核心用法
self-improving-enhancement 是一套面向AI助手的持续学习与记忆管理系统，通过6个Python脚本实现自动化运维：
- init.py: 初始化记忆目录结构（memory.md, corrections.md, heartbeat-state.json）
- stats.py: 实时查看HOT/WARM/COLD三级记忆分布
- compact.py: 智能合并相似记忆（60%+词重叠自动检测）
- pattern-detect.py: 从纠错记录中自动提取用户偏好模式
- review.py: 周/月度学习报告生成与过期记忆清理
- visualize.py: 可视化内存健康度评分（0-100）
显著优点
1. 三级记忆架构: HOT(≤100行高频)、WARM(项目/领域级)、COLD(归档)实现精准分级
2. 上下文感知: 记录学习场景（Python代码审查 vs 微信聊天），防止跨场景误用
3. 多技能协同: 与wechat-controller、health-guardian等技能共享记忆，构建统一知识图谱
4. 量化成效: 官方数据称加载速度+65%、准确率+20%、用户纠错-73%、上下文错误-83%
潜在缺点与局限性
- 依赖本地Python环境: 需预装python3，Windows/Linux/macOS兼容性需验证
- 自我评估可信度: "300% smarter"等宣称缺乏第三方基准测试
- 敏感数据风险: 虽声明禁止存储密码/健康数据，但实际边界依赖用户配置
- 归档不可逆误解: 声称"所有操作可逆"，但长期归档后恢复依赖手动备份
适合人群
- 高频使用AI助手的重度用户（周交互>50次）
- 多项目/多身份切换的开发者（需上下文隔离）
- 追求"越用越懂你"体验的技术早期采用者
- 愿意维护本地文件系统的进阶用户
常规风险
- 记忆膨胀: 未配置自动归档时memory.md可能突破100行限制
- 模式误识别: 自动检测的"偏好"可能过度泛化短期行为
- 跨用户污染: 团队场景下需严格配置隔离，否则个人偏好会混合