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，其核心机制是通过结构化日志记录经验教训、错误修正和新功能需求，实现代理能力的迭代升级。该工具将学习内容以 Markdown 格式存储在 `.learnings/` 目录下，包含 `ERRORS.md`（记录命令失败和外部工具异常）、`LEARNINGS.md`（保存用户纠正、知识缺口及最佳实践）以及 `FEATURE_REQUESTS.md`（收集用户期望的新能力）三类文件。当某个问题反复出现或具有广泛适用性时，系统会自动将其提升为项目级记忆，写入 `CLAUDE.md`、`AGENTS.md` 或 `.github/copilot-instructions.md` 等共享配置文件，从而确保后续会话能继承这些关键洞察。这种机制特别适用于需要长期演进的开发环境，帮助代理快速适应项目特定约定、避免重复犯错，并逐步积累可复用的工作流模式。
核心功能特点
- 自动记录命令执行失败、API调用异常及工具集成问题到 ERRORS.md
- 捕获用户对代理输出的纠正意见，归类为 learning 条目并标记来源与上下文
- 支持将高频出现的问题转化为标准化解决方案，并通过 Pattern-Key 进行去重追踪
- 具备智能晋升机制，可将通用性强、影响范围广的学习成果推送到项目级配置文件
- 兼容多种开发环境，包括 Claude Code、GitHub Copilot 及 OpenClaw 工作空间体系
适用场景
Self Improving Agent 最适用于那些需要代理不断适应复杂项目环境并自我优化的场景。例如，在一个大型前端项目中，当代理尝试运行 `npm install` 却遭遇依赖解析错误时，该技能会立即将该错误详情——包括实际输出、环境变量和尝试过的修复步骤——记录到 ERRORS.md 中，并建议改用 `pnpm install`。如果用户随后指出代理误解了 API 文档中的认证流程，这一纠正将被分类为 `correction` 类型的学习条目，附带原始对话片段和修改后的正确逻辑，防止未来同类错误再次发生。对于希望扩展代理能力边界的团队而言，每当用户提出‘能否自动生成测试用例’这类功能请求时，系统会将其结构化存入 FEATURE_REQUESTS.md，同时评估实现复杂度与关联模块，为后续技能开发提供依据。此外，在 OpenClaw 工作流中，该技能还能与其他子代理协同，通过 sessions_send 工具将关键学习跨会话传递，形成组织级的智能增强闭环。