技能介绍

要解决的问题

在 AI Agent 协作开发中，很多有价值的经验很快会被上下文冲掉：一次 pnpm install 失败、一句“这里应该用 OpenAPI 重新生成客户端”、某个 CI 权限踩坑，如果没有沉淀，后面的人或 Agent 还会重复犯错。self-improvement-v2 要解决的不是代码修复本身，而是把错误、纠正、功能请求和知识缺口变成可检索、可追踪、可提升的项目记忆。

技能如何工作

它要求在项目或 workspace 根目录维护 .learnings/ 下的 Markdown 日志，通常包括：

LEARNINGS.md：用户纠正、知识缺口、最佳实践
ERRORS.md：命令失败、异常、外部工具故障
FEATURE_REQUESTS.md：用户希望补齐的能力

当 Agent 注意到触发条件时，应立即写入对应文件：命令非零退出、异常堆栈、用户说“不对 / 过时了”、提出“能不能也支持...”、发现更好的做法等。日志使用稳定 ID，例如 LRN-20250115-001、ERR-20250115-A3F、FEAT-20250115-002，并记录 Status、优先级、领域标签、关联文件和 See Also。

更关键的是“提升”机制：当某条经验不是偶发问题，而是适用于多文件、多任务或团队约定时，需要蒸馏成短规则，写入项目记忆文件，例如 CLAUDE.md、AGENTS.md、.github/copilot-instructions.md；在 OpenClaw workspace 中也可能落到 SOUL.md 或 TOOLS.md。重复模式还会通过 Pattern-Key 与 Recurrence-Count 跟踪，满足条件后再形成系统提示反馈。

适用边界

这个技能适合需要长期协作的 Agent 工作区，尤其是 Claude Code、Codex、Copilot、OpenClaw 等会读取项目记忆的场景。它不直接替你完成修复，也不保证所有日志都会被消费；价值取决于日志是否及时、具体、可行动。使用时应避免记录 secrets、tokens、完整源码或原始长输出，优先写脱敏摘要。若启用 hooks，要理解其会注入提示或检查命令输出，属于可选增强，不是默认必需。