让AI记住教训，不再重复犯错pskoett-self-improving-agent-3.0.21

核心用法

Self-Improvement Skill 是一套本地日志记录系统，帮助AI助手捕获对话中的学习机会。当用户纠正错误、命令执行失败、发现知识过时或遇到缺失功能时，自动记录到 .learnings/ 目录下的三个文件：

• LEARNINGS.md：修正（correction）、洞察（insight）、知识缺口（knowledge_gap）、最佳实践（best_practice）
• ERRORS.md：命令失败、API异常、集成错误
• FEATURE_REQUESTS.md：用户请求的新功能

每条记录使用结构化格式（ID、时间戳、优先级、区域标签、摘要、详情、建议措施、元数据），便于后续检索和自动化处理。

显著优点

1. 零外部依赖：纯原生Shell/JavaScript实现，无第三方包，杜绝供应链攻击
2. 隐私优先：明确不记录密钥、令牌、环境变量，仅存储用户明确要求的日志摘要
3. 渐进式知识沉淀：单条记录 → 关联链接 → 高频模式 → 提升到项目记忆文件（CLAUDE.md/AGENTS.md）
4. 多平台兼容：支持Claude Code、Codex CLI、GitHub Copilot，通过hooks实现自动触发
5. 安全审计通过：静态分析95分、动态行为90分、依赖审计100分，整体S级（优秀）

局限性与风险

1. T3级来源：由个人开发者（pskoett）维护，非企业级背书，需用户自行审计代码
2. 手动推广门槛：从日志到项目记忆文件的"推广"步骤需要人工判断，依赖使用者的经验
3. hook配置复杂：自动提醒需要修改agent配置文件（如.claude/settings.json），对非技术用户不够友好
4. 跨会话通信有限：OpenClaw平台的sessions_send等功能仅在受信环境可用，且需用户显式授权
5. 无内置分析工具：缺乏自动统计高频问题、生成趋势报告的功能，需手动grep查询

适合人群

• 长期项目的开发者，需要AI助手"记住"项目特定约定
• 团队协作场景，希望沉淀共享的知识库
• 追求工作流自动化的进阶用户，愿意配置hooks
• 对代码安全敏感、偏好零依赖工具的用户

常规风险

• 数据残留风险：.learnings/目录默认被.gitignore排除，但若误提交可能暴露内部调试信息
• 权限配置错误：若目录权限过宽（777），其他进程可能篡改学习记录
• 过度记录噪音：无筛选机制可能导致低价值日志堆积，需定期人工清理
• 版本兼容：Skill提取功能依赖特定目录结构，升级时可能破坏既有工作流

核心用法

Self-Improvement 是一套面向 AI 编码 Agent 的元认知工具，通过结构化 Markdown 日志实现持续学习循环。其核心工作流包含三个环节：

1. 即时捕获：在 8 种触发场景下自动记录——命令失败、用户纠错、功能缺失、API 故障、知识过时、方法优化等
2. 结构化存储：按 LEARNINGS.md（认知修正）、ERRORS.md（执行故障）、FEATURE_REQUESTS.md（需求缺口）分类归档，支持 ID 索引与交叉引用
3. 经验升级：高价值记录可晋升为 CLAUDE.md、AGENTS.md 等项目记忆文件，或提取为独立 Skill

关键机制：

• Pattern-Key 追踪：为重复模式设置稳定标识符，自动统计复发次数
• 跨会话通信：OpenClaw 平台支持 sessions_send/sessions_spawn 实现 Agent 间经验共享
• Simplify & Harden 集成：自动 ingestion 代码优化建议，形成预防性规则

显著优点

• 零侵入设计：纯文档+轻量 Shell，无第三方依赖，T-LITE 安全级别
• 渐进式沉淀：从临时日志 → 项目记忆 → 可复用 Skill 的清晰晋升路径
• 多 Agent 兼容：原生支持 Claude Code、Codex、Copilot，提供 Hook 与 Manual 两种激活模式
• 隐私优先：明确禁止记录 secrets/tokens，优先使用摘要而非原始输出

潜在局限

• 依赖自律执行：无强制触发机制，需 Hook 配置或人工提醒才能形成习惯
• 价值密度不均：低质量日志可能堆积，需配合定期 Review 机制
• 跨项目迁移成本：Pattern 沉淀为 Skill 需手动提取，尚未实现自动泛化

适合人群

• 高频使用 AI 编码工具的专业开发者
• 运行多 Agent 协作工作流的团队（OpenClaw 用户）
• 追求可复现、可审计开发过程的工程管理者

常规风险

• 日志敏感信息泄露：虽有明确警示，用户仍可能误记 credentials（建议 .gitignore 配置）
• 过度记录导致的噪音：缺乏自动压缩/归档机制，长期可能产生维护负担
• 经验固化偏差：频繁复用的 Pattern 可能将次优方案标准化，需结合人工复核