核心用法
self-improvement Skill 是一套本地文档型工具，用于捕获AI辅助开发过程中的错误、用户纠正、知识缺口和功能请求。核心机制是在项目或工作区创建 .learnings/ 目录，维护三类结构化日志：
LEARNINGS.md— 纠正、洞察、最佳实践、知识缺口ERRORS.md— 命令失败、API异常、集成错误FEATURE_REQUESTS.md— 用户请求的新能力
触发场景明确：命令失败、用户纠正("Actually...")、知识过时、发现更优方案、API故障、用户请求缺失功能。每条记录使用标准化ID格式（如 LRN-20250115-001），包含优先级、状态、领域标签和元数据。
显著优点
1. 零攻击面设计：纯Bash/TypeScript工具，无外部依赖，无网络请求，无eval/exec等危险函数
2. 结构化改进循环：从错误记录 → 周期性审查 → 升级到项目记忆（CLAUDE.md/AGENTS.md）→ 提炼为可复用Skill
3. 多Agent兼容：原生支持OpenClaw工作区，同时提供Claude Code、Codex、Copilot的适配方案
4. Hook集成可选：通过UserPromptSubmit/PostToolUse钩子实现自动化提醒和错误检测，但完全 opt-in
5. 隐私合规：本地文件操作，明确禁止记录密钥/令牌，符合GDPR/CCPA
局限性与风险
| 维度 | 说明 |
|------|------|
| 人工依赖 | 需用户主动配置Hook或养成记录习惯，无强制自动化 |
| T3来源 | 个人开发者维护(pskoett)，建议定期复审上游更新 |
| 配置风险 | Hook路径若被篡改可能执行非预期代码（文档已含安全提醒） |
| 环境变量读取 | `error-detector.sh`读取`CLAUDE_TOOL_OUTPUT`进行本地模式匹配，虽为只读但需用户知情 |
| 价值衰减 | 未定期审查的日志会沦为噪音，需主动维护升级 |
适合人群
- 高频AI协作开发者：需要系统化积累项目专属知识，避免重复踩坑
- 多Agent用户：在OpenClaw、Claude Code、Codex间切换，需要统一记忆层
- 团队技术负责人：希望将隐性知识显性化，沉淀到
CLAUDE.md等共享上下文 - 追求可审计工作流者：需要可追溯的决策和改进记录
常规风险提示
- 勿记录敏感信息：Skill明确警告勿写入密钥、令牌、环境变量，建议配合
.gitignore使用 - Hook谨慎启用：PostToolUse钩子会检查命令输出，可能产生token开销；建议生产环境仅启用UserPromptSubmit基础钩子
- 定期升级审查：高价值学习应提升至项目记忆文件，避免
.learnings/无限膨胀 - 来源更新跟踪：T3级别项目，建议关注
pskoett-ai-skills仓库的安全更新
该Skill本质是一个纪律工具——安全、简洁、无魔法，价值完全取决于使用者能否坚持"记录-审查-升级"的闭环。