核心用法
self-improvement-loop 是一套完整的AI自我进化基础设施，通过五阶段闭环实现自动化技能迭代：
1. 实时捕获：Hook拦截器监听会话中的 CORRECTION/ERROR/FEATURE 关键词，自动推送提醒至AI上下文
2. 周期蒸馏：每小时执行 distill.sh 机械扫描 ~/.openclaw/workspace/.learnings/ 目录，统计Pattern-Key出现频次
3. 阈值触发：同一模式出现≥2次且未通知过，触发A/B/C/D决策通知（A=创建技能/B=优化技能/C=跳过/D=升级至核心配置）
4. 用户决策：用户回复单字母指令，主会话自动调用 skill-creator 或 skill-improvement 执行
5. 静默归档：archive.sh 自动将已解决条目转入冷存储，避免重复打扰
显著优点
- 零摩擦捕获：无需用户主动记录，Hook实时识别多语言关键词（中英）
- 智能防骚扰：
notified+notification_count双字段状态机，避免重复通知 - 全链路自动化：从反馈采集→模式识别→代码生成→归档清理，全程无人值守
- 通道自适应：自动扫描
openclaw.json检测首个可用通知渠道（Telegram/Discord等）
潜在局限
- 冷启动依赖：需用户主动安装并执行
install.sh完成Cron注册与AGENTS.md注入 - 模式Key严格：必须匹配
X.Y.Z三段式格式，否则降级为category-only聚合，可能损失精度 - 权限宽泛：需
exec/read/write/cron/gateway_api五项权限，虽做了沙盒隔离声明，但攻击面仍较传统Skill更大 - 静默风险：
archive.sh无交互确认，误标记为resolved的条目无法便捷恢复
适合人群
- 高频AI交互用户：日均对话>50轮，积累大量边缘case需要系统化沉淀
- 技能开发者：需要基于真实用户反馈持续迭代工具链的进阶用户
- 追求自动化极客：愿意将「AI调教AI」的元能力托管给系统的信任型用户
常规风险
- Token泄露：
OPENCLAW_GATEWAY_TOKEN虽从环境变量读取，但脚本拥有gateway_api权限，一旦其他组件被攻破可横向操作Cron生命周期 - AGENTS.md污染：
install.sh的自动追加机制（Enter即确认）存在误触风险，建议用户首次安装时手动审查注入内容 - 数据残留：
.learnings/目录长期累积可能包含敏感对话片段，需定期审计归档文件