OpenSpace 这个项目，我第一眼不是看 demo。
我先盯住了那个 SKILL.md。
港大 Data Intelligence Lab 把它放到 GitHub 上以后，项目描述里最抓人的地方不是“又一个 Agent 框架”，而是它想让 Agent 记住一点东西。
不是聊天记录那种记住。
是 PDF 解析哪里翻车了，Excel 合并单元格怎么绕过去，代码执行失败时换哪条 fallback，跑通以后怎么把这套办法留下来。
这些东西很碎。
也很烦。
很多 Agent 现在的问题就是这样：能干活，也能临场补救，可下一次遇到同一个坑，又像第一次见。
昨天刚踩完，今天照踩。
OpenSpace 想处理的就是这块。
它把 skill 当成会继续变的东西。任务结束以后，不是直接关掉，而是回头看：哪一步失败了，哪里能修，哪段流程能单独沉成一个 skill。
项目里写了三类：FIX、DERIVED、CAPTURED。
名字挺直白。
修坏掉的 skill。
从已有 skill 里派生一个。
把一次成功执行里冒出来的流程抓下来。
我还挺喜欢这个粗糙感的。
因为真实开发里，最磨人的常常不是模型不会推理，而是各种边角故障：环境没装好，文件格式怪，表格读歪，命令跑一半挂掉。
这类事最适合被记下来。
OpenSpace 另一个点，是它没把经验绑死在单个 Agent 里面。
它做了 cloud skill community。
skill 可以上传，也可以搜，可以下载，还能分公开、私有、组内共享。
一个 Agent 把坑填了，别的 Agent 不用再从头试。
这件事听着不大。
可你真用过几个 Agent 并排干活，就知道有多浪费。一个窗口刚修好的办法，另一个窗口完全不知道。你还得手动复制、解释、再喂一遍。
OpenSpace 至少把这个动作往前挪了一点。
它也不是只能接自家东西。
README 里提到，可以接 Claude Code、Codex、OpenClaw、nanobot 这些支持 SKILL.md 的 Agent，也可以单独当 AI co-worker 用。
本地还有 dashboard。
能看 skill 分类、版本 lineage、执行记录。
我对这种页面会多看两眼。因为很多自称“自我进化”的项目，讲到最后就剩一张图。真到哪里坏了、哪个 skill 改过几次，反而看不见。
成绩单那块，项目自己给的数据挺猛。
在 GDPVal 这类真实职业任务基准里，用同样的 Qwen 3.5-Plus 做 backbone，热启动阶段 token 消耗降了约 45.9%，收入表现是基线 Agent 的 4.2 倍。
这个数我不会直接照单全收。
但至少能看出来，它不是只在拼“更会说”，而是在算少返工、少烧 token 这种账。
项目页还有个 My Daily Monitor 案例，说是 Agent 从零做出实时 dashboard，中间长出了 60 多个 skill。
我更关心那些 skill 的名字。
PDF 兜底。
Excel 处理。
代码 fallback。
结果校验。
一堆脏活。
挺真实的。
OpenSpace 现在 GitHub 上大概 3.6k stars、405 forks，MIT 协议。
GitHub地址：https://github.com/HKUDS/OpenSpace