核心用法
Self-Reflection 是一款面向AI Agent的自我改进技能，通过结构化的心跳触发机制，帮助Agent记录错误、沉淀经验教训并实现持续优化。
主要工作流程：
check— 检查是否到达反思时间点（返回OK或ALERT）log <tag> <miss> <fix>— 记录具体错误、原因与解决方案read [n]— 回顾最近n条反思记录stats— 查看反思统计数据
集成方式：将 self-reflection check 嵌入 HEARTBEAT.md，配合OpenClaw的心跳机制（默认60分钟），实现自动化自我监督。
显著优点
1. 零代码风险：纯Markdown+JSON文档技能，无可执行脚本，彻底规避代码注入风险
2. 隐私优先：所有数据本地存储（~/.openclaw/、~/workspace/memory/），零数据外泄
3. 轻量依赖：仅需系统工具 jq 和 date，无第三方供应链风险
4. 机制清晰：心跳驱动+状态检测+日志记录的三段式架构，逻辑透明可控
5. 开源透明：MIT协议，GitHub公开维护，代码与功能声明高度一致
局限性与注意事项
- T3来源级别：作者为个人开发者（hopyky），非企业级背书，需自行评估长期维护意愿
- 功能边界：本质是日志框架，反思质量依赖Agent自身的分析能力，无AI辅助总结功能
- 手动配置依赖：需用户手动配置
openclaw.json和HEARTBEAT.md，门槛略高 - 存储管理：默认保留全部历史记录，长期运行可能需手动清理
适合人群
- 运行长期任务、需要持续优化的AI Agent用户
- 追求可审计、可追溯决策过程的开发者
- 重视数据主权、拒绝云端依赖的隐私敏感用户
- 希望建立"错误→学习→改进"闭环的技术团队
常规风险
| 风险类型 | 等级 | 说明 |
|---------|------|------|
| 代码执行风险 | 无 | 无可执行文件 |
| 数据泄露风险 | 极低 | 纯本地存储，无网络传输 |
| 供应链攻击 | 极低 | 无第三方依赖 |
| 作者风险 | 低 | 个人开发者，但代码完全公开 |
| 功能依赖风险 | 中 | 需正确配置心跳机制，否则失效 |
综合评估：安全等级S+的文档型工具，适合作为Agent自我监督基础设施，建议生产环境使用。