自我改进智能体

要解决的问题

AI Agent 在多轮任务、多项目开发和并行会话中经常遇到同一类问题：用户刚纠正过的偏好再次被忽略，错误上下文只留在当次对话里，跨项目可复用的模式没有地方沉淀，经验也无法进一步提炼为可执行技能。self-improving 针对这个断层，给 Agent 增加一套轻量的记忆与复盘机制，而不是依赖模型自身每次重新理解上下文。

工作方式

该技能围绕 记录、反思、共享、提炼 四个步骤运行。会话开始时先做轻量检查：清理 ~/self-improving/shared/ 中超过 7 天的文件，控制共享目录不超过 20 个文件，并在 memory.md 超过 100 行时触发压缩。日常工作中，它会识别 用户纠正、运行错误、功能缺口、知识缺口 和 更优做法，把可复用信息写入项目本地或全局文件。对于跨会话信息，它使用扁平的 shared/ 目录作为临时看板：一个文件记录一条短经验，其他会话在任务开始或上下文切换时读取、应用后删除。记忆按 HOT、WARM、COLD 分层，常用规则保留在 memory.md，项目与领域模式放在更具体的文件中，长期不用的内容降级归档。当某个模式多次验证后，可提炼为 SKILL.md。

适用边界

它适合需要长期协作、多项目复用和跨会话一致性的工程场景。使用时要注意：只记录明确纠正或已验证问题，避免把沉默推断成规则；不存储密钥、令牌和敏感个人信息；不要一次性加载全部记忆，优先读取 HOT 层和最小匹配文件；共享内容应是可复用规则，而不是某次调试细节。