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