by oriliz
给 AI 编程助手一根马鞭:本地记录时间去向,把复盘写回 agent 指令/技能/工具;改没改好,用数据说话。 | A whip for coding agents: local timing, red-line nudges, and an evidence-backed, auditable self-improvement loop. DSH / Claude Code / Codex.
# Add to your Claude Code skills
git clone https://github.com/oriliz/agent-cropGuides for using ai agents skills like agent-crop.
See how agent-crop compares with popular alternatives.
agent-crop is an open-source ai agents skill for AI coding assistants such as Claude Code, Codex CLI, and ChatGPT, built by oriliz. 给 AI 编程助手一根马鞭:本地记录时间去向,把复盘写回 agent 指令/技能/工具;改没改好,用数据说话。 | A whip for coding agents: local timing, red-line nudges, and an evidence-backed, auditable self-improvement loop. DSH / Claude Code / Codex. It has 62 GitHub stars.
agent-crop's catalog security scan is still queued. You can run an instant dependency and prompt-injection check now with the "Scan for vulnerabilities" button above.
Clone the repository with "git clone https://github.com/oriliz/agent-crop" and add it to your Claude Code skills directory (see the Installation section above).
agent-crop is primarily written in Python. It is open-source under oriliz on GitHub, so you can review or fork the full source.
Yes. SkillsLLM lists many other AI Agents skills you can browse and compare side by side. Open the AI Agents category from the badge at the top of this page, or use the Related Skills and comparison links further down to weigh agent-crop against similar tools.
No comments yet. Be the first to share your thoughts!
Available after the catalog security scan passes.
⚠️ Third-Party Software Notice
This skill is third-party open-source software developed and hosted independently on GitHub. SkillsLLM lists this project for discovery and does not control or maintain the underlying repository.
Any security checks, ratings, or warnings displayed by SkillsLLM are automated and limited in scope. They do not constitute a security certification or guarantee that the software is safe, error-free, or free from malicious code, vulnerabilities, compromised dependencies, or prompt-injection risks.
Review the source code, permissions, dependencies, and configuration before installing or running any third-party skill. Use is at your own risk. To the maximum extent permitted by applicable law, SkillsLLM is not liable for losses arising from third-party software.
The deep catalog scan for this skill is still queued. Run an instant dependency check now instead.

「我的 Token 啊!!!」
Agent Crop 是给 AI 的一根马鞭:催它交活,逼它复盘,让它自己越用越顺。
为什么做它 →(始于一个具体的迷失:在并发 agent 与上下文切换里,不知道时间到底花在了哪)
测量 → 归因 → 优化 → 验证 · 本地 JSONL · 不上传
你的 AI 编程助手跑了一个下午,交回来一堆东西——能用的没几样。
它说「抱歉,这个拖得有点久」。
你不知道那些时间去哪了。你不知道是它慢,还是你在想。
Agent Crop 就是来回答这个问题的。
后端做性能优化靠 Trace:一次请求一条,找到最贵的那一段,改完再用同一个指标测一遍。 这套东西在大厂跑了二十年,撑过双十一,也撑过每一次线上事故复盘。
职场里也有同一套结构,叫复盘:做了什么、时间花在哪、下次怎么改。
Agent Crop 只是把对象换成了「人和 AI 一起干活」:

上图是一次请求的 span,下图是一次工作的时间去向。四步不变:测量、归因、优化、验证。
这里的「自进化」是一条有数据与事实支撑的闭环:
测量 → 归因 → 改指令 / 技能 / 工具 → 再测量。
每次复盘都落成一条可验证的小改动——改了什么、凭什么改、有没有用,crop ledger 用事件日志说话;
落点、依据和效果都摆在你面前,随时看得见、改得动、回得去。
三件事凑齐才叫自驱,不然只是被催。
在侧栏「插件」页里找到 Agent Crop,展开它的行、点「配置」,在「鞭策风格」里切,保存即生效,不用重启:
| 风格 | 怎么催 | 时间轴标记 |
|---|---|---|
| 奴隶主(默认) | 重时间和效率,催收尾、催交活 | 鲸鱼娘被抽(鞭子 + 爆裂) |
| 和蔼的前辈 | 鼓励型:别硬扛,有问题可以问,先说说打算怎么试 | 中性:鲸鱼娘站着思考 |
| 经验丰富的同事 | 给客观建议:「要不要先拆一下?先做最小可验证的一步」 | 中性:鲸鱼娘站着思考 |
| 放任自由的家长 | 不鞭策,让孩子自己发挥 | 无标记 |
只有奴隶主是「鞭策」,其他三档是「提醒」;后三种不会改变问题本身怎么解,只是换个语气/换个人在旁边。
想改提醒里的具体台词:在 ~/.agentcrop/templates/voice/*.md 放 Markdown 覆盖(多条候选用单独一行 --- 分隔),改完即时生效——只对「奴隶主」风格有效,见 docs/TEMPLATES.md。
我们有个环境部署工具,子命令很多。AI 每次用都得先 help 一层层翻,再挨个试——对应的 Skill 写得不完整。
Agent Crop 把这件事记了下来:同一个命令反复翻 help、反复试错,归到 tool-misuse 这一类。
这条记录被推回给 AI,让它即刻反思——不是模型不会用,是这个 Skill 缺了最关键的一页。它据此补了一份常用 Skill。
同一个动作,下一次:10 分钟,变成 30 秒。
这是我个人使用中的一个成果,它确实帮到了我。但它还不是一个完善的测评——这个工具还在开发中,请大家多多包容。不过我相信,这样一套方法论是行之有效的。
同样的症状还有:没问清楚就开始干(spec-drift)、做不到也不停手(no-evidence)、串行等待(serial-wait)。一共九类,见 docs/EVENTS.md。
一句话:它只在几个点上出手。
它的核心就一句:提醒 → 反思 → 改工作方式 → 再干。
把一次对话从左到右摊开:
stop,这一轮的活跃分钟)。idle_gap(离开,两边都不算);再感知你的反馈:把你这句的意见、工作区现状带进上下文;顺手盯返工信号(同工具反复、同一处改来改去)。crop_update 写下 cause / verdict / category,这是整条链上唯一由 AI 主动补的动作。work_summary。两轮之间用一条竖向虚线隔开:虚线左边是上一轮,右边是下一轮。绿色的「人类确认」是唯一一个人类反馈节点。不是每个点都会响:虚框的是条件触发——AI 提问才有等待段,到黄线/红线才有鞭策(红色那一对)。
图里说人话,表里给字段名,方便对着代码看:
| 时间点 | 注入 / 鞭策 | 采集 | 什么时候 |
|---|---|---|---|
| 会话开始 | 创建 / 绑定工作项 | — | 每次会话的起点 |
| 每次工具 | — | tool:名字、成功/失败 |
每次工具返回 |
| 一轮结束 | — | 停止时点:stop(这一轮的活跃分钟) |
每轮 |
| 你发下一句 | 感知你的反馈:把你的意见 / 工作区现状带进上下文 | 回复时点:prompt;轮间空档 ≤15 分钟记 user_wait,超过记 idle_gap |
每轮 |
| 工具反复 | — | 返工信号 tool_churn / rework_signal |
同工具或同一处反复 |
| AI 提问 | 提问前后各记一个时点 | user_wait:两时点之差 |
用了 ask 类工具 |
| 超时 | 鞭策一句(带鞭子) | reminder |
黄线 / 红线 |
| 超时之后 | AI 反思与上报:phase="blocked" + cause / verdict / category |
— | 被鞭策之后 |
| 收工前 | 人类确认(完成与否你说了算) | user_wait:等你确认的时间 |
关工作前 |
| 总结与复盘 | — | work_summary:what / cost / next_time |
你确认之后 |
一句话:探针只记事实,AI 只填判断;两边分开存,面板再把两边摆在一起看。
两个入口:会话页的 Crop 页签看一个会话的运行过程,侧边栏 Crop 全局看跨会话的摩擦指标与采集健康度。
会话页 Crop——这个会话是怎么跑的:

侧边栏 Crop 全局——跨会话的那一面:等待回话占比、每完成一个工作多少分钟、每回合工具数、工具失败率、重复工具信号密度;下面是每天的时间去向(活跃 + 等待堆叠柱,点柱子看当天明细)、AI 自述的改进、还在重复的坑、工作列表。

侧边栏「Crop 全局」的「健康度」视图(毛玻璃面板,壁纸透过来)——不看你这周干了什么,看采集器本身是不是哑了。


同一份健康度也给了 AI 和脚本两个入口:
crop health --days 7 # 人读:一句话结论 + 问题 + 每个工具一行
crop health --json # 机器读:完整 health_summary
crop_health(参数 days / host),怀疑数据不可信时直接调。crop_health,与 crop_update 并列暴露。诚实说四点:
type/difficulty 经常空着,verdict/rework/improve 的样本更少,所以「上期对比」经常显示「上期无数据」。dsh plugin --profile <你的 profile> add agent-crop-dsh
# 重启 dsh,新会话生效
从 npm 装的是预构建产物:不需要在你的机器上跑构建脚本,也不用给 pnpm 的 allowBuilds 放行。
装完不用改配置、不用动 AGENTS.md——协议通过插件注册进系统提示,卸载时自动移除。
要改源码,再走克隆 + link 安装:
git clone https://github.com/oriliz/agent-crop.git ~/agent-crop
dsh plugin --profile <你的 profile> add ~/agent-crop
Claude Code 的装法见 docs/INSTALL.md。
自检(crop 命令随 npm 包发布,但 dsh plugin add 不会把它塞进 PATH):
npm i -g agent-crop-dsh # 可选:让 crop 进 PATH
crop status # 最后一行会打印真实数据目录
tail -1 ~/.agentcrop/data/events.jsonl # 应出现 "host":"dsh"
数据目录的历史名是
~/.ai-coding-efficiency,新版叫~/.agentcrop。如果你的机器上还没有后者,crop status最后一行打印的才是真实路径;想统一名字就ln -s ~/.ai-coding-efficiency ~/.agentcrop,或用KIT_SHARED_HOME覆盖。
不想全局装也可以直接跑包里的命令:
npx --yes --package=agent-crop-dsh -- crop status
卸载:
dsh plugin --profile <你的 profile> remove agent-crop-dsh
# Claude: claude plugin uninstall agent-crop@agent-crop
卸载不动数据。要一起清掉:rm -rf ~/.agentcrop
| 什么时候 | 记什么 |
|---|---|
| 会话开始 / 你发消息 | 工作区、任务块起点 |
| 每次工具返回 | 工具名、成功还是失败 |
| 回合结束 | 这一轮跑了多久 |
| 你下一次开口 | 等了你多久;超阈值记 idle_gap |
| 超红线 | 提醒注入了一次 |
| 同工具 / 文件反复失败 | 返工信号 |
| 字段 | 什么时候填 | 可能的值 |
|---|---|---|
phase |
每次上报 | start 开工 / progress 有进展 / blocked 卡住 / end 收工 |
task_id |
每次上报 | 你给这件事起的短名,比如 refactor-auth |
summary |
每次上报 | 一句话:现在在做什么 |
cause |
blocked 必填 |
一句话:为什么慢、卡在哪 |
next |
可选 | 下一步的具体动作 |
category |
blocked 必填 |
九选一:serial-wait repeat-pitfall design-churn decision-batching tool-misuse no-evidence spec-drift human-wait other |
goal |
开工时 | 一句话目标 |
type |
开工时 | design / implement / debug / docs / explore,或自定义小写短 slug(如 research) |
difficulty |
开工时 | s / m / l |
category 是枚举,不是自由文本——填错直接失败。九类词表锁死,不会越记越乱。
这些只是判断,不是事实:自述永远不单独当结论,要和自动采集的时间、失败数对照着看。
数据只落本机 ~/.agentcrop/data(权限 0700),可用 KIT_DATA_DIR 覆盖。不存对话正文。
只多花一点 Token,对速度几乎无感。
一个 20 回合的工作,合计约 2k token。对比事后去会话里反查——一条中等会话就是几万 token,长的几十万,根本塞不进上下文。
这是镜子,不是裁判。
MIT — 随便用,随便改。
能动手的事,为什么要动口呢? 😏

feel free to contribute