核心用法
self-improvement-loop 是 OpenClaw 平台的自我进化引擎，通过五阶段闭环实现AI能力的持续迭代：
1. 实时捕获（Hook） — handler.js 监听用户会话中的 CORRECTION/ERROR/FEATURE 关键词，实时推送提醒至AI上下文，由AI决定是否写入学习记录。
2. 周期扫描（Cron） — 每小时自动执行 distill.sh，机械扫描 ~/.openclaw/workspace/.learnings/ 下的学习文件，提取 Pattern-Key 并统计出现次数。
3. 模式触发（Threshold） — 当同一 Pattern-Key 出现 ≥2 次且未通知或次数增加时，触发 Cron AI 生成 A/B/C/D 选项通知用户：
- A: 创建新技能 → 调用
skill-creator - B: 优化现有技能 → 调用
skill-improvement - C: 标记休眠 → 停止通知
- D: 升级至 SOUL/AGENTS/TOOLS 层级
4. 用户决策 — 用户回复选项后，主会话执行对应操作，结果自动归档。
5. 静默归档 — archive.sh 将已解决条目移至冷存储，完成闭环。
显著优点
- 全自动闭环：从错误捕获到技能生成无需人工干预核心流程
- 精准阈值控制：
(count ≥ 2) AND (notification_count < count)避免骚扰式通知 - 多语言支持：中英文关键词识别
- 零硬编码：路径、
openclaw.json通道、Telegram ID 均动态检测 - 状态机防重：
notified+notification_count+dormant三重机制 - 技能生态集成：直接扫描
skills/*/SKILL.md匹配现有优化候选
潜在局限
- 关键词依赖：用户必须使用特定关键词（CORRECTION/ERROR/FEATURE）才能触发捕获，自然语言反馈可能遗漏
- Pattern-Key 格式严格：必须为
X.Y.Z三段式，否则降级处理 - 单会话决策瓶颈：用户需在主会话回复，异步场景体验受限
- Cron 延迟：1小时周期对紧急修复不够实时
- 文件IO密集：频繁读写
.learnings/*.md和 JSON 状态文件
适合人群
- 高频使用 OpenClaw 的深度用户：产生大量交互反馈需要系统化沉淀
- 技能开发者：需要持续迭代优化自有技能
- AI 研究团队：构建具备自我改进能力的 Agent 系统
- 多语言场景团队：中英文混合工作环境
常规风险
- 权限宽泛：需
exec/read/write/cron/gateway_api五项权限，虽作用域受限但攻击面较大 - AGENTS.md 注入风险：
install.sh的自动追加机制若被篡改可导致配置污染 - Token 泄露：
OPENCLAW_GATEWAY_TOKEN依赖环境变量，容器配置不当可能暴露 - 冷存储不可审计：归档至
archive/YYYY-MM.jsonl后缺乏内置查询机制 - Pattern-Key 碰撞：三段式命名空间可能冲突，需人工维护命名规范