让AI记住教训，不再重复犯错

安全的自改进日志系统，通过结构化记录错误、修正和最佳实践，帮助AI编码助手持续学习并避免重复犯错。

基本信息

• 技能名称?Self-Improving Agent
• 中文名称?让AI记住教训，不再重复犯错
• 作者?pskoett
• 分类?专业技能
• 版本?3.0.21
• 标签?self-improvement, knowledge-management, logging, continuous-learning, agent-skills, local-first, zero-dependency, privacy-focused

使用方法

使用说明
核心用法
Self-Improvement Skill 是一套本地日志记录系统，帮助AI助手捕获对话中的学习机会。当用户纠正错误、命令执行失败、发现知识过时或遇到缺失功能时，自动记录到 .learnings/ 目录下的三个文件：
LEARNINGS.md ：修正（correction）、洞察（insight）、知识缺口（knowledge_gap）、最佳实践（best_practice）
ERRORS.md ：命令失败、API异常、集成错误
FEATURE_REQUESTS.md ：用户请求的新功能
每条记录使用结构化格式（ID、时间戳、优先级、区域标签、摘要、详情、建议措施、元数据），便于后续检索和自动化处理。
显著优点

1. 零外部依赖 ：纯原生Shell/JavaScript实现，无第三方包，杜绝供应链攻击
2. 隐私优先 ：明确不记录密钥、令牌、环境变量，仅存储用户明确要求的日志摘要
3. 渐进式知识沉淀 ：单条记录 → 关联链接 → 高频模式 → 提升到项目记忆文件（CLAUDE.md/AGENTS.md）
4. 多平台兼容 ：支持Claude Code、Codex CLI、GitHub Copilot，通过hooks实现自动触发
5. 安全审计通过 ：静态分析95分、动态行为90分、依赖审计100分，整体S级（优秀）
   局限性与风险
6. T3级来源 ：由个人开发者（pskoett）维护，非企业级背书，需用户自行审计代码
7. 手动推广门槛 ：从日志到项目记忆文件的"推广"步骤需要人工判断，依赖使用者的经验
8. hook配置复杂 ：自动提醒需要修改agent配置文件（如 .claude/settings.json ），对非技术用户不够友好
9. 跨会话通信有限 ：OpenClaw平台的 sessions_send 等功能仅在受信环境可用，且需用户显式授权
10. 无内置分析工具 ：缺乏自动统计高频问题、生成趋势报告的功能，需手动 grep 查询
    适合人群
    长期项目的开发者，需要AI助手"记住"项目特定约定
    团队协作场景，希望沉淀共享的知识库
    追求工作流自动化的进阶用户，愿意配置hooks
    对代码安全敏感、偏好零依赖工具的用户
    常规风险
    数据残留风险 ： .learnings/ 目录默认被 .gitignore 排除，但若误提交可能暴露内部调试信息
    权限配置错误 ：若目录权限过宽（777），其他进程可能篡改学习记录
    过度记录噪音 ：无筛选机制可能导致低价值日志堆积，需定期人工清理
    版本兼容 ：Skill提取功能依赖特定目录结构，升级时可能破坏既有工作流
    self-improvement knowledge-management logging continuous-learning agent-skills local-first zero-dependency privacy-focused