技能介绍

解决什么问题

当 AI 面对陌生应用时，常见问题不是“缺一次搜索”，而是缺少稳定的学习闭环：它不知道电脑里有哪些软件、不知道哪些软件值得花时间掌握、不会把观察到的使用频率转成记忆，也不会安全地尝试操作。AI探索欲学习模块 试图把 AI 的“学习”变成可执行流程：在需要时自学习、按价值决定深度、后台观察真实使用、跨平台发现环境，并用记忆衰减淘汰低价值知识。

如何工作

技能围绕 scripts/explorer.py 组织，核心步骤包括：

按需自学习：用户要求使用某个应用时，AI 先自查掌握度，不会则评估价值并搜索教程，而不是直接拒绝。
价值驱动深度：用 learning_depth 决定目标深度，用 mastery_level 记录现状，避免把所有软件都学到同等深度。
环境扫描：按 Level 0 到 Level 3 扫描桌面、任务栏、开始菜单、PATH、用户目录、注册表等位置，覆盖 Windows、macOS 和 Linux。
后台观察：Usage Watcher 只记录进程名等低频信号，用于判断常用应用，不截图、不读取内容、不上传外部。
记忆与衰减：通过三级记忆保留高频有用知识，并降低长期未使用条目的权重。

边界与注意点

该模块依赖 Python 3.8+，可选 psutil、pywin32、pyautogui、Pillow 等增强能力。它强调安全边界：不探索 System32、ProgramData 等关键目录，打开未知应用或修改设置前询问，不存储密码、密钥与个人文件内容。后台观察只记录进程名，因此不适合需要深度内容分析、完整 UI 视觉识别或跨机器知识迁移的场景；这些仍属于计划能力。