Self Improving Agent 1.0.2

核心用法

Self-Improvement Skill 是一套面向 AI 编码代理的元认知工具，通过结构化日志记录实现持续改进。核心操作包括：

1. 情境捕获：在命令失败、用户纠正、API 错误、知识过时、发现更优方案等 6 种触发条件下自动记录
2. 分类存储：按类型写入 .learnings/ 目录下的 ERRORS.md（错误）、LEARNINGS.md（学习）、FEATURE_REQUESTS.md（功能请求）
3. 标准化格式：采用 [TYPE-YYYYMMDD-XXX] ID 体系，包含优先级、状态、领域标签、上下文、建议修复等结构化字段
4. 升级沉淀：将广泛适用的学习提升为 CLAUDE.md、AGENTS.md、.github/copilot-instructions.md 等永久项目记忆
5. 定期回顾：通过脚本统计待处理项、高优先级问题、特定领域学习

显著优点

• 跨代理兼容：支持 Claude Code、Codex CLI、GitHub Copilot、Clawdbot 等多种 AI 工具
• 渐进式知识积累：从一次性修复 → 项目记忆 → 可复用技能，形成完整知识生命周期
• 自动化集成：提供 UserPromptSubmit、PostToolUse 钩子脚本，实现近乎零摩擦的记录提醒
• 可提取为技能：满足验证标准的学习可自动提取为独立 SKILL.md，反哺技能库
• 团队协作友好：学习文件可纳入版本控制，成为共享知识资产

潜在缺点与局限

• 记录开销：每次触发需 50-100 tokens 的上下文评估，密集交互场景有累积成本
• 钩子依赖特定平台：Claude Code/Codex 的 Hook 机制非标准，其他代理需手动激活
• 状态维护负担："待处理"条目可能堆积，需要开发者主动回顾和清理
• 质量参差不齐：未经筛选的原始记录可能包含噪音，需要人工判断升级价值
• 无自动分析：仅提供存储和检索框架，不内置模式识别或根因分析能力

适合人群

• 长期使用 AI 编码工具的开发者：积累个人/团队与 AI 协作的专属知识库
• 多代理协作场景：需要在 Claude、Copilot、Clawdbot 间同步上下文的项目
• 复杂项目维护者：API 频繁变更、工具链复杂、隐性约定多的代码库
• 追求系统化改进的团队：希望将"踩过的坑"转化为可预防的知识资产

常规风险

• 敏感信息泄露：错误日志可能包含 API 密钥、内部路径、业务数据，需审查后再提交
• 过度记录：非关键问题的冗长记录会稀释高价值学习的可见性
• 虚假安全感：记录了不等于解决了，pending 状态条目长期堆积会丧失工具价值
• 技能膨胀：不加筛选地提取为独立技能会导致技能库碎片化，维护成本上升
• 平台锁定：钩子配置和脚本依赖特定 AI 工具的实现细节，迁移时需重新适配

核心用法

Self-Improvement Skill 是一套面向 AI 编码 Agent 的持续学习框架，通过标准化 Markdown 模板记录三类关键信息：

1. 学习记录（.learnings/LEARNINGS.md）：用户纠正、知识更新、最佳实践发现
2. 错误日志（.learnings/ERRORS.md）：命令失败、API 异常、意外行为
3. 功能请求（.learnings/FEATURE_REQUESTS.md）：缺失能力、用户需求

每条记录采用结构化格式，包含优先级（critical/high/medium/low）、状态追踪（pending/in_progress/resolved/promoted）、领域标签（frontend/backend/infra/tests/docs/config）及唯一 ID（如 LRN-20250115-001）。高价值学习可提升至项目记忆文件（CLAUDE.md、AGENTS.md、.github/copilot-instructions.md），实现跨会话知识传承。

显著优点

• 零依赖安全架构：纯 Bash 脚本实现，无外部包、无网络请求，通过 S+ 级安全认证
• 多 Agent 兼容：支持 Claude Code、Codex CLI、GitHub Copilot、Clawdbot 等主流 AI 编码工具
• Hook 自动化：可选配置 UserPromptSubmit 和 PostToolUse 钩子，实现任务后自动提醒与错误自动检测
• 技能提取闭环：满足条件（重复出现、已验证解决、非显而易见）的学习可一键提取为独立 Skill，形成可复用资产
• 渐进式知识升级：从临时记录 → 项目记忆 → 跨项目技能，三级知识沉淀体系

潜在局限

• 手动配置门槛：Hook 集成需用户显式创建 .claude/settings.json 或等效配置文件，无法开箱即用
• 无内置持久化：依赖本地文件系统，多机协作需自行同步 .learnings/ 目录
• Copilot 支持受限：因无 Hook 机制，Copilot 用户需完全手动操作，体验差距明显
• 学习价值判断主观："是否提升至项目记忆"依赖用户或 Agent 自行判断，缺乏自动化标准

适合人群

• 长期使用 Claude Code / Codex CLI 的专业开发者
• 需要维护复杂代码库、频繁遇到上下文丢失问题的团队
• 追求"每次错误都变成改进机会"的工程文化践行者
• 多项目开发者，希望沉淀可复用的 Agent 工作模式

常规风险

• 日志膨胀风险：长期运行可能产生大量 Markdown 文件，建议定期归档或清理 pending 状态条目
• 敏感信息泄露：错误日志可能包含命令参数、文件路径等，提交到公共仓库前需审查
• 过度记录负担：频繁中断记录可能打断心流，建议结合 Hook 的轻量提醒而非强制阻断