自我改进经验记忆
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_aba7511a/self-improving-skills 到您的 AI 助手中。
技能介绍
问题：AI Agent 的经验没有沉淀
AI Agent 在任务中经常遇到命令失败、API 行为不符、用户纠正或更好的做法，但这些信息通常只留在单次对话里。下一轮会话如果缺少上下文，容易重复犯错、重复解释，也很难把“这次踩过坑”变成后续可检索、可复用的规则。self-improving-Skills 要解决的，正是这种经验碎片化问题：把运行过程中的错误、纠正、功能需求和知识空白，结构化成可持续追踪的 Markdown 记录。
工作方式：从日志到记忆
它会把不同信号写入不同文件：命令或外部工具失败写入 .learnings/ERRORS.md；用户纠正、知识空白、最佳实践写入 .learnings/LEARNINGS.md；功能诉求写入 .learnings/FEATURE_REQUESTS.md。条目使用 TYPE-YYYYMMDD-XXX 的 ID，便于检索和关联。对于重复出现的问题，技能会搜索已有条目、添加 See Also 链接、递增 Recurrence-Count，并在满足条件时把经验提升到 WorkBuddy 记忆文件，例如 ~/.workbuddy/MEMORY.md 或 .workbuddy/memory/MEMORY.md。它也会检查任务结束时的“是否值得记录”：是否犯错、是否被纠正、是否发现更稳妥的工作流。
适用边界
这套技能更适合长期维护的 AI Agent 工作流，尤其是会反复处理相似任务、外部工具调用或用户纠正的场景。它不替代测试、CI 或运维监控，也不记录密钥、Token 或环境变量值。若问题是一次性配置错误，单独排障记录可能就够了；若需要自动化执行，应进一步沉淀为可复用的 Skill。
使用场景
- 调试外部 API 反复超时，需要把错误、响应和排查步骤记成可检索条目。
- 用户多次纠正输出格式，希望把纠正原因和规则归档，避免下次重犯。
- 维护 WorkBuddy Agent 时，将反复出现的项目约定提炼到工作区级记忆文件。
- 任务结束后复盘工具调用失败，判断是记录待处理、提升到记忆还是沉淀为 Skill。
适合人员
- 维护 AI Agent 的工程师，希望把运行错误和用户纠正沉淀为可复查的 Markdown 记录。
- 使用 WorkBuddy 构建助手的人，需要把跨会话经验提升到用户级或工作区级记忆。
- 负责 Agent 质量复盘的技术负责人，需要追踪重复问题、条目状态和 Skill 候选。
- 调试外部工具链的开发者，需要记录命令失败、API 行为差异和脱敏后的排查线索。
相关技能
基于诊断、结构分层、设计模式与指令精简，优化现有 Skill 的触发、流程与 Token 消耗。
基于 STOM 方法论审计任意 SKILL.md 的规模、密度、分层、架构与弱模型适配性，并给出可执行的瘦身优化方案。
Agent 驱动的思考涟漪引擎，适合深度推演、头脑风暴和超长任务降级执行；通过多轮真实推理、新颖性自评、状态持久化与断点续跑，只输出高价值发现。
将模糊需求转化为包含角色、任务、上下文、约束的结构化提示，仅输出可直接使用的 Prompt，不执行任务。