self-improving-agent

• AIエージェントを頻繁に修正している — 「いや、それは違う」や「npmじゃなくてpnpmを使って」といった場面で、self-improving-agentがその修正を記録し、同じミスが繰り返されないようにします。
• 長期的なプロジェクトを進めている — 複数のセッションにわたってAIエージェントと関わるチームや個人開発者は、プロジェクトの規約や注意点を蓄積・検索できる記録から恩恵を受けられます。
• 解決策から再利用可能なスキルを作りたい — 非自明な解決策が見つかったとき、self-improving-agentの抽出ワークフローがそれをスタンドアロンで共有可能なスキルに変換します。
• マルチエージェントワークフローを使用している — OpenClawユーザーはセッションをまたいで学習内容をブロードキャストし、蓄積された知識をもとに行動するサブエージェントを起動できます。

• 短い、使い捨てのタスク — フォローアップセッションなしで一度限りのスクリプトにエージェントを使用している場合、ログの記録とエントリのレビューにかかるオーバーヘッドは価値を提供しません。
• 人間のフィードバックループがない完全自動化パイプライン — self-improving-agent の価値はユーザーによる修正とレビューを通じて蓄積されます。純粋に無人で実行される場合、有用なシグナルは生成されません。

記録されたすべてのイベントには、優先度、エリアタグ、ステータス、および Pattern-Key や See Also リンクなどのメタデータフィールドを含む、型付きのタイムスタンプ付きエントリが作成されます。3つの独立したログファイルにより、修正内容、コマンドの失敗、および機能リクエストが整理され、grepしやすい形式で管理されます。

学習内容が広く適用可能な場合、self-improving-agent はそれを簡潔なルールに蒸留し、CLAUDE.md、AGENTS.md、.github/copilot-instructions.md、またはOpenClawワークスペースファイル（SOUL.md、TOOLS.md）に書き込むための明確なワークフローを提供します。これにより、一時的なセッションコンテキストが、コントリビューターが参照できる永続的な知識へと変換されます。

エントリには安定した Pattern-Key と Recurrence-Count が含まれています。あるパターンが30日以内に2つ以上の異なるタスクにわたって3回以上記録された場合、self-improving-agentのプロモーションルールが自動的にそのパターンにフラグを立て、システムプロンプトレベルのガイダンスへの昇格を促し、繰り返しミスを根本から防止します。

オプションのフックスクリプト（activator.sh、error-detector.sh）は、UserPromptSubmitおよびPostToolUseフックを通じて、Claude CodeおよびCodex CLIと統合されます。これにより、エラー検出と学習プロンプトが手動操作なしで自動的に実行されます（プロンプトごとに約50〜100トークンのオーバーヘッドが発生します）。

品質基準（再現性、検証済み、非自明、広範な適用可能性）を満たす学習内容は、提供された extract-skill.sh ヘルパーを使用して、スタンドアロンの共有可能なスキルとして抽出できます。このワークフローには、ドライランモード、品質ゲート、および元のエントリに対するステータス追跡が含まれています。

Claude Code、Codex CLI、GitHub Copilot、OpenClaw と連携して動作します。各エージェントには、ドキュメント化された起動方法があります。Claude Code/Codex はフックベース、Copilot は .github/copilot-instructions.md への手動インジェクション、OpenClaw はワークスペースインジェクションとセッション間メッセージングツールを使用します。

あるエージェントが pnpm ワークスペースに対して npm install を繰り返し試みます。最初の修正が行われた後、self-improving-agent はスキルに correction エントリを記録し、開発者はそれを Package manager: pnpm として CLAUDE.md に昇格させます。以降のセッションではこのルールが読み込まれ、同じミスが二度と繰り返されることはありません。

あるチームは .learnings/ をバージョン管理でトラッキングしています。あるデベロッパーのセッションでCI認証の問題が発生し、それを ERRORS.md に記録すると、チームのすべてのエージェントが今後のセッションでその記録済みの修正方法と解決策の提案を参照できるようになります。

手間のかかるTypeScriptクライアント再生成の問題を診断するために3回のデバッグセッションを要した後、その学習内容にはSee Alsoリンクと高いRecurrence-Countが蓄積されます。開発者はextract-skill.sh api-client-regenを実行し、解決策を配布可能なスキルとしてパッケージ化します。なお、スキルのブランド名self-improving-agentはそのまま維持されます。

大規模なリファクタリングを開始する前に、OpenClawのセッションはフックによってトリガーされるリマインダーを使用して、.learnings/ ディレクトリをスキャンし、backend エリアにおける優先度の高い保留中のエントリを確認します。これにより、コードを1行も書く前に、蓄積されたすべての規約を適用することができます。