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、操作错误和用户需求变更，形成结构化的知识库，从而实现代理能力的迭代优化。该工具将学习内容以 Markdown 文件形式存储在 `.learnings/` 目录下，支持自动分类与优先级管理，便于后续检索和应用。无论是命令执行失败、用户纠正反馈，还是外部 API 调用异常，均可被即时捕获并归档，确保每一次交互都能转化为可复用的改进点。特别地，当某些学习成果具备广泛适用性时，系统会将其‘晋升’至项目级记忆文件（如 `CLAUDE.md` 或 `AGENTS.md`），从而影响未来所有会话的行为模式。这种机制不仅提升了单个任务的完成质量，更构建了一个跨会话的知识传承体系，使 AI 代理能够不断积累实战经验，减少重复错误的发生概率。
核心功能特点
- 自动记录命令失败、用户纠正及功能请求三类关键事件
- 采用标准化 ID 格式（如 LRN-20250115-001）确保条目可追溯
- 支持将高频出现的模式提炼为稳定 Pattern-Key 进行聚类分析
- 提供从本地日志到项目级记忆文件的阶梯式晋升路径
- 兼容多种开发环境：OpenClaw 工作空间、Claude Code、GitHub Copilot 等
适用场景
Self Improving Agent 最适用于那些需要长期演进且易受上下文漂移影响的智能体开发场景。例如，在一个复杂的多模块项目中，AI 代理反复遭遇相同类型的构建错误（如误用 npm 而非 pnpm），此时可通过日志追踪发现根本原因，并将解决方案固化为项目规范写入 `CLAUDE.md`，避免后续同类问题重现。又如，当用户提出一项新功能需求但当前能力无法实现时，及时录入 `FEATURE_REQUESTS.md` 不仅保留原始意图，还可作为未来技能扩展的输入源。对于团队协作而言，若多个代理共享同一套学习日志，则能显著降低沟通成本——新加入的成员或代理可快速掌握历史痛点与最佳实践。此外，在自动化测试或 CI/CD 流程中，若某次部署因配置缺失而中断，该事件会被标记为高优先级错误，并附带具体修复建议，帮助运维人员迅速定位并恢复服务。总之，任何涉及反复调试、知识沉淀或跨周期协作的研发活动，都能从中受益。