Self-Improving Agent (With Self-Reflection)

• 您经常纠正同一个代理的错误，并希望这些纠正能在不同会话中持续生效。
• 您从事重复性项目或领域（代码、写作、沟通），其中一致的风格和偏好至关重要。
• 您希望代理在完成多步骤任务后能自我审查输出结果，并自动记录经验教训。
• 知识应随时间不断积累——您更愿意建立一个动态的偏好档案，而不是在每次会话中重新解释背景信息。

• 您只需要单次会话或一次性任务的记忆——此技能专为持久性、长期学习而设计。
• 您需要智能体通过被动观察或沉默来学习；此技能仅记录明确的纠正和已陈述的偏好。
• 您所在的环境不允许或无法将本地文件写入 ~/self-improving/。

记忆分为三个层级：memory.md（HOT，≤100 行，始终加载）、按项目和按领域划分的文件（WARM，在上下文匹配时加载），以及归档文件（COLD，在显式查询时加载）。这样可以在不超出限制的前提下，将最相关的知识保留在上下文中。

在 7 天内使用 3 次的模式将自动晋升至 HOT 存储。未使用的模式在 30 天后衰减至 WARM，并在 90 天后归档至 COLD。未经用户明确确认，任何内容都不会被删除。

在完成多步骤任务、收到反馈或修复错误后，Self-Improving Agent (With Self-Reflection) 会暂停并进行评估：结果是否符合预期、哪些方面可以改进，以及这是否是一个可复用的模式？经验教训将以结构化格式记录，并按照与用户纠正相同的规则进行提升和归纳。

该智能体能够识别纠正信号（如"不，那是错的"、"我之前告诉过你……"、"别再做 X 了"）以及偏好信号（如"我喜欢你……"、"总是做 X"），并自动将其路由到正确的记忆层级。一次性或特定上下文的指令将被有意忽略。

项目专属模式存储在 projects/{name}.md 中，全局偏好存储在 HOT 中，领域模式（代码、写作）存储在 domains/ 目录中。当模式发生冲突时，最具体且最新的规则优先生效——若仍存在歧义，则会提示用户进行确认。

每一个来源于记忆的操作都会注明其文件和行号（例如，"使用 X（来自 projects/foo.md:12）"）。系统可按需提供每周摘要，内容涵盖已学习、已降级和已归档的模式。Self-Improving Agent (With Self-Reflection) 从不存储凭据、健康数据或第三方信息，也从不读取 ~/self-improving/ 目录以外的文件。

开发者对代理的格式或架构选择进行一次纠正。代理将该纠正记录到 corrections.md 中，在第三次重复出现后将其提升至 domains/code.md。未来的会话将自动应用该规则，无需任何提醒。

对于一个持续数周的项目，代理将约定、命名决策和工作流偏好存储在 projects/{name}.md 中。每次会话在提及该项目时都会加载该温层文件，使代理始终与项目规则保持一致。

在生成多文件功能或长篇文档后，Self-Improving Agent (With Self-Reflection) 会反思间距、结构或语气是否可以做得更好，记录一条经验教训，并在下次触发类似任务时加以应用——无需用户重复指出同一问题。

用户表示"我希望回复简洁，不要有冗余的开场白。"智能体将此记录为全局热偏好，并在每次回复时引用该偏好，确保在未来所有对话中保持该风格，而无需用户重复声明。