（1139期）Self-Improving 中文适配 – AI自我进化引擎 · 越用越懂你

AI自我进化引擎 · 越用越懂你 通过自我反思与纠错机制实现AI持续进化，构建分层记忆系统让经验自动沉淀，减少重复错误，越用越聪明。 使用说明 核心用法 Self-Improving + Proactive Agent 是一套让 AI 具备自我反思、自我纠错、自我学习能力的技能系统。当用户指出错误、完成任务后复盘、或发现更优方法时，Agent 会自动记录并改进。核心工作流包括： 学习信号捕获：识别用户纠错（"不对，应该是..."）、偏好表达（"我喜欢你这样..."）、重复模式（同一指令出现3次以上） 分层记忆存储：HOT（≤100行，常驻）、WARM（按需加载）、COLD（归档），实现精准上下文管理 自动升降级：3次验证成功则升舱，30/90天未用则降级归档 周期性心跳维护：通过 HEARTBEAT.md 自动执行内存整理与规则同步 显著优点 经验复利：知识随使用自动积累，无需手动维护知识库 精准归因：每个决策可溯源至具体记忆文件与行号 冲突智能解决：项目级 > 领域级 > 全局级，最近优先 优雅降级：上下文不足时仅加载核心记忆，绝不静默失败 安全边界清晰：明确不碰凭证、健康数据、第三方信息 潜在局限 启动成本：需运行 setup.md 初始化目录结构，首次使用有摩擦 冷启动问题：新场景下记忆为空，需积累3次验证才能形成稳定规则 静默偏见风险：若用户不主动纠错，错误模式可能持续 中文支持待完善：核心文档为英文，部分中文示例仅为翻译 适合人群 需要长期协作的复杂项目（编程、写作、设计） 对 AI 输出质量有持续优化需求的用户 愿意投入前期配置换取后期效率的进阶用户 多项目并行、需要上下文隔离的场景 常规风险 过度学习：从沉默中推断规则导致虚假关联（已明确禁止） 记忆污染：新规则过早升入 HOT 层可能干扰核心行为 隐私误存：用户可能无意中让 AI 记住敏感信息（需配合 boundaries.md 审计） 版本漂移：技能更新后旧记忆规则可能失效，需定期 clawhub sync 原始说明 Self-reflection + Self-criticism + Self-learning + Self-organizing memory. Agent evaluates its own work, catches mistakes, and improves permanently. Use when...