核心用法
Memory Self-Heal 是一种韧性工程技能，专为解决 AI 代理反复失败、停滞或过度依赖用户微管理而设计。当检测到相同错误出现 2 次以上、工具调用因参数不匹配/认证失败/上下文溢出而失败、代理声称完成但无可见产物、或任务进度停滞超过 2 个周期时自动触发。
该技能执行标准化的便携式证据扫描流程：依次检索 memory/、tasks/、运行时日志、技能文档及核心能力文档，通过 PowerShell 或 POSIX shell 命令快速定位历史错误模式。随后对失败进行七类分类（语法参数、认证配置、网络可达性、UI登录墙、资源限制、虚假完成、未知），并执行三级恢复策略：
1. 直接修复：应用记忆库中的最佳已知修复，最小化验证动作
2. 安全回退：切换至更低脆弱性的替代工具/路径，缩小范围重试
3. 受控升级：标记阻塞状态，提供用户仅需执行的单一下一步操作
所有自愈周期强制写入记忆库，包含标准化错误签名、分类、尝试记录及可复用规则，形成持续改进的反馈闭环。
显著优点
- 自主恢复：显著降低人工干预频率，从"每次失败问用户"演进至"先自我修复"
- 知识累积：结构化记忆写入实现跨任务、跨会话的经验传承
- 安全边界明确：三级策略配合"最多 3 次重试""禁止自动执行破坏性操作"等硬约束
- 工具无关性：不绑定特定技术栈，shell 示例覆盖 PowerShell/POSIX 双生态
- 确定性优先：强调可验证产物（artifact）作为完成标准，对抗幻觉式"完成"声明
潜在局限
- 冷启动问题：初期无历史记忆时，直接修复层效果有限
- 分类盲区：七类分类法可能无法覆盖新兴失败模式，导致降级为"unknown"
- 记忆膨胀风险：尽管建议保持条目简短，长期运行后扫描效率可能下降
- 环境差异敏感：Windows/POSIX 命令示例需手动适配，非自动检测
- 升级策略依赖用户响应：第三级仍阻塞于人工输入，未解决根本依赖
适合人群
- 运行长期自主代理、追求最小人工值守的自动化工程师
- 构建韧性 AI 系统的平台/工具链开发者
- 需要跨会话故障模式累积的学习型代理架构师
常规风险
- 敏感信息泄露：规则明确禁止在记忆文件中记录密钥/token，但依赖执行者自律
- 无限循环假象：虽然设 3 次重试上限，若多个不同错误快速轮换可能绕过统计
- 错误记忆固化：若某次"修复"实为副作用缓解（非根因解决），后续可能重复错误策略
- 升级疲劳：频繁进入第三级"受控升级"可能使用户体验从"自动"滑向"半自动"