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，其核心机制是通过记录经验教训、错误及修正来实现自我优化。该工具将学习内容以结构化的 Markdown 格式存储在 `.learnings/` 目录下，包括 `LEARNINGS.md`（用于记录纠正、知识缺口和最佳实践）、`ERRORS.md`（命令或操作失败日志）以及 `FEATURE_REQUESTS.md`（用户需求功能请求）。当代理遇到意外失败、用户主动纠正、外部 API 异常或发现更优方案时，系统会自动触发日志记录流程。这些日志不仅帮助当前会话避免重复错误，还能通过晋升机制将高价值学习内容推送到项目级记忆文件如 `CLAUDE.md`、`AGENTS.md` 或 `.github/copilot-instructions.md` 中，形成跨会话的知识传承体系。
核心功能特点
- 自动记录命令执行失败、API异常及用户纠正信息到结构化 Markdown 日志文件
- 支持三种学习类型：经验教训（LEARNINGS.md）、错误报告（ERRORS.md）和功能请求（FEATURE_REQUESTS.md）
- 提供优先级分类（critical/high/medium/low）和领域标签（frontend/backend/infra等）便于筛选管理
- 具备晋升机制，可将通用性强的高价值学习内容推送到项目级记忆文件实现知识沉淀
- 兼容 OpenClaw 工作空间架构，支持跨会话学习共享与子代理协同工作
适用场景
该工具特别适合处理两类典型场景：一是命令或操作意外失败的情况，例如 Git 推送因认证未配置而中断、Docker 构建因缓存问题崩溃等，此时系统会生成包含错误详情、环境上下文和可复现步骤的完整错误条目；二是用户主动纠正 Claude 或其他 AI 代理的行为，比如指出某个 API 调用方式已过时、代码风格不符合团队规范等，这类反馈会被归类为‘correction’类型的学习条目。此外，当用户提出新功能需求（如‘能否增加批量处理接口’）、发现知识盲区（如某框架版本特性变更未被文档覆盖），或反复出现相同类型问题时，都应触发日志记录流程。通过定期回顾这些条目并适时晋升至项目记忆库，不仅能提升单次任务的完成质量，更能积累形成可复用的工程智慧资产。