核心用法
agente-conhecimento（自我改进技能）为 AI 助手建立系统化的持续学习机制。其核心架构包含三类日志文件：
| 文件 | 用途 | 触发场景 |
|------|------|----------|
| `LEARNINGS.md` | 知识学习记录 | 用户纠正、知识过时、发现更优方案 |
| `ERRORS.md` | 错误日志 | 命令失败、API 异常、意外行为 |
| `FEATURE_REQUESTS.md` | 功能需求 | 用户请求缺失能力 |
日志格式规范
采用结构化 Markdown 模板，包含：唯一 ID（TYPE-YYYYMMDD-XXX）、优先级、状态、领域标签、详细描述、建议修复方案、元数据（关联文件、标签、交叉引用）。支持从 pending → in_progress → resolved/promoted 的状态流转。
集成方式
- OpenClaw（推荐）：通过 workspace 注入
AGENTS.md、SOUL.md、TOOLS.md、MEMORY.md及.learnings/目录，支持跨会话消息传递（sessions_list/send/spawn） - Claude Code/Codex：通过
.claude/settings.json或.codex/settings.json配置 hooks 实现自动触发 - GitHub Copilot：手动激活，建议写入
.github/copilot-instructions.md
知识升级机制
高价值学习可升级至项目永久记忆：
CLAUDE.md— 项目约定与陷阱AGENTS.md— 代理工作流与自动化规则SOUL.md— 行为准则与沟通风格TOOLS.md— 工具能力与集成细节
技能提取
当学习满足以下条件时可提取为可复用技能：重复出现（2+ 条 See Also 链接）、已验证解决方案、非显而易见、广泛适用。使用 extract-skill.sh 辅助脚本完成转化。
显著优点
1. 闭环反馈：突破"单次会话即遗忘"的 AI 局限，建立跨会话知识沉淀
2. 结构化追溯：唯一 ID 与交叉引用支持问题根因分析，避免重复踩坑
3. 多平台适配：OpenClaw/Claude/Codex/Copilot 均有对应激活方案
4. 渐进式治理：从临时日志 → 项目记忆 → 可复用技能，分层知识管理
5. 自动化友好：hooks 支持命令错误自动检测、任务后自动提醒
潜在局限
- 依赖用户配置：Hooks 需手动启用，Copilot 无自动触发能力
- 维护成本：需定期 review 避免日志膨胀，未清理的
pending项可能累积 - 推广摩擦：判断"何时升级至永久记忆"需要经验，存在过度/不足推广风险
- 无内置分析：缺乏自动化统计（如高频错误聚类、领域热点分析）
- 协作边界：
.learnings/是否入仓（团队共享 vs 个人本地）需显式决策
适合人群
- 长期项目的 AI 辅助开发团队，需沉淀领域知识
- 多代理协作场景（OpenClaw workspace 用户）
- 追求"越用越聪明" AI 助手体验的技术负责人
- 需要建立故障知识库的运维/基础设施团队
常规风险
| 风险 | 缓解措施 |
|------|----------|
| 日志泄露敏感信息 | 审查 `Context` 字段，避免记录密钥、令牌 |
| 过时学习误导后续会话 | 定期 review，及时标记 `wont_fix` 或删除 |
| 存储膨胀 | 设置清理规则，区分"临时日志"与"永久记忆" |
| 过度自动化导致 token 浪费 | hooks 产生 50-100 token/请求开销，按需启用 |
| 跨会话状态不一致 | 依赖文件系统，确保 workspace 路径稳定 |