self-improving-agent

• 你经常纠正你的 AI 智能体 — 当你发现自己说"不，那是错的"或"实际上，用 pnpm 而不是 npm"时，这个技能会记录这些纠正，以免重蹈覆辙。
• 你正在运行一个长期项目 — 跨多个会话与 AI 智能体交互的团队和独立开发者，可以从一份不断增长、可搜索的项目约定与注意事项记录中获益。
• 你希望从解决方案中构建可复用的技能 — 当发现一个非显而易见的修复方法时，该技能的提取工作流会将其转化为一个独立的、可共享的技能。
• 你使用多智能体工作流 — OpenClaw 用户可以跨会话广播学习成果，并派生子智能体来利用积累的知识采取行动。

• 短暂的一次性任务 — 如果你使用智能体只是为了生成一个不需要后续会话的临时脚本，那么记录和审查条目所带来的开销并不会产生价值。
• 完全自动化且没有人工反馈循环的流水线 — self-improving-agent 的价值通过用户的纠正和审查不断积累；纯粹无人值守的运行不会产生有用的信号。

每个捕获的事件都会生成一条带类型和时间戳的条目，包含优先级、领域标签、状态以及 Pattern-Key 和 See Also 链接等元数据字段。三个独立的日志文件分别整理纠错记录、命令失败记录和功能请求，结构清晰，便于 grep 检索。

当某项学习具有广泛适用性时，self-improving-agent 技能会提供清晰的工作流程，将其提炼为简洁的规则，并写入 CLAUDE.md、AGENTS.md、.github/copilot-instructions.md 或 OpenClaw 工作区文件（SOUL.md、TOOLS.md）。这将短暂的会话上下文转化为持久的、贡献者可见的知识。

条目包含稳定的 Pattern-Key（模式键）和 Recurrence-Count（重复计数）。当某一模式在 30 天内跨 2 个以上不同任务被记录 3 次及以上时，self-improving-agent 的晋升规则会自动将其标记为需提升至系统提示级别的指导内容，从源头上杜绝重复错误的发生。

可选的钩子脚本（activator.sh、error-detector.sh）通过 UserPromptSubmit 和 PostToolUse 钩子与 Claude Code 及 Codex CLI 集成。这意味着错误检测和学习提示无需人工干预即可自动触发（每次提示约增加 50–100 个 token 的开销）。

满足质量标准（重复出现、经过验证、非显而易见、广泛适用）的学习成果，可以使用提供的 extract-skill.sh 辅助工具提取为独立的、可共享的技能。该工作流程包含试运行模式、质量关卡，以及对原始条目的状态追踪。

适用于 Claude Code、Codex CLI、GitHub Copilot 和 OpenClaw。每个智能体均有文档化的激活方式——Claude Code/Codex 采用基于钩子的方式，Copilot 采用手动注入 .github/copilot-instructions.md 的方式，OpenClaw 则采用工作区注入结合会话间消息传递工具的方式。

一个代理在 pnpm 工作区中反复尝试执行 npm install。在第一次纠错之后，self-improving-agent 技能会记录一条 correction 条目，开发者随即将其提升至 CLAUDE.md，内容为 Package manager: pnpm。后续会话读取该规则后，将不再重复同样的错误。

一个团队在版本控制中跟踪 .learnings/ 目录。当某位开发者的会话遇到 CI 身份验证问题并将其记录到 ERRORS.md 后，团队中的每个 self-improving-agent 都能在未来的会话中获取已记录的修复方案和建议解决办法。

在诊断一个棘手的 TypeScript 客户端重新生成问题（需要经过三轮调试会话）之后，相关学习内容积累了大量 See Also 链接以及较高的 Recurrence-Count。开发者运行 extract-skill.sh api-client-regen，将该解决方案打包为可分发的 self-improving-agent 技能。

在开始大规模重构之前，OpenClaw 会话利用钩子触发的提醒功能扫描 .learnings/ 目录，查找 backend 领域中待处理的高优先级条目，在编写任何一行代码之前，先应用所有已积累的规范。