核心用法
Self-Improving Compound 是一套三层架构的AI记忆与持续学习系统，专为解决"文件式记忆易失效、经验难沉淀"的痛点设计：
Layer 1 — 实时捕获门控：每次任务完成前自动检查——是否存在用户修正、非显然错误、工具坑点、绕过方案或格式不匹配。若有，先搜索SQLite学习库避免重复记录，再写入结构化教训。禁止依赖"心理笔记"。
Layer 2 — 定时审计：通过隔离Cron任务（sessionTarget: isolated）扫描主会话历史，识别被遗漏的学习点，并维护记忆生命周期（HOT→WARM→COLD），避免污染主会话上下文。
Layer 3 — 经验晋升：验证有效的规则从learning/ SQLite流向skills/技能文件、AGENTS.md行为指令、TOOLS.md环境知识，形成7+3协同进化模型。
显著优点
- 结构化存储：SQLite替代碎片文件，支持去重搜索、生命周期管理、模式键关联
- 双轨捕获：实时门控+离线审计互补，兼顾即时性与完备性
- 量化晋升：明确的阈值（30天/90天未用降级，7天内3次复用升级）
- 防污染设计：Cron隔离运行，不消耗主会话token
- 隐私安全：自动脱敏令牌、密码、API密钥
潜在局限
- 依赖Python 3.8+环境：核心CLI需Python支持，纯容器场景需预装
- Bash钩子限制：自动触发依赖bash，Windows原生PowerShell需适配
- 初期配置成本：需正确区分Skill根目录与Workspace根目录，新手易混淆
- 过度记录风险：虽有"不记录琐碎噪音"规则，但仍需用户判断力
适合人群
- 长期运行、多会话协作的AI代理项目
- 团队共享的Copilot/OpenClaw工作空间
- 需要积累领域知识、减少重复踩坑的开发流程
- 对记忆可审计、可迁移有要求的合规场景
常规风险
- 路径混淆：误将学习写入Skill安装目录而非Workspace根目录
- Cron孤立性误用：Cron无会话上下文，不应嵌入需要用户确认的决策
- 敏感信息泄露：虽自动脱敏，但复杂嵌套结构仍需人工复核
- 生命周期僵化管理：自动降级可能误伤季节性重要知识，需定期人工导出审阅