self-improving-agent

• Du korrigerar ofta din AI-agent — när du märker att du säger "Nej, det stämmer inte" eller "Använd pnpm, inte npm", fångar denna skill upp dessa korrigeringar så att de inte upprepas.
• Du driver ett långvarigt projekt — team och ensamma utvecklare som interagerar med AI-agenter över många sessioner drar nytta av ett växande, sökbart register över projektkonventioner och fallgropar.
• Du vill bygga återanvändbara skills från lösningar — när en icke-uppenbar fix upptäcks omvandlar skillens extraheringsarbetsflöde den till en fristående, delbar skill.
• Du använder arbetsflöden med flera agenter — OpenClaw-användare kan sprida lärdomar över sessioner och starta underagenter för att agera på ackumulerad kunskap.

• Korta, engångsuppgifter — om du använder en agent för ett enstaka engångsskript utan uppföljningssessioner kommer overhead för loggning och granskning av poster inte att ge något värde.
• Helt automatiserade pipelines utan mänsklig feedbackloop — skillens värde förstärks genom användarkorrigeringar och granskningar; helt obevakade körningar kommer inte att generera användbara signaler.

Varje registrerad händelse får en typangivelse med tidsstämpel, prioritet, områdestagg, status och metadatafält som Pattern-Key och See Also-länkar. Tre separata loggfiler håller korrigeringar, kommandonofel och funktionsförfrågningar organiserade och lättgenombara med grep.

När ett lärande är brett tillämpbart ger skickligheten ett tydligt arbetsflöde för att destillera det till koncisa regler och skriva dem till CLAUDE.md, AGENTS.md, .github/copilot-instructions.md, eller OpenClaw-arbetsytsfiler (SOUL.md, TOOLS.md). Detta omvandlar flyktigt sessionssammanhang till hållbar, bidragsgivarsynlig kunskap.

Poster inkluderar en stabil Pattern-Key och Recurrence-Count. När ett mönster loggas 3 eller fler gånger över 2 eller fler distinkta uppgifter inom 30 dagar, flaggar self-improving-agent:s befordringsregler automatiskt det för upphöjning till systempromptnivå-vägledning, vilket stoppar upprepade misstag vid källan.

Valfria hook-skript (activator.sh, error-detector.sh) integreras med Claude Code och Codex CLI via UserPromptSubmit- och PostToolUse-hookar. Detta innebär att feldetektering och inlärningsprompter aktiveras automatiskt utan manuell åtgärd (~50–100 tokens overhead per prompt).

Lärdomar som uppfyller kvalitetskriterierna (återkommande, verifierade, icke-uppenbara, brett tillämpbara) kan extraheras till fristående, delbara kompetenser med hjälp av det medföljande extract-skill.sh-verktyget. Arbetsflödet inkluderar torrkörsläge, kvalitetsgrindar och statusspårning på den ursprungliga posten.

Fungerar med Claude Code, Codex CLI, GitHub Copilot och OpenClaw. Varje agent har en dokumenterad aktiveringsmetod — hook-baserad för Claude Code/Codex, manuell injektion via .github/copilot-instructions.md för Copilot, samt arbetsyteinjektion med verktyg för kommunikation mellan sessioner för OpenClaw.

En agent försöker upprepade gånger köra npm install på en pnpm-arbetsyta. Efter den första korrigeringen loggar self-improving-agent en correction-post och utvecklaren befordrar den till CLAUDE.md som Package manager: pnpm. Efterföljande sessioner läser denna regel och gör aldrig samma misstag igen.

Ett team spårar .learnings/ i versionshantering. När en utvecklares session stöter på ett CI-autentiseringsproblem och loggar det i ERRORS.md, kan varje agent i teamet ta del av den dokumenterade lösningen och det föreslagna åtgärdsförslaget i framtida sessioner.

Efter att ha diagnostiserat ett knepigt TypeScript-klientregenerationsproblem som krävde tre felsökningssessioner ackumuleras lärandet med See Also-länkar och ett högt Recurrence-Count. Utvecklaren kör extract-skill.sh api-client-regen för att paketera lösningen som en distribuerbar färdighet med self-improving-agent.

Innan ett stort refaktoreringsarbete påbörjas använder en OpenClaw-session den hook-utlösta påminnelsen för att söka igenom .learnings/ efter väntande högprioriterade poster inom området backend, och tillämpar alla ackumulerade konventioner innan en enda rad kod skrivs.