self-improving-agent

• Вы часто исправляете своего ИИ-агента — когда вы ловите себя на словах «Нет, это неверно» или «Вообще-то, используй pnpm, а не npm», этот навык фиксирует такие исправления, чтобы они не повторялись.
• Вы работаете над долгосрочным проектом — команды и разработчики-одиночки, взаимодействующие с ИИ-агентами в рамках множества сессий, получают выгоду от постоянно пополняемой и доступной для поиска базы соглашений и подводных камней проекта.
• Вы хотите создавать переиспользуемые навыки на основе найденных решений — когда обнаруживается неочевидное исправление, рабочий процесс извлечения навыка self-improving-agent превращает его в самостоятельный, доступный для совместного использования навык.
• Вы используете многоагентные рабочие процессы — пользователи OpenClaw могут транслировать накопленные знания между сессиями и запускать суб-агентов для работы с накопленными знаниями.

• Короткие, разовые задачи — если вы используете агента для единственного одноразового скрипта без последующих сессий, накладные расходы на ведение журнала и просмотр записей не принесут пользы.
• Полностью автоматизированные конвейеры без обратной связи с человеком — ценность навыка накапливается за счёт исправлений и проверок со стороны пользователя; чисто автономные запуски не будут генерировать полезных сигналов.

Каждое зафиксированное событие получает типизированную запись с временной меткой, включающую приоритет, тег области, статус и поля метаданных, такие как Pattern-Key и ссылки See Also. Три отдельных лог-файла обеспечивают удобную организацию и поиск через grep для исправлений, сбоев команд и запросов на добавление функций.

Когда полученное знание имеет широкое применение, навык предоставляет чёткий рабочий процесс для его преобразования в краткие правила и записи в CLAUDE.md, AGENTS.md, .github/copilot-instructions.md или файлы рабочего пространства OpenClaw (SOUL.md, TOOLS.md). Это превращает временный контекст сессии в долговременные знания, доступные всем участникам проекта.

Записи включают стабильный Pattern-Key и Recurrence-Count. Когда паттерн фиксируется 3 и более раз в рамках 2 и более различных задач за 30 дней, правила продвижения навыка self-improving-agent автоматически помечают его для включения в системный промпт в качестве руководства, устраняя повторяющиеся ошибки в корне.

Опциональные скрипты-хуки (activator.sh, error-detector.sh) интегрируются с Claude Code и Codex CLI через хуки UserPromptSubmit и PostToolUse. Это означает, что обнаружение ошибок и обучающие подсказки срабатывают автоматически без ручного вмешательства (накладные расходы ~50–100 токенов на запрос).

Знания, соответствующие критериям качества (повторяющиеся, проверенные, неочевидные, широко применимые), могут быть извлечены в самостоятельные, доступные для совместного использования навыки с помощью вспомогательного скрипта extract-skill.sh. Рабочий процесс включает режим пробного запуска, контрольные точки качества и отслеживание статуса в исходной записи.

Работает с Claude Code, Codex CLI, GitHub Copilot и OpenClaw. Для каждого агента предусмотрен задокументированный метод активации — на основе хуков для Claude Code/Codex, ручная инъекция через .github/copilot-instructions.md для Copilot, а также инъекция в рабочее пространство с инструментами межсессионного обмена сообщениями для OpenClaw.

Агент неоднократно пытается выполнить npm install в рабочем пространстве pnpm. После первого исправления навык self-improving-agent записывает запись correction, и разработчик переносит её в CLAUDE.md в виде правила Package manager: pnpm. В последующих сессиях агент читает это правило и больше никогда не повторяет ту же ошибку.

Команда хранит .learnings/ в системе контроля версий. Когда в сессии одного из разработчиков возникает проблема с аутентификацией в CI и он фиксирует её в ERRORS.md, каждый агент в команде получает задокументированное исправление и предложенное решение в будущих сессиях.

После диагностики сложной проблемы с регенерацией TypeScript-клиента, потребовавшей трёх сеансов отладки, накопленные знания пополняются ссылками See Also и высоким значением Recurrence-Count. Разработчик запускает extract-skill.sh api-client-regen, чтобы упаковать решение в виде распространяемого навыка self-improving-agent.

Перед началом масштабного рефакторинга сессия OpenClaw использует напоминание, запускаемое хуком, для сканирования .learnings/ в поисках ожидающих записей с высоким приоритетом в области backend, применяя все накопленные соглашения ещё до написания первой строки кода.