什么是wangkang-skill
wangkang-skill 是一个专为 AI 编程助手设计的自我改进技能，旨在通过系统化记录经验教训、错误及修正过程，实现开发流程的持续优化。该工具将学习成果以结构化 Markdown 文件形式保存，便于后续分析、复用和知识沉淀。无论是命令执行失败、用户纠正建议，还是外部 API 调用异常，所有关键信息都会被自动捕获并分类归档。其核心理念在于将每一次失败或调整转化为可复用的项目记忆，从而减少重复错误、提升开发效率。
该技能特别适用于需要长期演进和维护的复杂项目环境，能够显著增强 AI 代理对上下文和历史经验的理解能力。通过建立标准化的日志格式，它支持跨会话的知识传递与共享，使得不同时间点的交互可以基于共同的学习基础进行。同时，系统提供了灵活的推广机制，确保高价值的洞察能够从临时记录升级为永久性项目规范或团队共识。
对于采用 OpenClaw 平台的用户而言，此技能深度集成于工作流之中，通过预定义的文件注入机制自动加载相关指导文档；而对于其他主流 AI 编码工具（如 Claude Code、GitHub Copilot），则可通过配置钩子脚本或手动添加引用来实现类似效果。整体架构兼顾自动化提醒与人工干预，既保证了关键节点的及时反馈，又保留了开发者对知识管理节奏的控制权。
核心功能特点
- 自动记录操作失败、API 异常及外部工具调用错误，生成带详细上下文的可追溯条目
- 支持用户纠正、知识缺口识别与功能需求收集三类学习场景，按类别分类存储
- 提供标准化的 ID 命名规则（如 LRN-20250115-001）和时间戳元数据，确保条目唯一性与排序
- 内置优先级分级机制（critical/high/medium/low），帮助聚焦关键问题处理
- 具备跨会话通信能力，可通过 OpenClaw 工具链将学习内容分享给其他活跃会话
- 允许将高价值学习成果推广至项目级记忆文件（如 CLAUDE.md、AGENTS.md），形成持久化规范
适用场景
当你在使用命令行工具时遭遇非零退出码或超时故障，wangkang-skill 会引导你将错误详情写入 .learnings/ERRORS.md 文件，包括具体命令、参数和环境信息，为后续排查保留完整证据链。例如，若 git push 因认证缺失而失败，系统会提示你补充 Reproducible 标记和相关配置文件路径，便于快速定位根本原因。这种机制尤其适合处理偶发性但影响严重的集成问题，避免同类故障反复发生。
在协作式 AI 开发环境中，每当用户指出你的输出有误或提出新功能诉求时，技能会自动触发学习录入流程。比如用户反馈 ‘Actually, it should be…’ 或请求增加代码格式化选项，这些互动会被转化为带有 correction 或 feature_request 标签的结构化条目。更重要的是，当发现某个解决方案能简化现有模式或强化输入验证逻辑时，你可以通过 simplify-and-harden 流程将其固化为 Pattern-Key，并关联到稳定标识符，实现技术债务的主动治理。
对于追求工程卓越的项目团队，该技能还提供了定期审查与升级策略：每周检查待处理项数量，识别高频出现的高优先级问题，并评估是否应将其转化为团队公约——比如将 ‘必须用 pnpm install 而非 npm’ 这样的常识写入 CLAUDE.md，或将 API 变更后的客户端生成步骤纳入 AGENTS.md 的标准操作流程。此外，借助 hook 机制可在每次任务完成后弹出轻量级提示，鼓励开发者反思本次工作的得失，形成闭环的自我进化循环。