（9737期）Self-Improving Agent – 让AI记住教训，不再重复犯错

让AI记住教训，不再重复犯错 安全的自改进日志系统，通过结构化记录错误、修正和最佳实践，帮助AI编码助手持续学习并避免重复犯错。 使用说明 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（knowledgegap）、最佳实践（bestpractice） 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 零外部依赖：纯原生Shell/JavaScript实现，无第三方包，杜绝供应链攻击 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 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） 多平台兼容：支持Claude Code、Codex CLI、GitHub Copilot，通过hooks实现自动触发 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 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 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 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 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 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 原始说明 Captures learnings, errors, and corrections to enable continuous improvement. Use when: (1) A command or operation fails unexpectedly, (2) User corrects Clau...