让 Claude Code 自己养出一份技能库：autoharness

skill 会腐化。你三月份教给 agent 的经验，到六月已经是一个近似重复的文件夹，而且没人去清理。autoharness——Tigerless Labs 出品的 10k 星插件——让技能层自己维护自己：它从你本来就在进行的会话中学习 skill，把同类场景的教训合并而不是堆叠，在使用中更新它们，并把不再被使用的归档。它只碰自己写的 skill；你自己的那些对它完全不可见。

为什么这个 Skill 重要

README 给出了这个赌注的依据：同一个模型换一套 harness，CORE-Bench 成绩从 42% 跳到 78%（引用 HAL 论文）——但 harness（包括技能层）在每一代模型手里都要手工重建。autoharness 自动化了其中一片：一个 skill 的存续依据是后续会话对它的遵循程度，而不是 held-out 基准分数，也不需要一个常驻守护进程。

安装

在 Claude Code 输入框里输入：

/plugin marketplace add tigerless-labs/autoharness
/plugin install autoharness@autoharness

然后运行 /reload-plugins 或重启 Claude Code。零配置：它会监视你的会话，在后台把学到的 skill 放进 .claude/skills/。

一个硬性要求：PATH 上的 python3 必须是 Python 3.11+——autoharness 完全以 Python 运行，零第三方依赖。README 警告说，PATH 上更靠前的旧解释器（macOS Xcode 自带 3.9.6）会让本会话的所有 hook 失效；出现这种情况时 autoharness 会在 stderr 打印警告。支持平台是 Linux 和 macOS。

实战：看着一个 skill 诞生

1. 在任意非平凡任务上正常工作几轮——调一个 bug、梳理一个工作流。不需要调用什么；默认每 50 次工具调用触发一次反思，而且它数的是工具调用，不是对话轮次。
2. 查看状态目录：ls .claude/autoharness/ 能看到排队中的 skill 提案（intents/）、每次运行的记录（runs/<run-id>.json）和上一次运行的摘要。
3. 落地的 skill 是 .claude/skills/ 下的一个普通文件夹——原生 SKILL.md，外加记录它为何诞生或被修改的 .ledger.jsonl、.sidecar.json 里的生命周期计数，以及 references/evidence-*.md 下作为依据的脱敏会话切片。
4. 想立刻留住一条经验？搞定某件事之后说 /learn，它会把当前会话送进与后台相同的提案加校验链路。

/learn

5. 开一个新会话：它的开头会收到 autoharness 所写 skill 的分组索引，外加一行上次运行报告——被拒绝的提案会写明，而不是无声消失。

技巧

• 用环境变量加速演示循环：AUTOHARNESS_REFLECT_EVERY_N=3（默认 50）让反思几乎立即触发，成熟度和容量参数则能缩短晋升链路。
• 使用量按三种方式计数：load（模型真正加载了这个 skill——唯一计入存续判定的信号）、view（会话读进了它的目录）、patch（落地了一次改进）。被浏览不等于被遵循。
• 退役是归档，不是删除：不再被使用的 skill 会移到 .claude/skills/.archive/<name>/，账本和证据都在——把文件夹移回去即可复活。
• 更新要按顺序执行两条命令——先 claude plugin marketplace update autoharness，再 claude plugin update autoharness@autoharness——然后重启；README 解释了必须先刷新目录，否则 update 可能检查到过期的目录，误报「已是最新」。

何时不用这个 Skill

它构建在 Claude Code 的插件和 hook 体系上——不适用于其他 CLI。如果你想要一份确定性的、每个 skill 都经人工审核才落地的手工策划库，自主技能层并不划算。另外，如果你的 python3 低于 3.11 且无法更换，hook 根本不会触发。

查看 排行榜 了解更多 skill。