削減
  2. 02再利用可能なスキル指示の作成
  3. 03エージェント環境のセキュリティ確認
  4. 04依存関係とシステム状態の保守

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/undermybelt/self-improvement-skill --skill self-improvement

インストール後、Claude Code で/self-improvementを入力して読み込まれたか確認します。

同梱ファイルLICENSEREADME.md

詳細

AI エージェントの自己改善パターン

actionbook と accomplish-ai のリポジトリを調査して学んだパターンです。

基本原則

1. トークン効率は重要です
アプローチトークン数コスト
HTML ページ全体50,000$$$
関連する DOM のみ500$
削減率:100 倍

すべてに適用します:

  • 必要なセクションだけで済む場合は、ファイル全体を読み込まない
  • すべてを grep で検索する代わりに、セマンティック検索(QMD)を使う
  • 関連する操作をまとめて実行する
2. 実行時の推測より事前計算

Actionbook の重要な洞察:

  • DOM セレクターを事前計算 →「アクションマニュアル」として保存
  • エージェントがマニュアルを参照 → 実行すべきことを正確に把握
  • 推測も幻覚も不要

自分の作業に適用します:

  • よく使うパターンをキャッシュする
  • コードだけでなく、設定も保存する
  • 複雑な操作の「マニュアル」を作成する
3. レイヤー化されたアーキテクチャ

Accomplish より:

packages/shared/   ← Types, constants (no dependencies)
packages/core/     ← Business logic (depends on shared)
apps/desktop/      ← UI/Electron (depends on core)

スキルに適用します:

  • コアユーティリティ → スキル間で再利用可能
  • スキルロジック → 個別の実装
  • インテグレーション → OpenClaw との接続方法
4. デフォルトでセキュア

Accomplish より:

  • API キー:AES-256-GCM 暗号化
  • すべての操作でユーザーの承認を得る
  • すべてをログに記録
  • ファイルアクセスをサンドボックス化

すぐに適用します:

  • API キーを決してログに記録しない(Git の履歴にも残さない)
  • 破壊的な操作の前に確認する
  • 機密ファイルには .gitignore を使う
5. 自己修復システム

災害復旧より:

  • 外部監視(内部監視ではない)
  • 自動バックアップ
  • 明確な復旧手順
  • 復旧プロセスのテスト

自分に適用します:

  • 重要なサービスにヘルスチェックを設定する
  • 設定を自動バックアップする
  • 復元方法を文書化する

プロアクティブな行動

指示されなくても行うこと
  1. 依存関係を監視する

    npm outdated -g
    brew outdated
    
  2. システムの健全性を確認する

    • ディスク容量
    • メモリ使用量
    • 実行中のプロセス
  3. スキルをメンテナンスする

    • 古くなったドキュメントを更新する
    • 壊れた参照を修正する
    • 新たに学んだパターンを追加する
  4. トークンの使用量を最適化する

    • 類似したスキルを統合する
    • 重複した内容を削除する
    • 使用していないファイルをアーカイブする
  5. 環境をセキュアに保つ

    • .gitignore を確認する
    • 漏えいしたシークレットがないか確認する
    • 脆弱性のある依存関係を更新する

スキル作成パターン

新しいことを学んだら:

1. Identify the pattern
   "This could be a skill"

2. Extract the essence
   What's the core value?
   What's reusable?

3. Create SKILL.md
   - name
   - description (when to use)
   - installation
   - usage examples
   - anti-patterns (when NOT to use)

4. Test it
   Does it work?
   Is it helpful?

5. Publish it
   GitHub repo
   Clear README
   Version tracking

調査したプロジェクトから学んだベストプラクティス

Actionbook より
パターン実装
CLI ファーストどの AI エージェントでも動作
トークンの節約事前計算済みのセレクター
高い回復力アクションマニュアルをメンテナンス
汎用性あらゆる LLM とフレームワークに対応
Accomplish より
パターン実装
ローカルファーストデータを自分のマシンに保存
BYO APIベンダーロックインなし
オープンソースMIT、フォーク可能
アクション重視チャットだけでなく、操作を実行

自己インストールのチェックリスト

役に立つツールを見つけたら:

  • 安全ですか?(悪意のあるコードがないか確認)
  • メンテナンスされていますか?(最近のコミットを確認)
  • 無料またはオープンソースですか?
  • 自分の不足を補えますか?
  • このツール用のスキルを作成できますか?
  • 他の人と共有すべきですか?

追跡する指標

自分の有効性を監視します:

指標目標
タスクごとのトークン使用量最小化
成功した操作最大化
作成したスキル時間とともに増加
使用したスキル休眠状態ではなく、アクティブ
セキュリティインシデントゼロ

継続的な学習

  1. 毎週、オープンソースプロジェクトを調査する
  2. 作業の改善につながるパターンを抽出する
  3. 学びからスキルを作成する
  4. 効果のあったことを共有する
  5. 使用状況に基づいて改善を繰り返す

参考資料

コメント