核心用法
Self-Improving Agent 是一套纯文档驱动的自我进化框架，通过三层记忆架构（HOT/WARM/COLD）实现知识的自动沉淀与检索。激活后，Agent 会在以下场景触发学习机制：(1) 用户明确纠错；(2) 任务完成后自我反思；(3) 发现更优方案。记忆文件存储于 ~/self-improving/ 目录，采用分级管理——memory.md（≤100行，常驻加载）、projects/ 与 domains/（按需加载）、archive/（冷归档）。系统支持自动升降级：3次成功应用→晋升HOT，30天未用→降级，90天未用→归档。
显著优点
- 零代码纯文档：无任何可执行代码，无供应链攻击风险
- 透明可控：每项记忆操作均标注来源，支持完整导出与删除
- 渐进式学习：通过3次重复验证才固化规则，避免过度拟合
- 命名空间隔离：项目/领域/全局三级继承，冲突时自动裁决
- 主动维护：Heartbeat 机制定期清理过期记忆，无需手动维护
潜在局限
- 依赖用户反馈：无法从沉默中推断偏好，需明确纠错信号
- 文件规模约束：HOT层仅100行，高频场景可能触发频繁Compaction
- 无跨会话同步：记忆绑定本地目录，多设备需手动同步
- T3来源可信度：个人开发者维护，虽代码质量高但长期支持存疑
适合人群
- 需要长期协作的复杂项目（代码、写作、设计）
- 对AI输出有稳定风格偏好的专业用户
- 重视隐私、拒绝云端记忆存储的敏感场景用户
常规风险
- 误存敏感数据：虽明确禁止存储凭证/健康数据，但用户违规写入需定期审查
- 记忆膨胀：未及时归档导致WARM层臃肿，影响加载效率
- 规则冲突：多级命名空间继承复杂，特定场景可能产生意外覆盖