核心功能
Self-Improving + Proactive Agent 是一套AI自我进化框架，通过三层级记忆架构（HOT/WARM/COLD）实现持续学习与能力积累。
核心机制：
- 学习信号捕获：自动识别用户纠错（"No, that's not right..."）、偏好表达（"I like when you..."）和重复模式
- 自我反思：完成重要任务后自动评估，记录改进点
- 记忆分层管理：HOT层（≤100行，常驻加载）→ WARM层（项目/领域文件，按需加载）→ COLD层（归档历史）
- 自动升降级：3次成功应用→升级HOT，30天未用→降级WARM，90天未用→归档
显著优点：
- 知识真正复利增长，无需手动维护长期记忆
- 命名空间隔离确保项目/领域/全局规则不冲突
- 透明度机制：每次引用记忆均标注来源
- 完善的隐私边界，明确禁止存储凭证/医疗数据
- 纯文档架构，零可执行代码风险
潜在局限：
- T3来源可信度（社区平台分发，无顶级基金会背书）
- 依赖用户主动纠错，无法从沉默推断偏好
- 需要定期人工确认高频模式才能固化为规则
- 仅限本地文件系统操作，无云端同步能力
适合人群：
- 需要AI长期陪伴、累积个性化工作流的用户
- 对隐私敏感、要求数据完全本地化的场景
- 开发者/创作者，需要AI记住项目特定规范
- 追求"越用越懂你"体验的高频使用者
常规风险：
- 来源可信度较低，建议生产环境前评估平台可靠性
- 记忆文件需自行备份，无自动灾难恢复
- 升级逻辑依赖成功应用计数，初期可能误判频率