自我反思与自组织记忆

解决什么问题

Agent 会反复犯同一个错误：用户指出问题时临时改对了，过几天又回到旧行为。原因是经验只存在于单次对话里，没有被结构化保存，也没有一套机制判断什么值得长期记住。这个技能用本地 Markdown 文件建立一套自我改进回路，把纠正、偏好和反复奏效的做法沉淀下来，同时避免最常见的失败模式——从沉默中臆测规则、过早晋升导致热层污染、以及上下文预算被记忆文件吃光。

如何工作

记忆统一存放在 ~/self-improving/，采用三级结构：热层 memory.md 始终加载且限制在 100 行以内，温层 projects/ 和 domains/ 按上下文匹配加载，冷层 archive/ 只在显式查询时读出。学习信号分三类：用户明确纠正时写入 corrections.md；偏好表述如「永远替我做 X」直接进入热层；同一模式重复三次后触发确认询问，用户同意才会晋升。

标准流程是线性的五步：捕获信号并打标签、分类计数、落盘到对应层级、遇到删除或改写身份文件等操作时停在 ⏸ 待你确认 闸门、周期性回顾并输出周摘要。自我反思在完成重要工作后运行，评估结果是否符合意图、哪里可以更好、是否构成模式。命名空间按全局 → 领域 → 项目隔离，冲突时最具体的胜出，同层级则最近的胜出。

适用边界

它只做本地文件读写，不访问日历、邮件、联系人或网络，不读取 ~/self-improving/ 之外的路径，也不从沉默或观察中推断偏好。home 目录不可写时降级到工作区 .workbuddy/self-improving/ 并提示；写入失败自动重试一次后保留在会话内存，绝不静默丢弃。触达上下文上限时只加载热层，按需拉取匹配的命名空间，并明确告知用户哪些未加载。