核心用法
Self-Improving Agent 是一套结构化文档体系，指导 AI 在每次交互后执行自我评估与经验沉淀。核心流程为：
触发时机：用户纠错、完成任务后、发现自身输出可优化时
三级记忆架构：
- HOT (
memory.md, ≤100行)：高频模式，始终加载 - WARM (
projects/,domains/, ≤200行/文件)：项目/领域专项，按需加载 - COLD (
archive/)：衰减归档，显式查询才加载
运作机制：自动检测用户信号（"No, that's not right..."/"Always do X"）→ 写入 corrections.md → 成功应用3次后晋升 HOT 层 → 30天未用降级 → 90天归档。支持跨层级继承（global → domain → project），冲突时最具体、最新者胜出。
显著优点
- 零代码风险：纯 Markdown 文档型 Skill，无可执行脚本、无动态加载、无网络调用
- 知识复利：经验自动沉淀，用户无需重复教导同一偏好
- 透明可控：每条记忆标注来源文件与行号，支持随时导出/删除/审查
- 优雅降级：上下文不足时优先保 HOT 层，明确告知用户加载状态
局限性与风险
- 依赖用户主动纠错：明确声明 "Never infer from silence alone"，静默场景下无法自动学习
- 文件膨胀风险：虽内置 compaction 规则，但需用户或 Agent 定期执行维护
- T3 来源可信度：个人开发者/社区项目，无企业级审计背书
- 边界依赖自律：
boundaries.md禁止存储凭证/健康数据，但执行依赖 Agent 遵守而非技术强制
适合人群
高频使用 AI 且希望减少重复沟通成本的长期用户；对本地数据控制有要求的隐私敏感型用户；需要 AI 在多项目间保持上下文一致性的多任务工作者。
常规风险
记忆文件存储于本地 ~/self-improving/，虽 Skill 本身无网络外泄代码，但用户需自行保障该目录的磁盘加密与访问权限。建议定期导出备份，敏感项目启用项目隔离命名空间。