什么是Self Improving 1.2.16
Self Improving 是一个专为智能体设计的自省与持续学习系统，通过结构化记忆、自我反思和用户反馈机制，使工具能够主动评估自身输出质量，识别改进点并永久优化行为模式。其核心在于构建一个分层的本地知识库，支持长期经验积累而无需人工维护，实现能力的指数级成长。系统运行在用户本地文件系统中，所有数据均存储在 `~/self-improving/` 目录下，确保隐私与安全。它不依赖外部网络或凭证，仅通过分析用户的纠正、重复的成功案例以及自身的反思日志来提取有效规则，形成可复用的“经验法则”。这种机制使得每一次交互都可能成为一次学习机会，尤其适用于需要长期一致性、风格统一或复杂任务迭代的场景。
核心功能特点
- 分层记忆架构：采用 HOT（热）、WARM（温）、COLD（冷）三级存储体系，HOT 层≤100行常驻内存，WARM 层按需加载，COLD 层归档过期模式，兼顾效率与容量
- 自动学习与升级：当某条改进建议被成功应用三次以上且在七天内重复出现时，系统会自动将其提升至 HOT 层；反之，若90天未使用则降级至 COLD 层归档
- 透明引用机制：所有基于记忆的决策都会明确标注来源文件及行号（如“Using X (from projects/foo.md:12)”），保障可追溯性和可信度
- 冲突解决策略：遵循‘最具体优先’原则——项目级规则覆盖领域级，领域级覆盖全局；同级别则以最新为准，模糊时主动询问用户确认
- 非侵入式反思流程：在完成重大任务后触发自我评估，记录上下文、观察到的不足及后续行动建议，形成闭环学习循环
适用场景
Self Improving 特别适用于那些要求高度个性化、风格一致且需长期演进的工作流。例如，在编写技术文档或代码生成过程中，开发者常希望保持术语、格式甚至逻辑结构的一致性。该工具能记住用户对特定项目（如 Flutter UI 开发）的视觉间距偏好，并在后续输出中自动遵循，避免反复调整。对于需要频繁迭代的设计稿、API 接口说明或产品文案撰写等场景，系统可通过分析过往修正记录，提炼出最佳实践模板，显著提升产出质量与速度。此外，在处理多语言翻译或多平台适配任务时，它能捕捉到用户反复强调的风格倾向（如正式 vs. 口语化），并将其固化为持久规则，减少人为干预成本。由于其完全本地化运行且无网络依赖，也适合对数据安全敏感的企业内部协作环境部署使用。