Task Observer
观察你的工作会话，把纠正、偏好和重复模式转化为技能改进与新技能候选，让你的技能库随使用不断进化。
写入范围限定在用户共享文件夹的 skill-observations/ 与 skill-updates/ 子目录，技能更新仅暂存、须用户审阅后手动安装；声明运行时不需要抓取外部 URL，许可与出处标注完整。扣分点：SKILL.md 要求在每个会话首次工具调用前激活、观察全部会话内容，属于较大范围的行为面；且'权限被拒应重试一次并尝试第二个工具'的指引会与用户权限设置对抗，弱化了用户确认边界。
源文件自洽性很高：扫描脚本含解析失败自检（文件数与解析数不一致即报错）、frontmatter-only 扫描控制成本、旧版日志有迁移脚本与回滚说明、安装不完整会自报缺失文件。扣分点：静态审查无法复现关键路径，仓库未见覆盖技能关键路径的提交测试，bash 片段的实际行为未经验证。
受众与场景清晰（多技能库的知识工作者），README 明确坦承小规模场景下系统自带记忆可能更合适这一非适用边界，并给出多种环境（含 handoff 文档模式）的适配。扣分点：触发条件极其宽泛（任何多步任务、任何工具调用会话），误触发风险明显；内容深度绑定 Claude 架构，未声明中文支持；核心体验依赖共享文件夹与 Claude 平台，对中国大陆用户的可达性未讨论。
文档分层良好（SKILL.md + 按需加载的 references/），README、用户指南、贡献指南、许可证齐备，版本沿革（pre-3.0 迁移、v3.1.0）与维护责任、更新路径、贡献署名规则均明确。扣分点：未见正式 CHANGELOG 文件，部分关键信息（迁移细节、激活配置）分散在未随证据提供的 references 文件中，静态读取存在隐藏假设。
核心产出（观察日志、暂存的技能更新建议、跨技能原则）结构明确、直接可读，README 对价值与替代方案（直接编辑技能、内置记忆）有诚实比较。扣分点：全部效果证据来自作者自述（1300 条观察、75 个技能），静态审查无法验证产出的实际可用性；价值高度依赖用户长期配套流程（每周评审、CLAUDE.md 激活），边际价值未经独立证实。
仓库含 CI 工作流（release 打包时运行 validate-skill-bundle.py 校验脚本）、完整的许可证文本、可追溯的贡献流程声明，另有第三方安全审计徽章与多位第三方推荐链接。扣分点：无已提交的测试套件覆盖技能关键路径，作者核心效果主张（观察数量、改善成果）不可独立复核，审计徽章内容静态无法核实。
- 该技能设计为在几乎所有会话中持续观察并记录内容，请先确认你的会话内容（尤其含客户或敏感信息时）适合被写入持久化的观察日志。
- SKILL.md 中'写入被拒后换工具重试'的指引可能与你的权限审批设置对抗，建议在严格权限环境中禁用或修改该行为。
- 触发条件极宽（任何多步任务/工具调用会话都会激活）， token 消耗与误触发是现实成本；小规模技能库用户可直接编辑技能或使用平台内置记忆替代。
- 内容深度绑定 Claude 平台，其他环境为'有条件兼容'；未声明中文支持，中国大陆用户需自行评估共享文件夹与平台的可达性。
- 效果主张（1300+ 观察、75 个技能）均来自作者自述，未经独立验证；安全审计徽章内容未在静态审查中核实。
这个 Skill 能做什么，适合哪些场景？
Task Observer 是一个元技能（"One Skill to Rule Them All"），由 Eoghan Henn（rebelytics.com）开发，是 Augmented Expertise 方法论的实践应用。它在你的会话中持续运行，观察任务执行过程，捕捉用户纠正、工作流洞察和值得保留的方法论，并将它们写入结构化的观察日志。它不直接修改你的技能，而是提出建议，由你审核批准。由于它也会观察自己，它是一个能够自我改进的元技能。作者报告在七个月内基于该工具对其 75 个技能记录了超过 1300 条观察。
在每个会话开始时探测工作区、建立并扫描观察日志目录（skill-observations/observation-log/，每个观察一个带 YAML frontmatter 的 Markdown 文件）；监控任务执行、事后反馈讨论和关于技能的元讨论，捕捉三类信号：值得记录为新技能的重复工作流、对现有技能的纠正与改进点、以及它自身方法的缺陷。它通过每次工具调用运行 Bash 代码片段来派发观察 ID 并归档已解决的条目，将观察静默写入磁盘（每完成第 3 个待办项或交付物完成后强制刷新），在会话结束时按技能分组汇总观察并询问你要处理哪些；经你批准的技能更新会被暂存到 skill-updates/ 供安装。它还维护一个跨技能原则文件，新技能创建时会自动对照检查。
- 已积累了多个 Claude 技能、希望系统化地维护和改进它们而无需逐一手动审计的用户
- 还没有任何技能的用户——观察者会开始识别技能候选并帮助你构建
- 经常发现自己反复纠正 AI 同类错误的从业者，希望这些纠正变成永久性的技能规则
- 使用 Claude Cowork 或 Claude Code 运行并行自主会话的构建者，需要跨会话持久的技能学习
- 希望将方法论文本本身集成到现有智能体设置（包括用户报告的 Hermes 和 Openclaw 环境）中的开发者
这个 Skill 有哪些优点和局限？
- 自观察设计：改进所有技能的同时也改进自己的方法论
- 你保持控制权——观察者只提建议，从不直接修改技能
- 经过真实规模验证：作者报告 7 个月内 1300+ 观察、75 个技能
- 社区活跃：吸收了 44 位贡献者、82 个 issue 和 23 个 PR 的改进
- 作者明确指出小规模使用场景的边界（内置记忆功能可能已足够），而非过度推销
- 授权用户报告之外，无独立第三方效果验证
- 内容包含 Claude 专属概念（如 CLAUDE.md、Cowork 目录选择器），其他平台需适配；仅 Claude Cowork/Dispatch/桌面版 Claude Code 提供完整体验
- SKILL.md 路径未包含完整文件（references/ 中的引用文件未提供），无法完整审计其全部规则
- 在小规模设置（少量技能）中，收益可能不抵开销
- 需要持续执行定期评审才能真正产生价值，否则观察日志只会堆积
如何安装这个 Skill？
下载最新 release 附带的 .skill 包，或 ZIP 下载/克隆仓库并保留 SKILL.md、references/ 和 scripts/ 在一起（只装 SKILL.md 会降级运行，不推荐）。Claude 网页/桌面/移动端和 Cowork：在 设置 → 自定义 上传 .skill 包。Claude Code：将文件夹放到 .claude/skills/task-observer/（项目级）或用户级技能目录，保持子文件夹结构。关键一步：仅安装文件不等于激活——按 references/environments.md 在 CLAUDE.md（或等效配置）中添加激活指令或安装会话启动钩子，然后在全新会话中验证技能在首次工具调用前被调用。
如何使用这个 Skill？
安装并激活后，技能应在每个会话首次工具调用前自动触发，之后随任务静默记录观察。会话结束时可以问："Any observations logged?"（有记录到观察吗？），有时它会补充之前没记的内容。安排定期的评审会话来处理所有开放观察（作者本人每周一、三、五早晨各一次，你可自行调整）。从 3.0 之前版本升级时，首个会话会自动转换旧的单文件日志。Claude.ai 网页/移动端等无文件系统环境使用 handoff-doc 模式，会话结束时生成结构化交接文档。