Self-Improving Agent (With Self-Reflection)

• Sie korrigieren häufig dieselben Fehler des Agenten und möchten, dass diese Korrekturen sitzungsübergreifend bestehen bleiben.
• Sie arbeiten an wiederkehrenden Projekten oder in Bereichen (Code, Texte, Kommunikation), in denen ein einheitlicher Stil und persönliche Präferenzen wichtig sind.
• Sie möchten einen Agenten, der seine eigenen Ergebnisse nach mehrstufigen Aufgaben selbst überprüft und gewonnene Erkenntnisse automatisch protokolliert.
• Wissen sollte sich im Laufe der Zeit aufbauen – Sie möchten lieber ein lebendes Präferenzprofil aufbauen, als den Kontext in jeder Sitzung neu erklären zu müssen.

• Sie benötigen Speicher nur für eine einzelne Sitzung oder eine einmalige Aufgabe – diese Skill ist für dauerhaftes, langfristiges Lernen konzipiert.
• Sie möchten, dass der Agent durch passive Beobachtung oder Stille lernt; diese Skill protokolliert nur explizite Korrekturen und geäußerte Präferenzen.
• Sie befinden sich in einer Umgebung, in der das Schreiben lokaler Dateien in ~/self-improving/ nicht erlaubt oder möglich ist.

Der Speicher ist auf drei Ebenen aufgeteilt: memory.md (HOT, ≤100 Zeilen, immer geladen), pro-Projekt- und pro-Domain-Dateien (WARM, bei Kontextübereinstimmung geladen) und ein Archiv (COLD, bei expliziter Abfrage geladen). Dies hält das relevanteste Wissen im Kontext, ohne die Grenzen zu überschreiten.

Muster, die innerhalb von 7 Tagen 3-mal verwendet werden, werden automatisch in den HOT-Speicher befördert. Nicht verwendete Muster werden nach 30 Tagen zu WARM herabgestuft und nach 90 Tagen in COLD archiviert. Nichts wird ohne ausdrückliche Benutzerbestätigung gelöscht.

Nach dem Abschluss mehrstufiger Aufgaben, dem Erhalt von Feedback oder der Behebung von Fehlern hält der Agent inne und bewertet: Entsprach das Ergebnis der ursprünglichen Absicht, was könnte verbessert werden, und handelt es sich um ein wiederholbares Muster? Erkenntnisse werden in einem strukturierten Format protokolliert und nach denselben Regeln wie Benutzerkorrekturen weitergegeben.

Der Agent erkennt Korrektursignale („Nein, das ist falsch", „Ich habe dir das schon gesagt…", „Hör auf mit X") und Präferenzsignale („Ich mag es, wenn du…", „Mach immer X") und leitet sie automatisch an die richtige Speicherebene weiter. Einmalige oder kontextspezifische Anweisungen werden dabei absichtlich ignoriert.

Projektspezifische Muster werden in projects/{name}.md gespeichert, globale Präferenzen in HOT und domänenbezogene Muster (Code, Texterstellung) in domains/. Bei Konflikten zwischen Mustern gilt die spezifischste und aktuellste Regel — bei verbleibender Mehrdeutigkeit wird der Benutzer zur Klärung aufgefordert.

Jede aus dem Speicher stammende Aktion gibt ihre Quelldatei und Zeile an (z. B. „Verwende X (aus projects/foo.md:12)"). Eine wöchentliche Zusammenfassung erlernter, herabgestufter und archivierter Muster ist auf Anfrage verfügbar. Der Skill speichert niemals Anmeldedaten, Gesundheitsdaten oder Drittanbieterinformationen und liest niemals Dateien außerhalb von ~/self-improving/.

Ein Entwickler korrigiert einmalig die Formatierungs- oder Architekturentscheidungen des Agenten. Der Agent protokolliert die Korrektur in corrections.md, und nach dem dritten Auftreten wird sie in domains/code.md übernommen. Zukünftige Sitzungen wenden die Regel automatisch an, ohne dass Erinnerungen erforderlich sind.

Für ein mehrwöchiges Projekt speichert der Agent Konventionen, Benennungsentscheidungen und Workflow-Präferenzen in projects/{name}.md. Jede Sitzung lädt diese Warm-Tier-Datei, wenn das Projekt erwähnt wird, und hält den Agenten so dauerhaft im Einklang mit den Projektregeln.

Nachdem der Agent ein mehrdateiliges Feature oder ein langes Dokument erstellt hat, reflektiert er, ob Abstände, Struktur oder Ton hätten besser sein können, protokolliert eine Erkenntnis und wendet sie beim nächsten Mal an, wenn eine ähnliche Aufgabe ausgelöst wird – ohne dass der Benutzer dasselbe Problem zweimal ansprechen muss.

Ein Benutzer gibt an: „Ich bevorzuge prägnante Antworten ohne Präambel." Der Agent speichert dies als globale HOT-Präferenz und verweist bei jeder Antwort darauf, um sicherzustellen, dass der Stil in allen zukünftigen Gesprächen beibehalten wird, ohne die Präferenz erneut angeben zu müssen.