GoSkill

作者：AI 酋长 Andy（GitHub @AIPMAndy · X @AIPMAndy · metaver.vip）

很多任务不是“不会做”，而是：

• 做一轮就停
• 没有明确完成标准
• 任务很长，但中间没有阶段性验证
• 最终只返回“做完了”，却没人知道到底算不算真的完成

GoSkill 想解决的是这个问题：

把任务从“一次性函数调用”变成“围绕目标持续推进，直到满足成功标准”。

它更像一个 goal-driven execution helper，而不是一个什么都能自动完成的神奇框架。

如果普通 Skill 像“执行一次就返回”，那 GoSkill 更像：

• 先定义目标
• 再定义成功标准
• 然后持续尝试 / 检查 / 重试
• 直到达标或超时

GoSkill 的价值不在“更聪明”，而在“更会围绕目标管理执行过程”。

pip install -e .

from goskill import goskill

@goskill(
    goal="将项目从 Android 迁移到鸿蒙",
    criteria={
        "compile": "0 errors",
        "test": "100% pass",
        "performance": ">= 90%"
    },
    max_hours=48
)
def migrate():
    # 你的任务逻辑
    return {"done": True}

migrate()

from goskill import GoSkill

skill = GoSkill(
    goal="分析 1000 份财报",
    criteria={
        "coverage": ">= 90%",
        "report": "complete"
    },
    max_hours=24,
    max_attempts=20,
    verbose=False,  # 可选：关闭运行日志
)

result = skill.run(lambda: {"coverage": 95, "report": "complete"})
print(result)
print(skill.status)

structured = skill.run_with_result(lambda: {"coverage": 95, "report": "complete"})
print(structured)

仓库里已经放了一个最小 demo：

python examples/basic_usage.py

它会演示：

• 如何定义 goal
• 如何定义 criteria
• 如何执行并读取 status

现在库里已经有两层返回方式：

• run()：返回原始任务结果
• run_with_result()：返回结构化结果对象（success / status / attempts / criteria_report）

你不是只传一个函数，而是把任务表述成：

• goal：要达成什么
• criteria：怎样才算完成
• max_hours：最多跑多久
• max_attempts：最多尝试多少次（可选）

如果没有达标，它不会默认“执行一次就结束”，而是继续推进，直到：

• 成功
• 超时
• 或你主动停止

内建 status，方便查看：

• 当前 goal
• 已尝试次数
• 已运行时长
• 最大允许时长
• 终态原因（terminal_status）
• 上一次 criteria 检查结果
• 上一次执行结果

定义目标 + 成功标准
        ↓
执行任务函数
        ↓
检查结果是否达标
        ↓
达标 → 返回结果
未达标 → 等待并继续尝试
        ↓
直到成功或超时

• 大规模重构
• 长时间分析任务
• 需要明确验收标准的自动化流程
• 研究型 / 迭代型任务
• 想把“执行 + 校验 + 重试”包装在一起的场景

• 单次问答
• 很小的同步函数
• 完全没有验收标准的任务
• 需要复杂分布式调度的生产级系统

GoSkill 现在解决的是“单机、单进程、轻量 goal-driven execution loop”。

它不负责：

• 分布式调度
• 多节点任务编排
• 复杂持久化恢复
• 企业级队列系统

这个边界写清楚，反而有助于建立信任。

GoSkill 现在更适合作为：

• 一个执行模式原型
• 一个轻量 Python helper
• 一个面向 OpenClaw / Agent workflow 的实验性封装

它还不是完整的“长时间自治 Agent 平台”。

这点说清楚反而更好： 预期对齐，可信度更高。

make install-dev
make test
make build
make version

• README_EN.md — English version
• CONTRIBUTING.md — 如何参与贡献
• CHANGELOG.md — 更新记录
• SECURITY.md — 安全说明
• RELEASE.md — 发布流程
• Makefile — 常用开发命令
• SKILL.md — OpenClaw Skill 版本说明

普通 Skill 执行一次就返回；GoSkill 先定义 goal 和 criteria，再持续尝试、检查、重试，直到达标或超时（max_hours / max_attempts）。

大规模重构、长时间分析、需要明确验收标准的自动化流程、研究型或迭代型任务。不适合单次问答、很小的同步函数、没有验收标准的任务和分布式生产调度。

run() 返回原始任务结果，run_with_result() 返回 success / status / attempts / criteria_report；status 可查看尝试次数、运行时长和终态原因。

不是。GoSkill 是单机、单进程的轻量 Python helper，也是面向 OpenClaw / Agent workflow 的实验性封装。

AI 酋长 Andy（Andy Liu，GitHub/X @AIPMAndy）：前腾讯/百度 AI 产品专家，大模型独角兽前 VP，现专注 AI + 产品方法论创业。

可以找我聊求职咨询、AI 增长和副业陪跑，服务范围和费用先沟通确认。

微信 AIPMAndy（备注「goskill」）· X @AIPMAndy · Telegram @AIPMAndy · 个人官网 metaver.vip · Grok Bot 中文攻略

AI Chief Andy (Andy Liu, @AIPMAndy on GitHub and X) is a former Tencent and Baidu AI product expert and former VP at an LLM unicorn, now a serial entrepreneur focused on AI and product methodology.

• AndySoul：CLAUDE.md / AGENTS.md 规则模板，让 Claude Code、Codex、Cursor 少犯错
• SafeSkill：装 AI Skill 之前，先扫危险命令、提示注入和密钥泄露
• DNA Memory：Claude Code、Codex 共用的本地 AI Agent 记忆 MCP
• OpenClaw Skills 中文精选：2868 个 OpenClaw Skills 分类整理，附国产模型接入指南

Apache-2.0