让 AI 每天比昨天更懂你的学习系统

让AI代理自动学习与进化：通过每日复盘提取模式、更新记忆文件，实现知识的复利增长，适合需要长期协作的agent工作流。

基本信息

• 技能名称?Ai Compound 1.0.1
• 中文名称?让 AI 每天比昨天更懂你的学习系统
• 作者?amangarg1999
• 分类?专业技能
• 版本?1.0.0
• 标签?agent-learning, memory-management, automation, knowledge-compounding, clawdbot, cron, self-improvement, workflow-optimization

使用方法

使用说明
核心用法
Compound Engineering 是一套为 AI agent 设计的 自动学习闭环系统 。核心机制是「每日复盘→提取经验→更新记忆→次日应用」：

1. 会话捕获 ：agent 在日常对话、任务执行中产生的工作记录
2. 夜间复盘 （默认 22:30）：自动扫描 24 小时内所有会话
3. 经验提取 ：识别有效模式（Patterns）、失败教训（Gotchas）、用户偏好（Preferences）、关键决策（Decisions）、未完成项（TODOs）
4. 记忆更新 ：写入 MEMORY.md （长期知识库）和 memory/YYYY-MM-DD.md （当日详细日志）
5. 次日受益 ：agent 读取更新后的指令，服务能力随时间递增
   支持 Clawdbot 生态集成，可通过 cron/launchd 实现每小时快照 + 夜间复盘的全自动化。
   显著优点
   知识复利效应 ：初期效果细微，2-4 周后 agent 能预判用户需求、规避历史错误
   零手工维护 ：配置 cron 后完全自动化，符合「set and forget」理念
   结构化输出 ：强制分类（Patterns/Gotchas/Preferences 等）避免记忆碎片
   版本可控 ：所有记忆文件建议走 git 管理，变更可追溯
   生态兼容 ：原生支持 Clawdbot 心跳机制，易于嵌入现有工作流
   潜在局限
   噪音风险 ：高频自动提取可能将琐碎信息写入长期记忆，需每月手动 prune
   冷启动期 ：第 1-2 周几乎无明显体感改善，用户需信任长期价值
   提取质量依赖 prompt ：若夜间复盘指令模糊，可能遗漏关键模式或过度概括
   存储膨胀 ：持续运行数月后 MEMORY.md 可能冗长，需配套归档策略
   无冲突解决机制 ：多人协作场景下，并发修改记忆文件可能产生 git 冲突
   适合人群
   需要与同一 agent 长期深度协作 的知识工作者（开发者、研究员、创作者）
   运行 Clawdbot 或类似 agent 框架 、具备 cron/launchd 配置能力的用户
   追求「越用越顺手」体验、愿意忍受 2-4 周冷启动期的早期采用者
   常规风险
   记忆污染 ：错误的模式被固化为长期记忆后，需人工干预修正
   隐私泄露 ：会话内容写入本地 markdown 文件，敏感信息需脱敏或加密存储
   自动化依赖 ：过度信任 nightly review 可能导致关键决策未经人工确认即固化
   版本回退困难 ：git 历史虽可追溯，但记忆文件与其他代码混仓时回滚成本高