什么是Self Improving Agent
Self Improving Agent 是一个专为 AI 编程助手（如 Claude Code、Codex、GitHub Copilot）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、操作错误和用户需求，形成可复用的知识资产。该工具将学习过程系统化为三类 Markdown 文件：`.learnings/LEARNINGS.md` 用于记录纠正、知识盲区和最佳实践；`.learnings/ERRORS.md` 专门追踪命令失败和外部工具异常；而 `.learnings/FEATURE_REQUESTS.md` 则收集用户提出的功能需求。这种设计使得每一次失败或修正都能转化为未来工作的参考依据，并通过优先级标记和元数据字段实现高效检索。 该技能特别适用于 OpenClaw 工作流环境，它能自动注入项目记忆文件（如 CLAUDE.md、AGENTS.md），从而让跨会话的知识传承成为可能。当某个学习条目被验证为广泛适用时，系统会将其“晋升”到项目级文档中，例如将工具集成陷阱写入 TOOLS.md，或将团队协作规范纳入 AGENTS.md。这种分层存储策略既保证了具体问题的可追溯性，又确保了通用原则的持久影响力。此外，通过 ID 生成规则（如 LRN-20250115-001）和时间戳追踪，所有条目都具备唯一标识和可排序特性，便于后续审计与关联分析。 对于非 OpenClaw 环境的用户，该技能同样支持手动配置，只需在项目根目录创建 `.learnings/` 文件夹并初始化相应日志文件即可启用。无论是命令行工具的意外退出、API 调用的异常响应，还是用户对输出结果的即时修正，都会被自动捕获并格式化入库。更重要的是，它鼓励开发者建立反思习惯——在完成关键任务后主动评估是否应记录新发现，从而逐步构建起个人或团队的智能知识库体系。
核心功能特点
- 结构化日志系统：自动记录错误、学习成果和功能请求，采用标准化模板确保信息完整性
- 跨会话知识传承：支持将高价值学习内容晋升至项目级文档（如 CLAUDE.md、TOOLS.md），实现长期记忆
- 智能关联机制：通过 Pattern-Key 和 See Also 链接识别重复问题，触发系统性修复建议
- 多平台兼容：原生支持 OpenClaw 工作流，同时适配 Claude Code、Codex 及 GitHub Copilot 等主流开发环境
- 自动化检测钩子：可选配置错误检测脚本，在命令执行失败后立即启动日志流程
- 递归模式强化：针对 recurring patterns 提供简化硬化工作流，提升代码健壮性与一致性
适用场景
当你在运行 `git push` 时遭遇认证失败，Self Improving Agent 会自动将该错误写入 `.learnings/ERRORS.md`，包含完整的错误信息、尝试的命令以及可能的解决方案建议。若后续同一问题反复出现，系统会通过 See Also 链接聚合历史记录，提示你考虑将此问题升级为项目级文档中的工具陷阱说明，避免他人重复踩坑。 假设你在编写前端组件时收到用户反馈：“这个按钮颜色不符合品牌规范”。此时你可以快速创建一个学习条目，分类为 `correction`，详细描述原始设计与正确方案的差异，并附上设计系统链接作为参考。一旦该知识点被验证为普遍适用，它将被晋升至 SOUL.md 或 CLAUDE.md，成为团队统一的视觉准则，确保后续所有相关修改都符合标准。 另一个典型场景是处理复杂的多步骤任务，例如部署微服务架构。在此过程中，你可能会发现某个 CI/CD 脚本存在冗余逻辑，于是决定优化它。完成修改后，你不仅修复了当前问题，还将优化思路整理成 `best_practice` 类学习条目，设置 `Pattern-Key: simplify.ci_scripts` 并关联到已有类似案例。经过三次以上重复验证后，该条目会被自动推荐晋升至 AGENTS.md，作为未来同类任务的默认处理流程，显著提升整体开发效率。