Self-Improving Agent (With Self-Reflection)

• Je corrigeert regelmatig dezelfde agentfouten en wilt dat die correcties blijven gelden tussen sessies.
• Je werkt aan terugkerende projecten of domeinen (code, schrijven, communicatie) waarbij consistente stijl en voorkeuren belangrijk zijn.
• Je wilt een agent die na meerstappige taken zijn eigen output controleert en geleerde lessen automatisch vastlegt.
• Kennis moet zich in de loop van de tijd opstapelen — je bouwt liever een levend voorkeурsprofiel op dan dat je elke sessie de context opnieuw uitlegt.

• Je alleen geheugen nodig hebt voor een enkele sessie of een eenmalige taak — deze vaardigheid is ontworpen voor aanhoudend, langdurig leren.
• Je wilt dat de agent leert van passieve observatie of stilte; deze vaardigheid registreert alleen expliciete correcties en uitgesproken voorkeuren.
• Je je in een omgeving bevindt waar het schrijven van lokale bestanden naar ~/self-improving/ niet is toegestaan of mogelijk is.

Het geheugen is verdeeld over drie lagen: memory.md (HOT, ≤100 regels, altijd geladen), bestanden per project en per domein (WARM, geladen bij contextuele overeenkomst), en een archief (COLD, geladen bij expliciete zoekopdracht). Dit houdt de meest relevante kennis in de context zonder de limieten te overschrijden.

Patronen die 3 keer in 7 dagen worden gebruikt, worden automatisch gepromoveerd naar HOT-opslag. Ongebruikte patronen worden na 30 dagen teruggezet naar WARM en worden na 90 dagen gearchiveerd naar COLD. Er wordt niets verwijderd zonder expliciete bevestiging van de gebruiker.

Na het voltooien van meerstappige taken, het ontvangen van feedback of het oplossen van bugs, neemt de agent een moment om te evalueren: voldeed het resultaat aan de bedoeling, wat kan er beter, en is dit een herhaalbaar patroon? Lessen worden vastgelegd in een gestructureerd formaat en gepromoveerd volgens dezelfde regels als gebruikerscorrecties.

De agent herkent correctiesignalen ("Nee, dat is fout", "Dat heb ik je al eerder gezegd…", "Stop met X doen") en voorkeurssignalen ("Ik vind het fijn als je…", "Doe altijd X") en stuurt deze automatisch naar de juiste geheugenlaag. Eenmalige of contextspecifieke instructies worden bewust genegeerd.

Projectspecifieke patronen worden opgeslagen in projects/{name}.md, globale voorkeuren in HOT, en domeinpatronen (code, schrijven) in domains/. Wanneer patronen conflicteren, wint de meest specifieke en meest recente regel — met een melding aan de gebruiker als er nog onduidelijkheid bestaat.

Elke actie afkomstig uit het geheugen verwijst naar het bestand en de regel (bijv. "X gebruiken (uit projects/foo.md:12)"). Een wekelijks overzicht van geleerde, gedegradeerde en gearchiveerde patronen is op aanvraag beschikbaar. De vaardigheid slaat nooit inloggegevens, gezondheidsgegevens of informatie van derden op, en leest nooit bestanden buiten ~/self-improving/.

Een ontwikkelaar corrigeert eenmalig de opmaak- of architectuurkeuzes van de agent. De agent registreert de correctie in corrections.md, en na de derde herhaling wordt deze gepromoveerd naar domains/code.md. Toekomstige sessies passen de regel automatisch toe zonder herinneringen.

Voor een project van meerdere weken slaat de agent conventies, naamgevingsbeslissingen en workflowvoorkeuren op in projects/{name}.md. Elke sessie laadt dat warm-tier bestand wanneer het project wordt genoemd, waardoor de agent consistent blijft afgestemd op de projectregels.

Na het genereren van een functie met meerdere bestanden of een lang document, reflecteert de agent op of de opmaak, structuur of toon beter had gekund, legt een les vast en past deze toe de volgende keer dat een vergelijkbare taak wordt gestart — zonder dat de gebruiker hetzelfde probleem twee keer hoeft aan te wijzen.

Een gebruiker geeft aan: "Ik geef de voorkeur aan beknopte antwoorden zonder inleiding." De agent registreert dit als een globale HOT-voorkeur en verwijst er bij elk antwoord naar, zodat de stijl in alle toekomstige gesprekken wordt gehandhaafd zonder de voorkeur opnieuw te hoeven vermelden.