概览
{“overview_html”:”Self Improving Agent 1.0.0 是一个专为 AI 智能体设计的持续学习系统，通过捕获开发过程中的错误、用户反馈和知识更新，实现智能体的自我迭代与能力提升。该工具采用结构化日志机制，将每次失败的操作、纠正建议、功能请求以及知识盲点记录为标准化的 Markdown 条目，形成可追溯的学习轨迹。系统支持三种核心日志类型：错误记录（ERRORS.md）用于追踪命令执行失败或外部接口异常；学习记录（LEARNINGS.md）涵盖用户纠正、知识缺口识别及最佳实践发现；功能请求（FEATURE_REQUESTS.md）则收集用户对增强能力的需求。所有条目均包含时间戳、优先级、影响领域等元数据，并通过唯一 ID 体系确保可追溯性。当问题被修复后，可标记为已解决状态并记录具体修复方案，形成闭环管理。”,”feature_items”:[“支持三类结构化日志：错误记录、学习收获和功能请求，每种类型均有标准化模板”,”提供自动触发检测机制，能识别用户纠正语句、功能请求表达和知识缺口提示”,”内置条目升级机制，可将通用性强的高价值学习内容自动提升至项目记忆文件（CLAUDE.md/AGENTS.md）”],”scenarios_html”:”该工具特别适合在命令执行意外失败时立即记录错误详情，包括具体报错信息、尝试的命令参数和环境上下文，便于后续重现和修复。当用户主动指出 Claude 的输出有误（如’不对，那错了’、’实际上应该…’）时，系统会自动将其转化为带有correction类别的学习条目，帮助模型理解正确的行为模式。对于用户提出的缺失功能需求（例如’能不能也支持…’或’为什么不能实现…’），工具会生成功能请求条目并评估实现复杂度，为后续功能规划提供依据。此外，在外部API调用失败或工具链中断的情况下，也能完整记录集成细节和故障现象，辅助定位第三方服务问题。当发现现有知识已过时或不准确时，可通过knowledge_gap类别进行标注，推动知识库更新。”]}