什么是AI自动进化工程，结合self-improvement技巧+实际运行总结而成
AI自动进化工程是一种基于自我改进（self-improvement）机制构建的智能开发辅助系统，其核心理念是将开发过程中的经验、错误与修正系统化地记录、分析与复用，形成持续优化的闭环。该系统通过在本地维护一个结构化的学习日志目录（`.learnings/`），自动捕获命令执行失败、用户纠正、功能请求、API调用异常、知识过时以及发现更优做法等关键事件，并将其分类归档为学习条目（Learning Entries）、错误条目（Error Entries）和功能请求条目（Feature Request Entries）。这些条目不仅包含问题描述和上下文，还附带优先级、状态、相关领域（Area）及可执行建议，确保信息可被后续会话快速检索与应用。系统会在每次新会话开始时自动回顾历史待处理项和高优先级问题，在执行重大任务前提供上下文支持；在会话结束时则自动总结本次新增与关闭的条目，推动经验沉淀与归档，从而显著提升开发效率与代码质量的一致性。
核心功能特点
- 自动记录并分类开发中的错误、纠正、功能请求和经验发现，形成结构化学习日志
- 在会话开始和结束阶段自动执行回顾与总结，确保上下文连贯性和经验延续性
- 支持重复模式识别与合并，对高频出现的问题自动提升优先级并触发系统性修复
- 具备智能归档机制，定期清理低价值或已解决条目，保持日志文件精简高效
- 可将高价值经验自动提升到项目记忆文件（如CLAUDE.md、AGENTS.md），实现知识共享
- 通过Pattern-Key和See Also机制建立条目关联，强化经验之间的语义网络
适用场景
该工具特别适合需要长期积累技术债务管理经验的复杂项目开发场景。例如，在一个大型前端项目中，当多次遇到组件渲染异常时，系统会自动将这些错误记录到`ERRORS.md`，并在下次会话中提示开发者检查相关历史案例。若某次部署因Docker配置问题失败，该事件会被归类为infra类高优先级条目，并建议更新CI/CD流程中的健康检查逻辑。对于团队协作环境，当多个成员反复询问某个API接口的使用方式时，系统会将其识别为知识缺口，并推动将正确用法写入项目文档。另一个典型应用场景是自动化测试框架的迭代优化：每当测试用例因环境变化而频繁失败，系统不仅能记录具体错误信息，还能结合`simplify-and-harden`策略生成最佳实践条目，逐步固化稳定可靠的测试模式。此外，在面对用户需求变更或新功能提议时，系统会及时创建FEATURE_REQUEST条目，帮助团队评估实现成本与复用可能性，避免重复造轮子。无论是个人开发者还是分布式团队，只要存在经验沉淀和错误预防的需求，该工具都能有效降低认知负荷，提升工程健壮性。