人工智能大模型AI Agent提示工程【免费下载链接】SkillOptSkillOpt is a text-space optimizer that trains reusable natural-language skills for frozen LLM agents through trajectory-driven edits, validation-gated updates, and deployable best_skill.md artifacts.项目地址https://gitcode.com/gh_mirrors/sk/SkillOpt点击查看免费下载SkillOpt-Sleep 是 SkillOpt 项目中的部署期组件它离线回顾 Agent 近期会话、挖掘重复性任务、在独立验证门控held-out gate下对记忆与技能提出有界文本编辑并将提案暂存staged供人工审核后再采纳。本指南以 plugins/README.md 为骨架结合仓库源码与各平台插件完整讲解七大平台集成的安装方式、共享 CLI 的全部动作与参数、数据边界、偏好配置、Handoff 后端、调度与安全模型帮助你为自己的编码 Agent 部署一套越用越强的夜间自进化管线。核心机制一次睡眠周期如何运作SkillOpt-Sleep 的本质是给本地编码 Agent 增加一个可重复的夜间循环。官方集成文档给出的一次睡眠周期如下harvest supported local sessions → mine recurring tasks → replay tasks → reflect and propose bounded edits → validate on held-out real tasks → stage proposal → (you) review and adopt即采集本地会话 → 挖掘重复任务 → 重放任务 → 反思并提出有界编辑 → 在留出的真实任务上验证 → 暂存提案 → 人工审核并采纳。这套循环有三个思想来源体现在 plugins/claude-code/README.md 的表格中思想贡献SkillOpt技能/记忆 可训练文本有界的增/删/改编辑留出门控只保留有帮助的改动Claude Dreams基于过往会话的离线整合输入永不改动输出先审核再采纳Agent sleep周期性离线重放把短期片段转化为长期技能从源码看该循环由 skillopt_sleep/main.py 中的run_sleep_cycle来自 skillopt_sleep/cycle.py驱动run、dry-run、status、adopt、harvest、schedule/unschedule七个动作都通过同一个python -m skillopt_sleep入口分发见main()中sub.add_parser注册逻辑。关键的安全语义是在用户显式执行adopt或显式传入--auto-adopt之前任何线上文件都不会被修改而每次adopt都会先备份现有目标文件。这就是审核后采纳契约review, then adopt or discard。共享引擎位于 skillopt_sleep它对论文中的skillopt/实验包没有任何运行时依赖——正如 plugins/README.md 开头所强调的集成层只依赖这一套独立引擎。七条平台集成一览仓库提供了六条共享引擎集成 一条独立的参考适配OpenClaw全部围绕同一个skillopt_sleepCLI平台目录机制状态Claude Codeplugins/claude-codemarketplace 插件、命令、技能与 hooks可安装的共享引擎集成Codexplugins/codex用户级技能 共享 runner可安装的共享引擎集成Cursorplugins/cursor原生命令与技能、项目技能目标、共享 runner可安装的共享引擎集成GitHub Copilotplugins/copilot暴露七个sleep_*工具的 MCP 服务器共享引擎 MCP 集成Devinplugins/devinMCP 服务器 Devin 转录转换共享引擎 MCP 集成DeepSeek Harnessplugins/dshCordis 插件7 个原生skillopt_*工具、技能、bundle 补丁层可安装的共享引擎集成OpenClawplugins/openclaw自定义 DeepSeek/Ollama 封装独立参考适配使用前需自行审阅与适配各平台插件的具体形态差异很大Claude Code 走 marketplace 插件 slash 命令Codex 采用技能优先skill-first路线因为自定义 prompt 在 Codex 中已废弃Copilot 与 Devin 用纯标准库实现的 MCP 服务器dsh 则以 Cordis 插件注册原生工具。但底层全部调用同一个共享引擎。共享 runnerrun-sleep.sh 的解析链所有共享引擎集成都依赖 plugins/run-sleep.sh 作为统一启动入口。该脚本的解析顺序是从脚本自身位置向上寻找仓库根含skillopt_sleep/目录若设置了CLAUDE_PLUGIN_ROOT或SKILLOPT_SLEEP_REPO环境变量也作为候选找不到源码目录时回退到PATH上的skillopt-sleep可执行文件覆盖uv tool install/pipx安装它们与系统 Python 的 import 路径隔离再回退到可 import 的skillopt_sleep模块。脚本会按python3.12 → python3.11 → python3.10 → python3顺序挑选 Python ≥ 3.10 的解释器并支持SKILLOPT_SLEEP_PYTHON显式覆盖。这解释了为什么源码检出无需pip install以及uv tool install skillopt/pip install skillopt这两种回退安装方式为何可用。安装与版本前提前置要求Python 3.10 或更新版本所有集成通用。真实 CLI 后端如claude、codex、cursor-agent需要对应 Agent CLI 已安装并完成认证默认的mock后端不需要任何登录与 API 预算。各平台安装步骤平台安装验证Claude Code在仓库根目录执行/plugin marketplace add ./plugins/claude-code然后/plugin install skillopt-sleepskillopt-sleep/skillopt-sleep statusCodexbash plugins/codex/install.sh让 Codex 使用skillopt-sleep技能Cursorbash plugins/cursor/install.shmacOS/Linux或powershell -File plugins/cursor/install.ps1Windows/skillopt-sleep statusCopilot使用示例 MCP 配置注册plugins/copilot/mcp_server.py让 Copilot 执行sleep_statusDevin使用示例 MCP 配置注册plugins/devin/mcp_server.py让 Devin 执行sleep_statusDeepSeek Harness将dsh-skillopt加入 profile 的 bundles或打补丁接入DSH 源码检出下执行pnpm dsh web --patch ./plugins/dsh/cordis.patch.yml全局 dsh 则执行dsh web --patch ./plugins/dsh/cordis.patch.yml让 Agent 使用skillopt_statusOpenClaw跟随并适配 plugins/openclaw/README.md本地验证路径、凭据与任务版本注意事项集成参考文档明确跟踪main分支PyPI 0.2.0支持基础 Sleep CLI而 Cursor 源/后端/插件支持、Pi 源/后端支持、handoff、非 Azure OpenAI 兼容端点下的 Sleep 支持、OpenCode Sleep 源/后端支持以及--preferences、多技能 fan-out、审核后子集采纳都需要源码检出main直到下一个版本发布。使用 pip/uv 安装路线时请选择包含所需特性的版本。Cursor 安装的细节Cursor 插件安装器会把插件复制到~/.cursor/plugins/local/skillopt-sleepWindows 为%USERPROFILE%\.cursor\plugins\local\skillopt-sleep修改用户环境变量后需重启 Cursor并在 Settings Plugins Installed 中确认出现SkillOpt-Sleep。插件与引擎是两个独立的安装边界插件教会 Cursor 如何操作 Sleep 引擎而引擎仍通过 plugins/run-sleep.sh 从源码检出运行或通过uv tool install skillopt/python -m pip install skillopt安装的 CLI 命令运行。Windows 上插件与转录采集器原生可用但 Cursor 官方文档建议 Agent CLI 通过 WSL 使用因此--backend cursor的 provider 调用在 WSL 内执行更稳妥。共享 CLI 全量速查七个动作动作行为status显示状态与最近一次暂存提案dry-run采集、挖掘、重放并报告不暂存任何内容run运行完整周期并暂存提案adopt应用最近一次暂存提案带备份harvest查看或导出已挖掘的任务schedule/unschedule安装/移除受管理的夜间 cron 条目源码层面skillopt_sleep/main.py对应cmd_runrun/dry-run共用靠dry布尔区分、cmd_status、cmd_adopt、cmd_harvest、cmd_schedule/cmd_unschedule。cmd_adopt还实现了三种互斥的选择模式--skill NAME可重复、--all-skills、--legacy同时传入多个模式会返回错误码 2use exactly one of --skill, --all-skills, or --legacy。常用参数一览参数默认值用途--backend mock\|claude\|codex\|copilot\|cursor\|pi\|opencode\|handoff\|azure_openaimock选择谁来执行模型调用--model NAME后端默认选择后端特定的模型--source claude\|codex\|copilot\|cursor\|pi\|opencode\|autoclaude选择转录来源auto保留 Codex→Claude 的优先顺序且不会选择 Copilot、Cursor、Pi 或 OpenCode--cursor-home PATH~/.cursor覆盖 Cursor 转录主目录--cursor-path PATH自动探测cursor-agent选择 Cursor Agent CLI 可执行文件--pi-home PATH~/.pi选择包含agent/sessions的父目录--pi-path PATH自动探测pi选择 Pi 编码 Agent CLI 可执行文件--opencode-path PATHSKILLOPT_SLEEP_OPENCODE_PATH然后是PATH/PATHEXT上的opencode选择 OpenCode CLI 可执行文件--opencode-db PATHOPENCODE_DB、%LOCALAPPDATA%/%APPDATA%Windows或${XDG_DATA_HOME:-~/.local/share}/opencode/opencode.db选择 OpenCode SQLite 历史数据库--opencode-tool-replay关为规则法官中的tool_called检查启用 OpenCode 工具感知重放--project PATH当前目录选择项目与调用的采集范围--scope invoked\|allinvoked限制转录采集范围--target-skill-path PATH受管技能选择要暂存/采纳的特定SKILL.md--tasks-file PATH无重放已审核任务文件而非重新采集--max-sessions N/--max-tasks N未设置 →3 × tasks/40个任务约束采集工作量不是硬性 token 或墙钟预算--edit-budget N4每个周期有界编辑的上限--preferences ...空向反思先验加入家规--progress关向 stderr 打印阶段进度--auto-adopt关不单独执行命令直接采纳被接受的提案--json关支持处输出机器可读结果注意事项夜间 CLI 不暴露实验参数--gate、--rollouts-k、--optimizer-model、--target-model、--budget-tokens、--budget-minutes都不在受管 CLI 中不要把实验 harness 的旗标传给主 CLI_add_common的实现也只注册了上面列出的参数。Cursor 后端语义--project同时选择目标文件、状态与暂存位置但不会让该目录成为 Cursor Agent 的执行工作区目标技能是作为提示文本插入而非作为原生技能调用。dry-run 语义真实后端的dry-run会执行相同的挖掘与重放模型调用但抑制暂存、采纳与持久化状态变更。replay 标签当前 Sleep 周期没有实现全新工作树重放报告中的replay: mock标签描述的是提示重放模式与--backend mock相互独立。用 --preferences 注入家规--preferences是面向用户的主要控制旋钮python -m skillopt_sleep run --backend codex --project $(pwd) \ --preferences Prefer pytest. Keep commit subjects imperative and concise.偏好会引导反思阶段但仍然受验证门控约束——偏好不是绕过门控的手段。源码中该参数被映射为配置键preferences见_cfg_from_args并在 skillopt_sleep/config.py 中描述为注入 reflect 先验的自由文本家规。数据边界什么留在本地、什么会外发这是整个集成参考中最重要的安全章节逐条列出采集是本地的、只读的。mock与handoff后端不发起任何网络调用handoff只把提示写入文件供用户独立完成。真实后端会把由截断的转录片段与任务派生的挖掘、重放、评判、反思提示发给所选 provider。Cursor 源读取~/.cursor/projects/*/agent-transcripts中的本地 user/assistant 消息文本、显式回合错误与工具名不保留工具参数、工具输出或其他记录类型。已知的密钥形态字符串会被脱敏但这是纵深防御不是出站提示必然无密钥的保证。Cursor 后端通过已安装并认证的cursor-agentCLI 发送提示。普通调用在全新空临时工作区中以只读 Ask 模式运行并拒绝项目文件访问。包含tool_called校验的 Cursor 任务会在 Agent 模式启动前失败此类任务请改用其他后端。Cursor 及其选定的模型 provider 可能收到生成的提示内容。Pi 后端通过已安装并认证的 Pi CLI 向用户配置的 provider 发送提示。这些调用禁用工具、技能、上下文文件、扩展、提示模板、主题与会话写入但保留用户的 Pi 认证与模型配置。Pi 的离线启动模式阻止配置的 npm/git 包安装、包更新与模型目录刷新但不阻止所选 provider 的调用。这些控制不构成永久或完全隔离的保证。Pi 源保留 user/assistant 文本、工具名与用户文本中的词汇反馈排除思考、工具参数、工具输出、图片与无关元数据。会话头部的绝对项目cwd被保留用于范围过滤可能出现在发给真实后端及其 provider 的挖掘提示中。已知密钥形态字符串仅作纵深防御性脱敏。核心opencode源在无 CLI、无认证、无 provider 访问的情况下直接读取本地 OpenCode SQLite 历史其保留数据边界见 docs/reference/cli.md。核心opencode后端使用已安装的 OpenCode CLI。普通调用禁用项目配置、模型发起的工具调用、外部插件与配置的 MCP 服务器工具感知重放需显式选择--opencode-tool-replay。它只暴露随机命名、结果固定的临时合成工具然后验证 OpenCode 实际调用了哪些工具。仓库不包含原生 OpenCode 插件或命令。出站提示目前不保证无密钥。不要在敏感转录上使用第三方 provider除非先审阅数据源与该 provider 的保留政策。可审核工作流导出 → 脱敏 → 标记 reviewed → 重放对于需要人工审核的场景官方推荐分步执行python -m skillopt_sleep harvest --project $(pwd) --output reviewed-tasks.json python -m skillopt_sleep dry-run --project $(pwd) --backend codex \ --tasks-file reviewed-tasks.json --progress导出后检查并脱敏 JSON将其顶层reviewed字段设为true再交给真实后端重放。真实后端会拒绝仍标记为未审核的任务文件——这一点在 skillopt_sleep/main.py 的cmd_run中有直接实现当backend ! mock且任务元数据的reviewed不是True时会打印提示并返回退出码 2。API-key 与 Azure 托管身份传输边界的说明见 docs/sleep/openai-compatible-endpoints.md。深入Pi 源与后端Pi 转录采集是显式的--source pi读取~/.pi/agent/sessions下的会话 JSONL 文件用--pi-home选择包含agent/sessions的父目录。该源不要求Pi CLI 或 provider 认证。它保留 user/assistant 文本、工具名与用户文本中的词汇反馈排除思考、工具参数、工具输出、图片与无关元数据。注意--source auto保持 Codex→Claude 优先顺序不会选择 Pi。源与后端相互独立python -m skillopt_sleep run --project $(pwd) \ --source pi --backend pi --pi-path /absolute/path/to/pi \ --model provider/model --max-sessions 5 --max-tasks 3 --progressPi 调用禁用工具、技能、上下文文件、扩展、提示模板、主题与会话写入但仍使用用户的 Pi 认证与模型配置其离线启动模式阻止 npm/git 包安装等行为却不阻止 provider 调用。这是有界调用设置而非永久或完全隔离。调度 Pi 前的关键限制受管调度器会持久化所选后端但不持久化--source、--pi-home、--pi-path或--model。因此调度 Pi 前需先在~/.skillopt-sleep/config.json中设置transcript_source、pi_home、pi_path和model且优先使用绝对pi_path并确认被调度账户已认证。深入Cursor 源与后端Cursor 转录采集同样是显式的使用--source cursor而不是--source auto。invoked项目范围使用 Cursor 记录的 workspace 路径脱敏存储目录为回退--scope all扫描~/.cursor/projects下的每个 Cursor workspace。模型驱动后端要求已安装并认证的cursor-agent不在PATH上时用--cursor-path、SKILLOPT_SLEEP_CURSOR_PATH或配置键cursor_path指定用--model或SKILLOPT_SLEEP_CURSOR_MODEL选择模型。显式指定项目技能目标让被接受的学习成果对 Cursor 可见而不改动插件自身的工作流技能python -m skillopt_sleep run --project $(pwd) \ --source cursor --backend cursor \ --target-skill-path .cursor/skills/skillopt-sleep-learned/SKILL.md \ --max-sessions 5 --max-tasks 3 --progressCursor 原生命令的默认可见目标是.cursor/skills/skillopt-sleep-learned/SKILL.md不显式指定时共享引擎默认采用 Claude 受管技能而 Cursor 不会把它加载为项目技能。首次采集默认使用 72 小时回看窗口--lookback-hours N可放宽--lookback-hours 0在仍尊重--max-sessions的前提下扫描全部历史。一次成功的run包括未挖掘出任务的情况会记录新的采集检查点后续运行基于该检查点而非初始回看窗口。harvest/dry-run用于检查会话与任务数且不会推进检查点。Cursor 重放的边界引擎读取目标技能并将其文本插入挖掘任务提示但不会把该文件作为原生 Cursor 技能调用也不会执行技能中描述的命令。所有普通 Cursor 模型调用挖掘、重放、评判、反思都在全新空临时工作区的只读 Ask 模式中运行文件读取、写入与 MCP 工具均被拒绝。目前没有Cursor 选项能启用全新项目工作树或真实项目工具因此这种重放适合文本流程、回复惯例与输出格式而非依赖仓库检视、真实 CLI、浏览器或文件系统变更的端到端技能评测。此外Cursor 工具感知重放目前暂被禁用等待权限边界验证含tool_called检查的任务会在 Agent 模式启动前以非零退出失败的重放不会新增缓存条目、不会暂存/采纳/持久化状态、也不会推进采集检查点。Cursor 调度的前置配置受管schedule命令只持久化项目、后端、时间与可选 auto-adopt 设置不会把--source、--cursor-home、--cursor-path、--model、--target-skill-path复制进调度命令。因此调度 Cursor 前先在~/.skillopt-sleep/config.json中设置transcript_source、cursor_home、cursor_path、model、target_skill_path保持目标路径为项目相对路径、使用绝对 CLI 路径cron 与 Task Scheduler 的PATH可能极简并确认运行作业的账户已认证cursor-agent。示例配置{ transcript_source: cursor, target_skill_path: .cursor/skills/skillopt-sleep-learned/SKILL.md, cursor_home: /absolute/path/to/.cursor, backend: cursor }限制到仅 Cursor 技能共享引擎可能还会提议项目CLAUDE.md记忆更新若只想限定在 Cursor 技能可在~/.skillopt-sleep/config.json中设置evolve_memory: false。Cursor 集成刻意没有会话结束 hook 或自动插件执行。高级配置~/.skillopt-sleep/config.json~/.skillopt-sleep/下的 JSON/YAML 配置支持额外的引擎键包括gate_mode、gate_metric、gate_no_regression、dream_rollouts、dream_factor、recall_k、evolve_memory、evolve_skill。这些是配置键不是上面列出的不支持的 CLI 旗标的别名。出厂默认值偏保守gate_modeon、gate_no_regressionfalse、dream_rollouts1、dream_factor0、recall_k0。从 skillopt_sleep/config.py 的DEFAULTS可以看到更完整的默认面范围类transcript_sourceclaude、projectsinvoked、lookback_hours72预算类max_tasks_per_night40、max_tokens_per_night400_000、holdout_fraction0.34即val_fraction、test_fraction0.0优化器类backendmock、edit_budget4、gate_metricmixed、gate_no_regressionFalse、replay_modemock可选增强dream_rollouts1、dream_factor0、recall_k0、evolve_memoryTrue、evolve_skillTrue、llm_mineTrue。配置解析顺序后者覆盖前者内置DEFAULTS→~/.skillopt-sleep/config.json若有 PyYAML 也支持.yaml→load_config(**overrides)的显式覆盖。其中gate_no_regression当设为true时会要求每个验证任务在gate_metric下保持或提升分数缺失任务结果或非有限任务分数也会阻止候选。调度限制受管schedule命令只存储项目、后端、时间与可选 auto-adopt 设置不复制命令行参数到调度命令这与 Pi/Cursor 章节所述一致——调度前先把源、路径、模型等键写入 config.json。Handoff 后端让会话本身回答模型调用--backend handoff让引擎完全不启动模型子进程。引擎执行确定性阶段并把所有需要的模型调用写入.skillopt-sleep-handoff/PROMPTS.md与pending.json然后以退出码 3 结束把答案放入answers/id.md后重跑同一命令即可恢复python -m skillopt_sleep run --backend handoff --project $(pwd) # answer each prompt in a fresh context, then run the same command again典型情况是每夜 3~6 轮。关键纪律必须用未见过其引用内容的全新上下文回答留出提示——已经看过挖掘任务及其引用的会话会污染验证门控。Claude Code 的/skillopt-sleep-handoff命令会用隔离的全新上下文子代理自动完成这个循环。handoff 模式对订阅制用户尤其友好不需要claude -p子进程也不需要 API key。从源码看skillopt_sleep/main.py 的_run_handoff与_handoff_mine_and_pinhandoff 模式还会把会话摘要与挖掘任务固定pin到 handoff 目录下的digests.json与tasks.json确保轮次之间新产生的会话不会改变任务集、从而使早期答案失效一轮完整 run 结束后会把 handoff 目录归档为.skillopt-sleep-handoff.nightN.done让下一夜重新采集而非重放固定快照。每次退出码 3 也意味着在 MCP 集成Copilot/Devin中exit 3 是预期的handoff_pending状态不是MCP 工具错误。验证与确定性实验仓库内置了无需 provider 的确定性检查覆盖整合与门控逻辑python -m skillopt_sleep.experiments.run_experiment \ --persona researcher --assert-improves该实验会打印留出分数从基线向 1.0 爬升的过程门控接受了任务所需的一般规则并确认门控会拒绝一个被注入的有害编辑。真实模型基准结果及其局限记录在 docs/sleep/RESULTS.md基准配方不是发布版 CLI 的默认设置。Claude Code 集成文档还给出一个可复现的公开基准路径对 gbrain-evals 的skillopt-v1套件用刻意有缺陷的技能跑一夜睡眠留出评分由本地规则法官执行无法官 API、无法给自己的作业打分。其记录显示 Claude (Haiku 4.5) 与 Codex 后端均在一到两夜内把 brief-writer 技能的留出分数从 0.00 提升到 1.00且只改动受保护的LEARNED块。需要强调的是这些是特定任务/模型/检查下的实测证据不保证普遍改进且依赖外部数据集的复现命令不在本文赘述范围内。安全模型总结官方集成文档的最终安全清单如下会话采集是只读的。mock与handoff不发起网络调用。run只暂存提案adopt是正常的线上变更边界。采纳会备份现有目标文件。--max-sessions与--max-tasks约束工作量但主 CLI尚未强制硬性 token 或耗时预算。把真实后端的转录摘录视为与所选 provider共享的数据。在 Claude Code 插件语境下还要补充三点提案默认暂存、绝不自动应用除非显式--auto-adopt每次采纳都在暂存目录的backup/下写备份mock重放无副作用。部署建议的完整流程是先用dry-run --backend mock免费验证管线连通性再在敏感项目上走harvest 导出 → 脱敏 → 标记 reviewed → 真实后端重放的可审核路径最后才考虑schedule托管夜间运行并自行决定是否启用--auto-adopt。各平台插件的补充要点Claude Code 插件插件捆绑的 runnerplugins/claude-code/scripts/sleep.sh会自动挑选 Python ≥ 3.10 解释器并调用skillopt_sleep引擎。快速上手/skillopt-sleep dry-run # 预览会学到什么不暂存任何改动 /skillopt-sleep run # 完整周期暂存一份待审提案仍无线上编辑 /skillopt-sleep status # 查看历史 最近暂存提案 /skillopt-sleep adopt --legacy # 应用审核过的受管提案 # Fan-out 夜晚改用adopt --skill NAME可重复或 --all-skills /skillopt-sleep-handoff run # 同一周期但由本会话回答模型调用无 API keyCodex 插件Codex 通过AGENTS.md指令、~/.agents/skills/name/SKILL.md技能与可分发技能的插件扩展由于自定义 prompt 在 Codex 中已废弃该集成采用技能优先路线。安装脚本还会把旧的~/.codex/prompts/sleep.md以.skillopt-legacy*.bak后缀移开。使用时直接对 Codex 说Use the skillopt-sleep skill to run status/dry-run/... 或直接调用引擎python -m skillopt_sleep dry-run --project $(pwd) --source codex --backend mock python -m skillopt_sleep run --project $(pwd) --source codex --backend codex \ --max-sessions 5 --max-tasks 3 --progress--source codex读取~/.codex/archived_sessions--target-skill-path可指向仓库级 Codex 技能如.agents/skills/name/SKILL.md目标运行会过采样与目标技能路径/标题/内容匹配的挖掘任务。Codex 的exec运行 shell因此真实工具循环重放如tool_called: search基准种子可原生工作。Copilot 与 DevinMCP 服务器两个插件都是纯标准库stdlib-only的 MCP stdio 服务器零第三方依赖暴露七个sleep_*工具sleep_status、sleep_dry_run、sleep_run、sleep_adopt、sleep_harvest、sleep_schedule、sleep_unschedule。工具结果在structuredContent中保留引擎的exit_code普通非零退出置isError: true而退出码 3 是预期的handoff_pending状态。sleep_adopt支持staging精确暂存目录、skills技能名数组逐个转为重复--skill参数、all_skills、legacy四种选择且skills/all_skills/legacy三选一、不可组合。Copilot 后端通过copilot -p ... --output-format json驱动为提速会在隔离的COPILOT_HOME下运行禁用内置 MCP 服务器与自定义指令可用SKILLOPT_SLEEP_COPILOT_HOME、SKILLOPT_SLEEP_COPILOT_MODEL、SKILLOPT_SLEEP_COPILOT_FULL_ENV1覆盖。Devin 插件额外包含harvest_devin.py把 Devin ATIF-v1.7 转录 agentmemory .devin/skills转换为引擎可读的 JSONL与install.sh向项目.devin/安装 SessionEnd hook 与规则片段。DeepSeek Harnessdsh插件dsh 插件是 TypeScript 模块plugins/dsh/src/index.js注册 7 个skillopt_*原生工具plugins/dsh/cordis.patch.yml 是 bundle 补丁层plugins/dsh/README.md 给出完整配置键表pythonCmd、module、engineScript、project、scope、backend、source、model、maxTasks/maxSessions、editBudget、preferences、jsonOutput、autoAdopt、unscheduleAll、timeoutMs等。其中autoAdopt与unscheduleAll标记为 OPERATOR-ONLY。高级引擎键同样进入~/.skillopt-sleep/config.json——所有集成共享同一文件。OpenClaw独立参考适配OpenClaw 使用自定义 DeepSeek/Ollama 封装plugins/openclaw/skillopt_sleep_openclaw.py 等有自己的后端与配置假设官方明确要求review and adapt before use——先本地验证路径、凭据与任务再用于生产。结语从跑通一夜到托管夜间自进化SkillOpt-Sleep 的价值在于把 SkillOpt 论文中的验证门控文本优化迁移到个人日常使用场景不需要权重训练不侵入正常 Agent 请求所有改动先暂存、经人工审核后带备份采纳。按官方集成参考推荐的落地路径是mock后端跑通dry-run验证管线 → 真实后端小规模run--max-sessions 5 --max-tasks 3 --progress→ 敏感项目走harvest 导出 → 脱敏 → 标记 reviewed的可审核工作流 → 配置~/.skillopt-sleep/config.json后schedule托管夜间运行 → 需要时显式adopt或显式--auto-adopt。所有平台共享同一引擎、同一 CLI、同一数据边界契约——这正是本仓库集成设计的核心一套夜间自进化循环七大 Agent 平台按各自的原生机制接入。赞分享人工智能大模型AI Agent提示工程【免费下载链接】SkillOptSkillOpt is a text-space optimizer that trains reusable natural-language skills for frozen LLM agents through trajectory-driven edits, validation-gated updates, and deployable best_skill.md artifacts.项目地址https://gitcode.com/gh_mirrors/sk/SkillOpt点击查看免费下载相关推荐lefthook 的 ai 配置为 Claude Code、Codex、Cursor 与 Copilot 自动生成 LLM Agent Hookslefthook 的 ai 配置为 Claude Code、Codex、Cursor 与 Copilot 自动生成 LLM Agent Hooks 本文基于开发工具Auto-claude-code-research-in-sleep 接入 MiniMax用自定义 MCP 服务器替代 Codex 搭建 MiniMax 版多轮自动评审循环Auto claude code research in sleep 接入 MiniMax用自定义 MCP 服务器替代 Codex 搭建 MiniMax 版多AI 技能/插件AI 评测科研人工智能MCP 服务dsh-pluginRTK Agent 集成指南让 Claude Code、Cursor、Copilot 等 15 种 AI 编码代理透明省 TokenRTK Agent 集成指南让 Claude Code、Cursor、Copilot 等 15 种 AI 编码代理透明省 Token RTK 是一个以单一 RCLI开发工具AI 应用创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考