什么是wangkang-skill
wangkang-skill 是一款专为 AI 编码代理设计的自我改进技能，旨在通过系统化记录经验教训、错误修正和需求洞察，实现开发流程的持续优化。该工具的核心机制是将开发过程中遇到的失败操作、用户纠正、知识盲区以及功能请求等内容，以结构化 Markdown 格式归档到 `.learnings/` 目录下的三个专用文件中：`ERRORS.md` 用于记录命令执行失败或外部工具异常；`LEARNINGS.md` 保存用户纠正、知识缺口识别及最佳实践发现；而 `FEATURE_REQUESTS.md` 则追踪用户对新增能力的期望。这种设计使得每次交互中的关键信息都能被持久化存储，为后续会话提供上下文支持，并可通过定期回顾与升级机制，将高价值经验沉淀至项目级记忆文件（如 `CLAUDE.md`、`AGENTS.md` 或 Copilot 指令文件），从而避免重复踩坑并提升团队整体效率。 该技能特别适用于 OpenClaw 工作流环境，它利用基于工作空间的提示注入技术，在每次新会话开始时自动加载相关学习日志，确保所有参与方都能即时获取最新积累的知识资产。对于其他 AI 代理平台（如 Claude Code、Codex CLI 或 GitHub Copilot），也提供了手动配置方案，包括创建学习目录、设置钩子脚本进行自动化提醒与错误检测等灵活选项。无论采用哪种集成方式，其目标始终一致——构建一个闭环的学习反馈系统，让每一次失败都成为进步的阶梯，每一次成功经验都能被复用而非遗忘。 为了最大化学习效果，系统还引入了优先级分类（critical/high/medium/low）、领域标签（frontend/backend/infra/tests/docs/config）以及状态跟踪（pending/resolved/promoted）等元数据维度，帮助开发者快速筛选和处理重要事项。此外，“简化与强化”（simplify-and-harden）模式进一步增强了其智能化水平，能够自动识别重复出现的问题模式，并通过计数递增和关联链接的方式推动系统性修复建议的形成。
核心功能特点
- 结构化记录三类核心信息：错误日志（ERRORS.md）、经验学习（LEARNINGS.md）和功能请求（FEATURE_REQUESTS.md）
- 支持跨会话知识共享，可通过 OpenClaw 工作空间实现自动加载与分发
- 具备优先级分级与领域标签体系，便于分类管理和快速检索
- 提供钩子集成方案，可在命令失败或任务完成后触发自动提醒
- 内置‘简化与强化’机制，自动识别并聚合重复问题模式
适用场景
在日常编码过程中，当某个终端命令突然返回非零退出码或 API 调用抛出异常时，wangkang-skill 能立即引导你将详细上下文写入 `ERRORS.md`，包含实际报错信息、尝试的命令参数和环境细节，这为后续排查提供了可追溯的完整线索。例如，若你误用 `npm install` 导致依赖解析失败（而项目实际使用 pnpm），系统会建议你补充说明正确的包管理器及锁文件格式，从而防止同类错误再次发生。 当你正在处理一个复杂功能模块，用户突然指出你的实现方向有误，或者文档中引用的方法已过时，此时技能会提示你将此次纠正过程录入 `LEARNINGS.md`，并标记类别为 `correction` 或 `knowledge_gap`。比如，用户反馈某个 UI 组件的行为不符合预期，你可以记录下原始假设、错误原因及正确做法，甚至附上修复前后的代码对比截图，这样下次遇到类似场景时就能直接参考已有解决方案。 在产品迭代阶段，如果客户提出希望增加导出 PDF 报告的功能，或内部同事抱怨现有搜索接口响应太慢，这些都属于典型的 feature request。wangkang-skill 鼓励你在 `FEATURE_REQUESTS.md` 中按模板填写所需能力描述、用户背景和使用频率预估，同时标注复杂度等级（simple/medium/complex），以便产品负责人合理规划排期和技术选型。更进一步地，若此类需求反复出现多次且影响广泛，系统可将其提升至项目级指导文件，确保未来所有相关开发活动都能优先考虑此方向。