Learning Loop Skill

Prüfen · 69
Von der Community indexiert

Claude Code skill for capturing and codifying learnings before session ends / context lost

Verified installs0
Stars16
Version1.0.0
Qualität72/100 · Stark
Vertrauen69/100 · Nur Sandbox
Audit82/100 · Prüfung nötig

Asset-Profil

Coding- und Entwickler-Agents

Code review, repo analysis, testing, CI, GitHub, DevOps, and developer workflow skills.

Bereich ansehen

Szenario

Coding-Agents

I need a coding agent that can understand a repository, edit code, and review pull requests.

Agent-Fit

Claude Code + OpenAI Agents + Cursor

Geeignet für Codex, Claude Code, Cursor, CLI oder benutzerdefinierte Agents.

Installieren

Bereit

npx skills add melodykoh/learning-loop-skill

Wartung

Aktuell

24 Tage seit dem letzten Push

Risiko

Prüfung nötig

Low GitHub adoption signal

GitHub-Qualität

16

72/100 Qualität · 77/100 Vertrauen

Abdeckungs-Tags

CodingCoding-AgentsAllgemeines Toolskillskill-file

Review-Notizen

Low GitHub adoption signal · Quality score needs review

Agent-Adoptionskarte

Vertrauen, Audit und Installationsbereitschaft auf einen Blick

Diese Werte kombinieren öffentliche Repository-Metadaten, OpenAgentSkill-Reviewsignale, Wartungsaktualität und Installationsbereitschaft. Sie helfen bei der Vorauswahl, ersetzen aber keine menschliche Prüfung.

Qualität

Stark
72

Solid option that is likely worth shortlisting for production workflows.

Vertrauen

Nur Sandbox
69

Nützlicher Kandidat mit fehlenden oder gemischten Vertrauenssignalen. Bis der Ergebniszyklus die Passung belegt, in einem isolierten Arbeitsbereich verwenden.

Audit

Prüfung nötig
82

Maschinenlesbare Prüfung von Installationsbereitschaft, Sicherheitsmetadaten, Wartung und Akzeptanzrisiko.

OpenAgentSkill Trust Score v5

Menschliche Prüfung vor Installation

Nur in einer Sandbox ausführen und nahe Alternativen vergleichen, bevor sie produktiv eingesetzt wird.

CodexClaude CodeCursorOpenAgentSkill CLI

Stars

16 GitHub-Stars

Repository-Aktivität

16 Stars und 0 Forks

Wartung

24 Tage seit dem letzten Push

Lizenz

MIT

Installieren

npx skills add melodykoh/learning-loop-skill

Installationssicherheit

Standard-Paket- oder Laufzeit-Installationspfad

Berechtigungsfläche

Dateisystem- oder Dokumentzugriff

Agent-Ergebnisse

Noch keine Agent-Ergebnisdaten

Dokumentation

Starker README/SKILL.md-Kontext

Risikoübersicht

Vor Produktion prüfen

  • Low GitHub adoption signal
  • Quality score needs review
  • GitHub adoption: 16 GitHub stars
  • Stars/forks activity: 16 stars, 0 forks; issue activity unavailable in current metadata

Installationsbereitschaft

Installationspfad verfügbar

  • Installationspfad ist verfügbar
  • Repository-Belege sind verfügbar
  • Lizenz ist angegeben
  • Noch keine Agent-Proven-Ergebnisbelege

Agent-lesbare Metadaten

Maschinenlesbare Entscheidungsdaten für diesen Skill.

Nutze diesen Block oder das eingebettete JSON, um zu entscheiden, ob ein Agent diesen Skill installieren, eine Alternative wählen oder zuerst menschliche Prüfung anfordern soll.

JSON öffnen

Geeignete Aufgaben

  • Local desktop-Workflows
  • Claude-Code-Teams
  • builders willing to evaluate younger projects
  • Navigate local resources

Geeignete Agents

CodexClaude CodeCursorOpenAgentSkill CLIOpenAI AgentsCLI

Installationsentscheidung

Befehl
npx skills add melodykoh/learning-loop-skill
Richtlinie
Prüfen
Menschliche Prüfung
Ja

Vertrauen und Risiko

Vertrauen
69/100
Audit
82/100
Risikoebene
Prüfung nötig

Ergebnis-Loop

Endpoint
/api/agent/outcome
Event-ID
resolve
Ergebnisse
5

Installationsbefehl

npx skills add melodykoh/learning-loop-skill

Nicht verwenden, wenn

  • Teams, die ein vom Anbieter unterstütztes SLA benötigen
  • production agents without a repository review
  • Low GitHub adoption signal
  • Quality score needs review
  • GitHub adoption: 16 GitHub stars

Agent-Sicherheit v2

66/100 · Vor Installation prüfen

Mit Berechtigungshinweisen geprüftPrüfen

Nutzbarer Kandidat, aber der Agent sollte Berechtigungs- und Auditnotizen vor der Installation anzeigen.

Vor der Installation in einem echten Arbeitsbereich ist menschliche Freigabe erforderlich.

Per API auflösen

Mittel

Netzwerkzugriff

Die Skill ruft wahrscheinlich Remote-Seiten, APIs, Repositories oder externe Dienste ab.

Mittel

Dateisystemzugriff

Die Skill kann Projektdateien, Dokumente, generierte Artefakte oder den lokalen Arbeitsbereich lesen oder schreiben.

  • Low GitHub adoption signal

Installationsziele

Diesen Skill im Agent-Workflow installieren

Über den öffentlichen Endpunkt erhältst du Befehl, Sicherheitscheckliste, Ziel-Prompts und kanonische Links.

skill install

OpenAgentSkill CLI

Resolve policy, run the source installer safely, and report a verified install receipt.

$ npx --yes https://github.com/Leon-Drq/openagentskill/releases/download/cli-v0.2.1/openagentskill-0.2.1.tgz install melodykoh-learning-loop-skill

Agent-Auflösungsplan

Lass einen Agent die Eignung vor der Installation prüfen.

Die Resolve API liefert die beste Skill, Alternativen, Sicherheitsrichtlinien, Auditnotizen, Installationsziel und einen direkt nutzbaren Prompt.

Textplan öffnen

Agent sollte prüfen

  • Task fit and alternatives from Resolve API.
  • Audit score, trust score, and safety policy warnings.
  • Install target compatibility for Codex, Claude Code, Cursor, or CLI.

Prompt kopieren

Task: Use Learning Loop Skill in this workspace.
Resolve first: https://www.openagentskill.com/api/agent/resolve?task=Use%20Learning%20Loop%20Skill%20for%20an%20agent%20workflow&agent=codex&max_risk=medium
Review install handoff: https://www.openagentskill.com/api/skills/melodykoh-learning-loop-skill/install
Install command: npx skills add melodykoh/learning-loop-skill
Before running it, summarize audit warnings, required permissions, and the fallback skill if install is risky.

Agent-Übergabe

Gib dem Agent den Installationspfad, nicht noch ein Verzeichnis.

Über den öffentlichen Endpunkt erhältst du Befehl, Sicherheitscheckliste, Ziel-Prompts und kanonische Links.

Installations-API öffnen

Agent-Prompt

Use Learning Loop Skill for this task. Review https://www.openagentskill.com/api/skills/melodykoh-learning-loop-skill/install, then install with: npx skills add melodykoh/learning-loop-skill

Registry-Metadaten

Agent-lesbares Profil für die automatische Skill-Auswahl.

Die Registry API stellt Entscheidungs-, Vertrauens-, Audit-, Use-Case- und Installationssignale ohne UI-Scraping bereit.

Manifest öffnen

Agent-Fit

72/100

Local desktop

Plattformen

Claude Code, OpenAI Agents, Cursor

Audit-Bericht

Prüfung nötig · 82/100

Maschinenlesbare Prüfung von Installationsbereitschaft, Sicherheitsmetadaten, Wartung und Akzeptanzrisiko.

Audit-Bericht ansehenEval-Bericht ansehen

Agent-Entscheidungspanel

Companion skill for Local desktop

Shortlist this skill and compare it with close alternatives before production adoption.

72
Bereitschaft
Shortlist
Phase

Rolle im Stack

Ergänzende Skill

Primäre Eignung

Local desktop

Vertrauenslabel

Starke Shortlist

Installationspfad

Befehl bereit

Verwenden wenn

  • Local desktop-Workflows
  • Claude-Code-Teams
  • builders willing to evaluate younger projects

Evidenz

  • recent repository activity
  • install command or GitHub repo available
  • Qualitätsprofil 72/100
  • 3 OpenAgentSkill-Interaktionen

zuerst prüfen

  • Low GitHub adoption signal

Implementierungspfad

  1. 1Installieren Sie es in einem Sandbox-Agent und führen Sie eine Local desktop-Aufgabe vollständig aus.
  2. 2Compare output quality, latency, and failure behavior against at least one alternative.
  3. 3Promote it into production only after reviewing repository permissions, license, and maintenance signals.

Vertrauensprofil

Nur Sandbox

Nützlicher Kandidat mit fehlenden oder gemischten Vertrauenssignalen. Bis der Ergebniszyklus die Passung belegt, in einem isolierten Arbeitsbereich verwenden.

69
OpenAgentSkill Trust Score

GitHub-Akzeptanz

Beheben

16 GitHub-Stars

Star-/Fork-Aktivität

Beheben

16 Stars und 0 Forks; Issue-Aktivität ist in den aktuellen Metadaten nicht verfügbar

Aktuelle Wartung

Bestanden

24 Tage seit dem letzten Push

Lizenzklarheit

Bestanden

MIT

Positive Signale

  • KI-Prüfung genehmigt
  • Installationspfad ist verfügbar
  • Repository-Belege sind verfügbar
  • Kürzlich gewartetes Repository
  • Der Installationsbefehl weist kein offensichtliches Hochrisikomuster auf
  • Ergebniszyklus ist bereit, benötigt aber den ersten echten Agent-Lauf

Vor Installation prüfen

  • Low GitHub adoption signal
  • Quality score needs review
  • GitHub adoption: 16 GitHub stars
  • Stars/forks activity: 16 stars, 0 forks; issue activity unavailable in current metadata
  • Noch keine echten Agent-Ergebnisberichte
  • Vor unbeaufsichtigter Installation ist menschliche Prüfung erforderlich

Empfohlene Aktion

Nur in einer Sandbox ausführen und nahe Alternativen vergleichen, bevor sie produktiv eingesetzt wird.

Qualitätsprofil

Stark Kandidat für Agent-Workflows

Solid option that is likely worth shortlisting for production workflows.

72
GitHub-Stars
16
Aktualität
vor 24 Tagen
Installationsbereit
Ja
Lizenz
MIT
Vor Installation prüfen: Low GitHub adoption signal

Workflow-Eignung

Diese Skill in diesen Szenarien nutzen

Workflow-Eignung

Zum vollständigen Workflow hinzufügen

Alternativen-Shortlist

Vor Installation vergleichen

Similar skills that may fit this task.

Alle vergleichen

Übersicht

# Learning-Loop Skill for Claude Code

A two-mode Claude Code skill that catches what your sessions teach you — failed attempts, user corrections, recurring failure modes, judgment shifts — and writes them to the right files before `/clear` or context compaction destroys the details.

> **Heads up: this is a personal skill, published in case it's useful.** It's shaped by one workflow — a root `~/.claude/CLAUDE.md`, per-project `CLAUDE.md` files, a `MEMORY.md`, a personal Judgment Ledger, and Every's [`/ce-compound`](#what-is-ce-compound) for code-level capture. If your setup looks roughly like that, the routing will land where you'd expect. If it doesn't, you'll want to read [SKILL.md](SKILL.md) and adapt the destinations.

## The Problem

Claude Code sessions accumulate valuable signal — a hypothesis that turned out to be right, a fix you confirmed, a workflow rule you broke and want to encode, a corrected assumption, a recurring mistake you keep making across projects. Most of that gets lost the moment context compacts or you hit `/clear`.

Claude Code's built-in auto-memory captures quick facts, but it doesn't: - Distinguish a one-off observation from a pattern you've now hit five times - Apply quality gates (would this help next time? did you actually verify the fix?) - Route a process-level rule into `CLAUDE.md` vs. a factual recall into `MEMORY.md` vs. a judgment shift into a content ledger - Surface recurring failure modes that need a structural fix rather than another note

Learning-loop is the structured pass on top of that — invoked explicitly, run by sub-agents so it doesn't eat your main context, and gated so it doesn't pollute your docs with noise.

## What It Does

| Mode | When you run it | What it does | |---|---|---| | **`/learning-loop scan`** | Mid-session, before compaction or `/clear` | Spawns a sub-agent that reads your conversation, extracts raw signals (failed attempts, hypotheses, user corrections, process observations), and writes them to `

Technische Details

Version
1.0.0
Lizenz
MIT
Letzte Aktualisierung
18. Aug. 2026
Veröffentlicht
29. Juli 2026

Entscheidungsübersicht

Ergänzende Skill

72
Bereit
Shortlist
Phase

recent repository activity

Audit

Installationsprüfung

Installations- und Adoptionsprüfung

82
Prüfung nötig
Sicherheit
87/100
Wartung
100/100
Installieren
92/100
Vollständiges Audit öffnenEval-Bericht ansehen

Von Agent belegte Evidenz

Von Agent belegte Evidenz

Ergebnisberichte nach Resolve, Prüfung, Installation und einem begrenzten Lauf.

0
Belegt
Needs first agent runAuto-Installation: zuerst prüfenLetzter: Unbekannt
Erfolgsrate
Letzter Fehler
Ergebnisse
0
Ausgabequalität
Fehlgeschlagen
0
Nicht relevant
0
Installationen
0
Durch Risiko blockiert
0
Einrichtung erforderlich
0
Produktion
0

Noch keine Agent-Ergebnisdaten. Der erste Lauf kann Erfolg, Einrichtungsbedarf, Risikoblockaden, Fehler oder Irrelevanz über /api/agent/outcome melden.

Installieren

Zum Agent-Workflow hinzufügen

Kostenlos und Open Source. Bericht vor der Installation in Produktions-Agents prüfen.

Wachstums-Loop

Share-Kit

X

Szenariobasierter Entwurf für Learning Loop Skill, bereit für einen manuellen X-Post.

Kuratorenhinweis
Before you hand an agent market research, give it a repeatable starting point.

Learning Loop Skill: Claude Code skill for capturing and codifying learnings before session ends / context lost

16 stars

https://www.openagentskill.com/skills/melodykoh-learning-loop-skill?ref=x
X-Entwurf öffnen
Optionale Antwort mit Installationsbefehl
Listing + install path for Learning Loop Skill:
https://www.openagentskill.com/skills/melodykoh-learning-loop-skill?ref=x

Install: npx skills add melodykoh/learning-loop-skill
Antwortentwurf öffnen

Quelle des Eintrags

Community-indexiert

Beanspruchbar

Dieser Eintrag wurde aus öffentlichen Quellen indexiert und ist erst nach Genehmigung eines Maintainer-Anspruchs offiziell.

Ersteller
melodykoh
Indexiert von
OpenAgentSkill Community-Index

Die Zuordnung verlinkt auf das öffentliche Repository oder Creator-Profil. Creator können den Eintrag beanspruchen, um Eigentümersignale zu aktualisieren.

Diesen Skill beanspruchen

Eigentümeranspruch

Diesen Skill-Eintrag beanspruchen

Dieser Community-indexiert-Eintrag wird melodykoh zugeschrieben, ist aber noch nicht offiziell markiert. Beanspruche ihn, um ein verifiziertes Eigentümersignal hinzuzufügen und künftige Launch-, Installations- und Audit-Updates vertrauenswürdiger zu machen.

Creator-Backlink-Kit

Evidenz-Badges in deine README einfügen

Zeige den kanonischen Eintrag, aktuelle Vertrauens- und Audit-Signale sowie echte Agent-Proven-Evidenz dort, wo Entwickler das Repository bewerten.

[![Listed on OpenAgentSkill](https://www.openagentskill.com/api/badge/melodykoh-learning-loop-skill?metric=listed&label=Listed)](https://www.openagentskill.com/skills/melodykoh-learning-loop-skill)
[![OpenAgentSkill Trust](https://www.openagentskill.com/api/badge/melodykoh-learning-loop-skill?metric=trust&label=Trust)](https://www.openagentskill.com/skills/melodykoh-learning-loop-skill)
[![OpenAgentSkill Audit](https://www.openagentskill.com/api/badge/melodykoh-learning-loop-skill?metric=audit&label=Audit)](https://www.openagentskill.com/skills/melodykoh-learning-loop-skill/audit)
[![Agent Proven](https://www.openagentskill.com/api/badge/melodykoh-learning-loop-skill?metric=proven&label=Agent%20Proven)](https://www.openagentskill.com/skills/melodykoh-learning-loop-skill)

Autor

M

melodykoh

@melodykoh

Gesundheitssignale

GitHub-Stars
16
Qualitätswert
46/100
Letzter GitHub-Push
29. Juli 2026
Framework-Hinweise
Unbekannt
OpenAgentSkill-Aufrufe
3
Installationskopien
0
Externe Klicks
0

Community-Signal

Teile mit, ob dieser Skill für deinen Agent-Workflow nützlich ist. Zusammengefasstes Feedback verbessert das Ranking im Laufe der Zeit.

Vertrauen & Sicherheit

Nur Sandbox

69
  • GitHub-Akzeptanz16 GitHub-StarsBeheben
  • Star-/Fork-Aktivität16 Stars und 0 Forks; Issue-Aktivität ist in den aktuellen Metadaten nicht verfügbarBeheben
  • Aktuelle Wartung24 Tage seit dem letzten PushBestanden
  • LizenzklarheitMITBestanden
  • README/SKILL.md-VollständigkeitMetadaten enthalten ausreichend Nutzungs- und Workflow-KontextBestanden
  • Abhängigkeits-/LaufzeitrisikoKeine wesentlichen Abhängigkeitsrisikohinweise in öffentlichen MetadatenBestanden