核心用法
self-improving-enhancement 是一款面向AI助手的记忆管理与持续学习增强技能，基于原版 self-improving 构建。核心工作流程包括：
1. 初始化系统：运行 init.py 创建 ~/self-improving/ 目录结构，包含三级记忆存储（HOT/WARM/COLD）
2. 全量日志记录：通过 full-chat-logger.py 自动记录所有文本与图像对话，按日期存储为JSONL格式
3. 智能内存压缩：当 memory.md 超过80行时，自动检测相似条目（60%+重叠）并合并摘要
4. 模式识别学习：pattern-detect.py 自动分析修正记录，识别用户的时间偏好、格式习惯、沟通风格
5. 上下文感知应用：记录学习时的项目/任务类型上下文，防止跨场景误用（如工作vs个人场景）
6. 定时回顾：集成心跳检测，每周/月自动生成学习报告，清理过期记忆
显著优点
- 防记忆丢失：全量聊天日志彻底解决会话重启导致的上下文中断，图像支持路径+描述存储
- 自动化程度高：记忆压缩、模式识别、过期清理均为自动触发，减少手动维护
- 可视化统计：
stats.py与visualize.py提供记忆健康评分、使用效率图表 - 多技能协同：与
wechat-controller、health-guardian、skill-creator等技能共享记忆图谱 - 隐私安全：敏感数据（密码、健康数据）严格禁止存储，所有归档操作可逆
潜在局限
- 存储膨胀风险：全量日志长期累积可能占用大量磁盘空间，需依赖30天自动清理策略
- 上下文误判：自动场景匹配可能误将工作习惯应用到个人对话
- 多用户隔离：团队场景需手动创建独立记忆分区，无原生用户身份识别
- 依赖Python生态：需要
python3环境，Windows/Linux/macOS兼容性需验证
适合人群
- 高频使用AI助手、希望减少重复纠正的重度用户
- 跨多项目工作、需要区分场景标准的开发者/项目经理
- 追求AI助手"越用越懂你"体验的效率优化者
常规风险
- 数据残留：日志清理需用户确认（
--auto标志可跳过），误操作可能导致意外删除 - 模式固化：自动学习可能强化初期偏见，需定期人工审查
corrections.md - 技能依赖：必须搭配原版
self-improving使用，单独安装功能不完整