如何将你的 Claude 技能提升 10 倍（使用 Karpathy 的自动研究方法）

你的 Claude 技能可能有 30% 的几率失败，而你甚至都没注意到。

我构建了一个方法，能让任何技能在完全自动的情况下自我改进，在这篇文章中，我会向你展示具体如何操作。

你只需启动它，Agent 就会反复测试并优化技能，无需你进行任何手动干预。

我的落地页文案技能，从通过质量检查的 56% 提升到了 92%。全程零手动操作。

Agent 完全自主地不断测试和优化提示词。

以下是该方法以及我构建的具体技能，你可以直接用于自己的项目：

P.S. 如果你希望每周都能收到更多类似这样的 AI 工作流，可以加入 3.4 万读者的行列，免费获取：aisolo.beehiiv.com/subscribe

这个方法从何而来

Andrej Karpathy（OpenAI 联合创始人、前特斯拉 AI 负责人、提出“氛围编程”概念的人）发布了一种名为 autoresearch 的方法。

想法很简单：与其你手动改进某样东西，不如让 AI 代理在一个循环中为你完成。

它尝试一个小的改动，检查结果是否变好。如果变好就保留，如果变差就舍弃。

然后它再做一次，如此反复。

他用这个方法处理机器学习代码，但这个方法适用于任何你能衡量和改进的东西。

包括你在 Claude 中构建的技能。

我把他的方法变成了一个技能，可以在 Claude Code 和 Cowork 中使用。我只需对我设置中的任何其他技能运行它即可。

我说“对我的落地页技能运行 autoresearch”，它就能处理整个流程。

一个循环如何自动改进你的技能

可以这样理解。

你有一个食谱，10 次中有 7 次效果很好。另外 3 次，总有些不对劲。可能是酱汁没味道，可能是调料放错了。

与其从头重写整个食谱，不如改变一种配料。你用这个改变后的配方做 10 次。

• 如果变好了？保留这个改动。
• 如果变差了？换回原来的配料。

然后你再改变下一个东西，再做 10 次。更好还是更差？保留或还原。

经过 50 轮这样的调整，你的食谱在 10 次中有 9.5 次 都能成功。

这就是 autoresearch 对你的技能所做的事情。

• “食谱”就是你的技能提示词。
• “烹饪”就是运行技能。
• “品尝”就是给输出结果打分。

你唯一需要提供的就是评分标准。

告诉 Agent 什么是“好”的检查清单

你给 Agent 一份简单的检查清单，说明“好”的标准是什么。这就是你在整个过程中唯一要做的事情。

你只需用一份简单的“是/否”问题清单来完成。

每个问题检查输出结果的一个具体方面。通过或不通过。就这么简单。

Agent 使用这份清单来评估每个输出结果，这些分数告诉它所做的改动是有帮助还是有损害。

可以把它想象成老师用检查清单给论文打分。

但不同于“给写作质量打 1-10 分”（这很模糊，且每次标准不一），清单上的每一项都是明确的“是或否”：

• 学生是否包含了论点陈述？是或否。
• 每个来源都引用了？是或否。
• 字数是否在 5 页以内？是或否。

你可以用这份清单给 100 篇论文打分，并且每次都能得到一致的结果。

这里也是同样的道理。对于一个落地页文案技能，你的检查清单可能看起来像这样：

• “标题是否包含一个具体的数字或结果？”（能抓住像“发展你的业务”这样模糊的标题）
• “文案是否没有使用‘革命性’、‘协同效应’、‘前沿’、‘新高度’这类流行词？”
• “行动号召是否使用了具体的动词短语？”（能抓住像“了解更多”或“点击这里”这样软弱的行动号召）
• “第一行是否提到了具体的痛点？”（能抓住像“在当今快节奏的世界里……”这样通用的开场白）
• “总文案是否在 150 字以内？”（能抓住那些冗长、让读者失去兴趣的页面）

你不需要自己琢磨出这些。当你启动 autoresearch 时，Agent 会引导你完成。

它会问“好”的标准是什么，帮你把你的感觉转化为具体的“是/否”问题，甚至如果你有现成的风格指南，它还能从中提取信息。

3-6 个问题是黄金范围。 超过这个数量，技能可能会开始“钻空子”（像学生背答案但不理解内容一样）。

以下是操作方法

第一步：下载技能。 从这里获取。将其放入 Claude Code 或 Cowork 的技能文件夹中。

第二步：选择一个要改进的技能。 说“对我的[技能名称]技能运行 autoresearch”。选择那个最让你头疼的。那个一半时间输出很好，另一半时间输出很糟糕的技能。

第三步：Agent 会问你 3 件事。 要优化哪个技能。使用什么测试输入（例如“为一款 AI 生产力工具写落地页文案”）。以及你的检查清单问题是什么。

第四步：它会运行你的技能并展示你的起始分数。 这是基准线。我的落地页技能起始分数是 56%。标题模糊，流行词泛滥，行动号召薄弱。超过一半的检查项都不通过。

第五步：它会在你的浏览器中打开一个实时仪表盘。 分数图表随时间上升。每个检查问题的通过/不通过细分。它尝试过的每次改动的记录。每 10 秒自动刷新一次。

第六步：放手去做别的事。 Agent 进入循环。分析失败的原因。对技能提示词做一个小的改动。再次测试。如果分数提高就保留改动，如果分数下降就撤销改动。

然后它会再次重复这个过程。一次又一次。它会自主地持续进行，直到你停止它，或者它连续三次达到 95% 以上的分数。

你可以观看仪表盘，或者完全离开去做别的事。它不需要你也能运行。并且它会将改进后的版本保存为一个单独的文件，这样你原来的技能保持不变。

我的落地页技能发生了什么

我对我的落地页文案技能运行了它。以下是结果：

56% → 92%。 4 轮改动。3 次保留，1 次撤销。

以下是 Agent 在我的技能提示词中实际改动的内容：

• 为最常见的失败添加了一条具体规则：“你的标题必须包含一个具体的数字或结果。永远不要使用像‘变革你的业务’这样模糊的承诺。”
• 添加了一个禁用流行词列表：“永远不要使用：革命性、前沿、协同效应、新高度、颠覆性、利用、解锁、变革。”
• 添加了一个强落地页部分的示例： 突出显示了痛点开场白和行动号召，这样技能就能看到好的标准是什么样的，而不是猜测。
• 尝试了更严格的字数限制，但撤销了： 因为文案变得过于单薄，行动号召受到了影响。（系统能够捕获那些单独看起来是改进，但会损害整体输出的改动。）

当它完成后，我得到了：

• 改进后的技能，已单独保存（原始版本保持不变，以备你想回退）
• 一份结果日志，显示每一轮的分数
• 一份变更日志，解释每次尝试的改动、尝试的原因以及是否有效
• 一份原始技能的备份，以备将来需要恢复

这份变更日志可能是最有价值的部分。它是关于该特定技能什么有效、什么无效的完整记录。

当未来推出更智能的模型时，你可以将这份变更日志交给它们，它们可以从前一个 Agent 停止的地方无缝衔接。

这个方法远不止适用于技能

这个方法适用于任何你能打分的东西。

• 网站速度： 有人对页面加载时间运行了此方法。更改一个东西，测量速度，保留或还原。在 67 轮中从 1100ms 提升到了 67ms。
• 冷启动联系： 定义你的检查清单：“它是否提到了潜在客户的公司？字数是否在 75 字以内？是否以具体问题结尾？” 让 Agent 运行 50 个变体。
• 邮件通讯引言： “开场白是否包含个人细节？” 和 “是否没有陈词滥调？” 让 Agent 自动优化你的文案。
• 任何你反复使用的提示词

只要你能打分，就能用 autoresearch 来优化它。

去运行它吧

选择你表现最差的技能。启动 autoresearch。回来时，你将拥有一个真正管用的东西。

从[这里](https://www.dropbox.com/scl/fi/57v11vtj9gzqz10ybv7or/autoresearch.zip?rlkey=f0zbieol7beeykn04erun79ot&dl=1)下载技能（上传至 Dropbox）

或者查看我的 GitHub [这里](https://github.com/olelehmann100kMRR/autoresearch-skill)

P.S. 如果你想要更多能帮你获得更多客户、更多关注度以及完成更多工作（而不需要增加工作时间）的 AI 工作流，我每周都会免费发送给 3.4 万读者。

另外，加入时你还会获得一份免费的 Claude Cowork 大师课：aisolo.beehiiv.com/subscribe