（535期）Self Improving Compound – Agent 结构化记忆与持续自进化引擎

Agent 结构化记忆与持续自进化引擎 结构化 SQLite 记忆引擎，实现 Agent 实时纠错捕获、Cron 自动审计与规则晋升闭环，打造持续自进化的 3+7 协同演化系统 使用说明 Self-Improving Compound 综合评估 核心用法 Self-Improving Compound 是一套替代传统文件式 Agent 记忆的结构化学习系统，采用四层架构实现持续自我进化： Layer 0 可观测管道：通过 Candidate → Learning → Promotion → Done 队列管理高价值经验，配合 dashboard.md 实时可视化待处理事项 Layer 1 实时捕获：AGENTS.md 前置拦截门在最终回复前自动记录用户纠错、工具异常与可复用方案 Layer 2 Cron 审计：隔离后台任务扫描近期对话上下文，检测遗漏教训并维护 HOT/WARM/COLD 生命周期 Layer 3 每日事实记忆：夜间生成 memory/YYYY-MM-DD.md 记录决策、路径与风险 Layer 4 晋升与治理：成熟规则从 SQLite → skills/ → 7 个根 Markdown 控制面文件（AGENTS.md/HEARTBEAT.md/IDENTITY.md/MEMORY.md/SOUL.md/TOOLS.md/USER.md） 系统采用 3+7 协同演化模型：memory//learning//skills/ 三大状态目录与七份根控制面文件共同迭代。Python 3.8+ CLI 配合 Bash 钩子，支持 1-5 级成熟度渐进部署。 显著优点 闭环学习架构：区别于单次记忆，形成"捕获-去重-晋升-提取"完整循环 双重捕获机制：实时门控 + Cron 审计互补，兼顾低延迟与全覆盖 生命周期管理：HOT/WARM/COLD 三级状态 + 30/90 天自动升降级，避免记忆膨胀 去重优先设计：强制 search-before-log 防止碎片化重复条目 安全隔离：Cron 任务运行在独立会话，不污染主上下文窗口 可观测性：JSONL 候选队列 + 状态仪表盘 + 模式键关联，进度透明可追溯 潜在局限 部署门槛高：需完整 8 阶段配置（环境变量、SQLite 初始化、捕获门指令、Cron 任务、钩子、管道、收集器、冒烟测试），新手易卡在 2/5 或 3/5 级 运行时依赖：依赖 Python 3.8+ 与 Bash，纯 sh 环境需降级使用 Cron 上下文脆弱：隔离会话无法自动访问主对话历史，必须配置确定性收集器或验证 sessions_history 可用性 晋升阈值主观：Recurrence-Count >= 3 等规则需人工调参，过度晋升可能导致根文件膨胀 技能目录耦合：学习记录与技能文件分离但晋升逻辑复杂，跨工作区共享时路径管理易出错 适合人群 长期项目维护者：需持续沉淀领域知识、减少重复踩坑的 Agent 工作流 多 workspace 团队：通过 SELFIMPROVINGLEARNING_ROOT 实现跨项目经验共享 自动化成熟度高的用户：能接受 Cron 配置、环境变量管理与 CLI 调试 安全意识强的场景：自动脱敏（token/密码/API key）与隔离审计满足合规要求 常规风险 | 风险点 | 说明 ||--------|------|| 配置遗漏 | Cron 任务未配置 delivery.channel 导致报告丢失 || 路径混淆 | --root 指向技能目录而非 workspace，导致学习记录位置错误 || 收集器失效 | 未配置 SELFIMPROVINGLIGHTCONTEXTCOLLECTOR 时 Cron 审计退化为无上下文扫描 || 生命周期僵化 | 30/90 天阈值未调优，活跃知识被过早归档或僵尸数据长期占用 || 晋升污染 | 自动化 --auto-promote 将不成熟规则写入 AGENTS.md，需配合人工审核 | 来源说明 技能源自 Hybrid 改编：融合 actual-self-improvement 执行核心、OpenHuman memory-tree 存储引擎、self-improving-compound 记忆架构及 self-improving-agent-local 晋升机制。作者 Rockway Chen，GitHub: LingmaFuture，联系邮箱 rockwaychen@gmail.com。当前版本 6.2.5，归属 memory-system 分类。 原始说明 Agent memory and self-improvement system. Replaces naive file-based agent memory with a structured SQLite learning engine: capture corrections, errors, and r...