核心用法
Correction Memory 是一个持久化修正记录的元能力技能，解决「纠正一次，遗忘一次」的代理失忆问题。当用户否决、覆盖或修正代理输出时，该技能自动将修正内容记录到 memory/corrections/[AgentType].jsonl，并在后续同类型代理启动时自动注入为前置上下文。
使用流程包含三步：1) 部署 lib/correction-tracker.js 核心库；2) 若已安装 intent-engineering 技能则自动完成注入，否则需手动调用 buildCorrectionPreamble() 拼接任务；3) 通过程序化 API 或自然语言指令记录修正。修正支持结构化元数据（如会话渠道），便于追溯。
显著优点
- 跨会话持久化：修正记录本地持久存储，不受单次会话限制
- 自动注入零配置：与 intent-engineering 深度集成，代理启动时静默生效
- 时效性管理：30 天自动过期机制防止过时规则堆积
- 灵活记录方式：支持程序化调用和自然语言交互两种录入模式
- 可审计追溯：JSONL 格式便于命令行查询和统计分析
潜在缺点与局限性
- 依赖文件系统：修正存储于本地 JSONL 文件，多机/容器环境需额外同步方案
- 关键词匹配粗糙：Agent 类型检测依赖任务描述关键词启发式规则，可能误判
- 无冲突解决机制：若同一问题存在多条矛盾修正，系统按时间序简单叠加
- 30 天硬编码：过期周期不可配置，特定场景可能过短或过长
- 与意图工程耦合：最佳体验依赖 intent-engineering，独立使用需手动集成
适合人群
- 频繁使用多代理协作的开发者/团队
- 需要长期调教特定领域代理（如代码风格、写作规范）的用户
- 构建可进化代理系统的 AI 应用架构师
常规风险
- 修正污染：错误记录的修正会被持续注入，形成负向强化循环，建议定期审计
memory/corrections/目录 - 隐私泄露：修正内容明文存储于工作区，含敏感信息的任务需脱敏后记录
- 存储膨胀：高频修正场景下 JSONL 文件可能膨胀，建议结合版本控制或归档策略