Agent Skills
返回列表
自我改进型智能体记忆

自我改进型智能体记忆

AI Agent 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_5e5107f8/skill3。

技能介绍

解决的具体问题

智能体在长期交互中面临“遗忘”与“重复试错”的痛点。用户纠正过的错误在下一轮对话中依然可能发生，且缺乏有效机制将隐性的工作流偏好转化为显性的长期记忆。

核心能力与关键步骤

  • 信号捕捉：精准识别用户的显式纠正、偏好声明及高频指令，过滤一次性与假设性指令。
  • 分层记忆架构：采用 HOT（memory.md，常驻上下文）、WARM（projects/、domains/，按上下文匹配加载）与 COLD（archive/，按需查询）的三级存储结构。
  • 自动演进机制：基于使用频率进行动态晋升与降级。例如，7天内被验证3次的模式将晋升至 HOT 层；30天未触发的模式则降级至 WARM 层。
  • 自我反思：在完成任务或修复 Bug 后，主动评估输出质量，将可复用的改进点记录至 corrections.md。

适用边界与注意点

  • 数据隔离：所有状态仅保存在本地 ~/self-improving/ 目录，不访问日历、邮件等外部数据，不发起网络请求。
  • 安全边界：严格避免存储凭据、健康数据等敏感信息；记忆清理采用合并与摘要策略，绝不盲目删除已确认的偏好。
  • 推断限制：不通过用户的沉默或隐性观察来推断偏好，所有记忆沉淀均基于显式反馈或多次验证。

使用场景

  • 在项目编码中，将用户反复纠正的测试风格和目录选择记录为本地记忆，并在后续任务中引用来源。
  • 撰写周报时，把用户明确的语气偏好与固定结构沉淀到本地热点记忆，避免每次重新说明。
  • 调试多项目时，将项目级模式保存到项目命名空间，全局偏好保留在 memory.md，减少跨项目串扰。
  • 处理敏感任务前，检查技能不会存储凭据、健康数据或第三方信息，并只读写本地目录。

适合人员

  • 维护编码智能体的工程师，希望把用户反复纠正的代码风格沉淀为可引用记忆。
  • 运营 AI 工作流的产品负责人，要求智能体记住明确偏好但不访问邮件或联系人。
  • 构建长期助手的研究员，需要分层存储和自动降级，避免上下文被旧模式污染。
  • 使用本地智能体的安全负责人，需要技能不发起网络请求、不存储凭据且可导出记忆。