什么是Self Improving Agent
Self Improving Agent 是一个专为 AI 编码代理设计的持续改进技能，其核心机制是通过系统性地记录经验教训、操作错误和用户反馈来构建项目知识库。该工具将学习内容以结构化 Markdown 文件形式保存，支持自动分类与优先级管理，并能根据学习价值将其升级至项目级记忆文件（如 CLAUDE.md、AGENTS.md 等），从而实现跨会话的知识传承。无论是命令执行失败、API 调用异常，还是用户对 Claude 的纠正建议，均可被快速捕获并转化为可复用的改进方案。它不仅适用于单一开发环境，更深度集成于 OpenClaw 平台，通过工作区注入和钩子机制实现自动化提醒与错误检测，显著提升开发效率与代码质量的一致性。
核心功能特点
- 自动记录三类关键信息：操作错误（ERRORS.md）、经验学习（LEARNINGS.md）和用户需求（FEATURE_REQUESTS.md）
- 支持基于 ID 编号（如 LRN-20250115-001）的结构化条目格式，包含时间戳、优先级、状态追踪及关联引用
- 具备智能推广机制，可将高价值学习内容自动提升至项目级文档（CLAUDE.md/AGENTS.md/.github/copilot-instructions.md）
- 兼容多种 AI 开发环境，包括 Claude Code、Codex CLI、GitHub Copilot 及 OpenClaw 工作流
- 提供周期性回顾工具链，支持按区域筛选待处理项、统计积压数量及识别重复问题模式
适用场景
Self Improving Agent 特别适用于那些频繁出现非预期结果或需要不断调整策略的开发场景。当某个命令行操作突然返回非零退出码时，系统会立即在 ERRORS.md 中创建条目，保留完整的错误输出、执行上下文和环境细节，便于后续分析根本原因。例如，若 git push 因认证缺失而失败，该事件将被标记为高优先级，并提示需配置远程仓库凭证——这一过程不仅记录了故障本身，还隐含了解决路径。同样，当用户主动指出 Claude 之前的回答有误（如‘实际上应该使用 pnpm install 而非 npm’），此反馈会被归类到 LEARNINGS.md 的 correction 类别下，形成正向的知识闭环。 另一个典型应用场景是功能扩展请求的处理。假设用户提出希望增加对 TypeScript 类型安全的自动校验能力，该需求会被录入 FEATURE_REQUESTS.md，附带用户实际使用场景描述和复杂度评估。随着类似请求多次出现，系统可通过 See Also 链接识别出共性模式，进而推动相关功能进入正式开发队列。这种机制尤其适合敏捷迭代团队，确保每个有价值的想法都不会因遗忘而流失。 此外，对于长期维护的大型项目而言，Self Improving Agent 能有效防止同类问题反复发生。比如某次部署脚本因 Docker 镜像标签变更导致中断，经过排查发现 CI/CD 流程未同步更新配置。此类系统性漏洞一旦被记录并标记为最佳实践（best_practice），即可通过 promotion 机制写入 AGENTS.md 或 TOOLS.md，成为所有参与者的默认行为准则。这样一来，即使新加入的成员或替换的 AI 代理也能迅速掌握关键约束条件，大幅降低人为失误概率。