self-improvement

Self-Improvement Skill 是一套专为 AI 编码助手设计的持续学习框架，旨在通过结构化记录错误、用户纠正和功能需求，解决传统 AI 助手"无状态"导致的重复犯错问题。该技能与 OpenClaw 平台深度集成，同时兼容 Claude Code、Codex CLI 和 GitHub Copilot，通过建立本地知识库实现跨会话的经验沉淀。

核心用法围绕三个日志文件展开：.learnings/LEARNINGS.md 记录知识缺口和最佳实践，ERRORS.md 捕获命令失败和异常，FEATURE_REQUESTS.md 追踪用户需求。当 AI 犯错被纠正、遇到意外错误或发现更优方案时，系统会生成结构化条目（格式为 TYPE-YYYYMMDD-XXX），包含优先级、领域标签和解决状态。随着学习条目成熟，可将其"推广"至 CLAUDE.md、AGENTS.md 或 SOUL.md 等永久性项目记忆文件，成为所有后续会话的上下文基础。

显著优点包括：一是建立了真正的反馈循环，使 AI 从"一次性对话"进化为"持续学习"模式；二是支持模式识别，通过 Pattern-Key 和 Recurrence-Count 追踪重复问题，自动触发系统性修复；三是提供 Hook 脚本（activator.sh、error-detector.sh）实现自动化检测，减少人工记录负担；四是与 Simplify-and-Harden 技能集成，能将代码简化经验转化为持久化规则；五是跨 Agent 兼容，确保不同工具链间的知识共享。

潜在缺点不容忽视：首先，来源为 T3 级个人开发者（peterskoett），非官方或知名企业维护，存在长期维护不确定性；其次，需要开发者主动配置 Hook 并坚持记录习惯，否则容易沦为"写入即遗忘"的文档墓地；再者，学习文件可能无限膨胀，需要定期审查（Review）和归档，否则会增加 I/O 开销和上下文污染风险；最后，当前仅支持 Markdown 格式，对于偏好数据库存储或结构化 JSON 的团队可能不够灵活。

该技能最适合长期使用 AI 助手进行复杂项目开发的高级用户，特别是那些需要维护多个相关项目、希望建立团队级编码规范、或依赖 OpenClaw 多 Agent 工作流的开发者。对于短期项目或偶尔使用 AI 助手的用户，设置和维护成本可能超过收益。

使用风险主要包括：未及时清理的 .learnings/ 目录可能积累大量过时条目，导致 AI 在检索时引用已失效的解决方案；Hook 脚本虽然为 Opt-in 机制，但错误配置可能导致频繁的提示干扰；跨会话通信功能（如 sessions_send）如果使用不当，可能在多用户环境中泄露敏感上下文；此外，由于技能需要写入文件系统权限，在只读或高度受限的环境中无法正常工作。