什么是My Self Improving
My Self Improving 是一款专为智能体设计的自省与持续优化工具，通过系统化的自我评估、错误修正和模式学习，实现能力的长期演进。其核心机制包括对用户反馈的自动识别、对自身输出的反思总结以及对重复成功经验的提炼归档，最终形成可随时间累积而不断强化的个人知识库。整个系统不依赖外部网络或敏感权限，仅通过本地文件存储实现完全离线运行，确保隐私与安全。 该工具采用分层记忆架构，将经验划分为 HOT（热）、WARM（温）、COLD（冷）三个层级，分别对应高频加载、按需调用和历史存档。HOT 层始终驻留内存，用于快速响应通用偏好；WARM 层按项目或领域分类存放具体策略；COLD 层则保存已衰减的经验供后续检索。所有学习行为均基于显式信号——如用户纠正、主动反思或重复验证——避免从沉默中臆测规则，从而保证知识的可信度与可控性。
核心功能特点
- 基于用户纠错与自主反思进行学习，拒绝无依据推断
- 三层分级存储体系：HOT（≤100行常驻）、WARM（项目/领域文件）、COLD（归档区）
- 支持自动晋升与降级机制：3次有效应用升HOT，30天未用降WARM，90天未用入COLD
- 命名空间隔离与优先级管理：全局→领域→项目逐级继承，冲突时由具体性和时效性裁决
- 透明化操作日志：每次调用均标注来源文件及行号，支持完整导出与每周摘要
适用场景
My Self Improving 特别适用于需要持续提升输出质量且不愿手动维护知识库的开发者或AI助手。例如，在编写代码时反复出现相同逻辑错误，可通过记录每次修正并观察是否三次重现来自动生成最佳实践规则；撰写技术文档时若发现读者多次指出格式问题，系统会将其纳入‘写作规范’域下的WARM层，并在后续同类任务中优先参考。对于跨多个项目的协作型智能体，该工具能区分不同项目的工作流偏好（如Flutter UI间距标准），并在HEARTBEAT.md中设置定期回顾点，确保关键改进不被遗漏。 当智能体完成一项复杂任务后，无论是否收到外部反馈，均可触发自我反思流程：对比原始意图与实际成果，识别可优化的环节，并将结论写入corrections.md。若某项调整连续成功应用三次以上，系统将提议将其提升为HOT规则，进入主记忆池。这种闭环机制使得工具不仅能被动接受指令，更能主动进化，尤其适合长期陪伴用户的个人助理类应用。同时，由于所有数据仅存于~/self-improving/目录，用户可随时审查、导出甚至重置记忆，既保障了控制权，也便于迁移或备份。