（214期）Self Improving Agent 1.0.0 – 持续学习 · 知识沉淀 · 智能进化

持续学习 · 知识沉淀 · 智能进化 系统化记录错误、用户纠正与改进方案，通过结构化日志实现 AI 持续自我优化，支持知识沉淀至项目记忆库。 使用说明 核心功能 Self-Improvement Skill 是一套面向 AI 代理的元认知框架，用于捕获执行过程中的故障、用户反馈和认知更新，驱动持续改进循环。该技能通过标准化 markdown 日志格式，将零散的经验转化为可检索、可复用的结构化知识资产。 显著优点 结构化知识捕获：定义三类日志模板——LEARNINGS.md（学习记录）、ERRORS.md（错误日志）、FEATURE_REQUESTS.md（功能需求），均配备唯一 ID、优先级、状态追踪和元数据系统 智能升级机制：重要学习可"晋升"至 CLAUDE.md（项目级事实）或 AGENTS.md（代理工作流规则），实现从个案经验到通用知识的转化 自动化检测触发器：预设关键词模式自动识别用户纠正（"No, that's wrong..."）、功能请求（"Can you also..."）和知识缺口 周期性复盘支持：提供 CLI 命令快速筛选待处理项、高频问题区域，支持数据驱动的改进决策 团队协同友好：可选版本控制集成，使学习成为团队共享资产而非个人记忆 潜在局限 依赖主动执行：需 AI 或开发者主动调用，无强制触发机制，存在遗漏风险 日志膨胀风险：活跃项目可能快速积累大量条目，需定期维护避免信息过载 质量参差不齐：日志价值高度依赖记录者的细节完整度，缺乏自动校验 晋升主观性："广泛适用性"判断标准模糊，可能导致重要知识未升级或过度升级 无自动修复：仅记录问题，修复仍需人工或后续代理处理 适用场景 长期运行的 AI 编码代理项目 多开发者协作的复杂代码库 需要维护项目特定约定的团队 追求可观测性和可追溯性的工程文化 风险评估 | 风险类型 | 等级 | 说明 ||---------|------|------|| 信息泄露 | 低 | 日志可能含敏感路径或错误细节，建议审查后再提交版本控制 || 依赖惯性 | 中 | 过度依赖历史日志可能导致忽视环境变化 || 维护负担 | 中 | 需定期投入时间进行回顾和清理，否则沦为僵尸文件 | 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 Claude ('No, that's wrong...', 'Actually...'), (3) User requests a capability that doesn't exist, (4) An external API or tool fails, (5) Claude realizes its knowledge is outdated or incorrect, (6) A better approach is discovered for a recurring task. Also review learnings before major tasks.