Self-Improving Agent (With Self-Reflection)

• Você frequentemente corrige os mesmos erros do agente e quer que essas correções persistam entre as sessões.
• Você trabalha em projetos recorrentes ou em domínios específicos (código, escrita, comunicações) onde estilo consistente e preferências importam.
• Você quer um agente que faça autoauditoria de seus próprios resultados após tarefas de múltiplas etapas e registre automaticamente as lições aprendidas.
• O conhecimento deve se acumular ao longo do tempo — você prefere construir um perfil de preferências dinâmico a reexplicar o contexto a cada sessão.

• Você só precisa de memória para uma única sessão ou tarefa pontual — esta skill foi projetada para aprendizado persistente e de longo prazo.
• Você precisa que o agente aprenda por observação passiva ou silêncio; esta skill registra apenas correções explícitas e preferências declaradas.
• Você está em um ambiente onde a gravação de arquivos locais em ~/self-improving/ não é permitida ou possível.

A memória é dividida em três camadas: memory.md (HOT, ≤100 linhas, sempre carregada), arquivos por projeto e por domínio (WARM, carregados por correspondência de contexto) e um arquivo morto (COLD, carregado sob consulta explícita). Isso mantém o conhecimento mais relevante no contexto sem ultrapassar os limites.

Padrões utilizados 3 vezes em 7 dias são automaticamente promovidos para o armazenamento HOT. Padrões não utilizados decaem para WARM após 30 dias e são arquivados em COLD após 90 dias. Nada é excluído sem confirmação explícita do usuário.

Após concluir tarefas de múltiplas etapas, receber feedback ou corrigir bugs, o agente faz uma pausa para avaliar: o resultado atendeu à intenção, o que poderia ser melhorado e isso é um padrão repetível? As lições são registradas em um formato estruturado e promovidas pelas mesmas regras que as correções do usuário.

O agente reconhece sinais de correção ("Não, isso está errado", "Eu já disse antes…", "Pare de fazer X") e sinais de preferência ("Eu gosto quando você…", "Sempre faça X") e os direciona automaticamente para o nível de memória correto. Instruções únicas ou específicas de contexto são intencionalmente ignoradas.

Padrões específicos de projeto ficam em projects/{name}.md, preferências globais no HOT, e padrões de domínio (código, escrita) em domains/. Quando padrões entram em conflito, a regra mais específica e mais recente prevalece — com uma solicitação ao usuário caso a ambiguidade persista.

Toda ação originada da memória cita seu arquivo e linha (ex.: "Usando X (de projects/foo.md:12)"). Um resumo semanal dos padrões aprendidos, rebaixados e arquivados está disponível sob demanda. A skill nunca armazena credenciais, dados de saúde ou informações de terceiros, e nunca lê arquivos fora de ~/self-improving/.

Um desenvolvedor corrige as escolhas de formatação ou arquitetura do agente uma vez. O agente registra a correção em corrections.md e, após a terceira recorrência, a promove para domains/code.md. Sessões futuras aplicam a regra automaticamente, sem necessidade de lembretes.

Para um projeto de várias semanas, o agente armazena convenções, decisões de nomenclatura e preferências de fluxo de trabalho em projects/{name}.md. Cada sessão carrega esse arquivo de nível intermediário quando o projeto é mencionado, mantendo o agente consistentemente alinhado com as regras do projeto.

Após gerar um recurso com múltiplos arquivos ou um documento extenso, o agente reflete sobre se o espaçamento, a estrutura ou o tom poderiam ter sido melhores, registra uma lição aprendida e a aplica na próxima vez que uma tarefa semelhante for acionada — sem que o usuário precise apontar o mesmo problema duas vezes.

Um usuário declara "Prefiro respostas concisas sem preâmbulo." O agente registra isso como uma preferência global HOT e a referencia em cada resposta, garantindo que o estilo seja mantido em todas as conversas futuras sem que a preferência precise ser repetida.