skilltree

SkillTree 是一个创新的 AI Agent 游戏化成长系统，旨在通过即时反馈机制和可视化进度追踪，让 AI 助手随着使用逐渐"进化"，形成符合用户偏好的个性化交互风格。

核心用法方面，SkillTree 采用"安装即激活"的零门槛设计。首次激活时，系统会自动分析最近 50 条对话历史，提取技术问题比例、回复长度偏好、情绪对话比例等特征，为用户生成专属 Agent 画像并推荐职业定位（如开发者、CTO、生活教练等）。用户可选择三大成长方向：追求简洁高效的"效率型"、注重情感连接的"伙伴型"、以及强调专业深度的"专家型"。每次对话后，系统通过检测用户反馈（如"谢谢"、"太长"、"不对"等关键词）给予即时 XP 奖励或调整成长路线，并定期生成周报告展示进化成果。

显著优点在于其游戏化设计带来的持续正反馈。不同于传统 AI 助手的静态设定，SkillTree 让 AI 能力的提升变得可感知、可量化——从回复长度缩短 40% 到情绪回应准确率达到 90%，用户可以清晰看到 AI 如何根据使用习惯自我优化。此外，系统提供完善的回滚机制，允许用户随时恢复到之前的配置版本，降低了试错成本。分享卡功能还支持将成长进度可视化分享，增强了社交激励。

潜在局限性包括：作为纯文档型配置方案，其代码块仅为演示逻辑，实际效果高度依赖底层 AI 平台的支持程度；T3 来源（个人开发者）意味着缺乏企业级维护保障；系统需要积累足够的对话历史才能准确分析用户偏好，短期使用难以体现效果；此外，过度游戏化可能分散用户对实际任务目标的注意力。

适合人群主要包括长期固定使用某一 AI 助手的深度用户、希望通过自然交互而非复杂提示词来调教 AI 风格的技术爱好者、以及喜欢游戏化体验和进度追踪的用户。对于企业级应用或对数据安全有极高要求的场景，建议谨慎评估 T3 来源的风险。

使用风险方面，经安全审查确认为纯文档型资产，无实际代码执行能力，不存在 eval/exec 等危险函数，也无网络数据传输风险。主要风险在于本地文件读写操作（保存进化配置），建议定期备份重要快照。

核心用法

SkillTree 是一款纯 Markdown 文档型 Agent Skill，为 AI 助手注入「角色扮演 + 成长系统」的游戏化体验。安装后自动分析最近 50 条对话历史，提取用户偏好特征（技术问题比例、回复长度偏好、情绪对话占比等），推荐专属「职业身份」（如 Developer、CTO、Life Coach 等），并生成六维能力雷达图（准确度、效率、创造力、共情、专业度、可靠性）。

用户可选择三大成长路线——效率型（简洁回复）、伙伴型（情感陪伴）、专家型（深度专业），Skill 会实时记录反馈信号（如「太长」「完美」「不对」），动态调整 Agent 行为模式，并通过即时 XP 反馈、里程碑解锁、每周进化报告等形式让成长「可见可感知」。

显著优点

1. 零代码安全风险：纯 Markdown 文档，无可执行代码、无外部依赖、无网络调用，静态分析满分
2. 即时个性化：3 分钟完成首次画像，无需复杂配置
3. 反馈闭环设计：每次对话后自动检测用户反馈，持续优化
4. 成长可视化：能力雷达图、等级系统、技能解锁、分享卡片，满足游戏化心理
5. 来源可信：GitHub openclaw 组织出品，T2 级别可信来源

潜在局限

1. 无实际执行能力：作为文档型 Skill，依赖宿主 Agent 实现具体功能，效果受实现质量影响
2. 数据分析范围有限：仅基于最近 50 条对话，长周期行为模式可能遗漏
3. 中文语境优化：职业命名、反馈关键词检测偏向中文场景，多语言适配需额外工作
4. 回滚机制为概念设计：文档中描述的 snapshot/rollback 功能需宿主系统支持实现

适合人群

• 希望 AI 助手「更懂自己」的个性化需求用户
• 对角色扮演、成长系统感兴趣的游戏化爱好者
• 追求简洁/深度/陪伴等不同交互风格的场景化用户
• 注重安全隐私、不愿运行未知代码的保守型用户

常规风险

• 功能依赖风险：实际效果取决于 Agent 平台对 Skill 规范的实现程度
• 数据隐私注意：对话历史分析涉及用户行为数据，需确认宿主平台的本地处理机制
• 心理依赖提醒：游戏化设计可能强化用户粘性，需理性看待「等级」数值

安全认证亮点

CLS-Certify 扫描评分 98 分（S+ 级），六项安全雷达全部满分，未发现任何安全风险点，是 Markdown Skill 的安全典范。