Agent Skills
返回列表
🤖

知识复利工程

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 @org-eyw2ohcx/sundial-org-awesome-openclaw-skills-compound-engineering。

技能介绍

问题从哪来

长期跑在同一个仓库或工作流里的 AI Agent,很难把「这次踩坑、那次成功的套路、你随口说的偏好」沉淀下来。上下文窗口一关,明天又是从零开始;你把同样的纠正再说一遍,Agent 也不会自动改自己的指令。

Compound Engineering 针对的是这种「会话即抛、知识不累积」的断层:让 Agent 回顾自己的工作产出,从会话里抽取可复用的条目,写进受版本控制的记忆文件,并在后续心跳或定时任务里持续合并。

技能如何工作

核心是 Compound Loop(复利循环):在会话结束或定时触发时做回顾,把内容归类后落盘,再影响下一次运行时的行为。

routinely 抽取的类型在 SKILL.md 里是明确列出的:

  • Patterns:反复验证有效的做法
  • Gotchas:失败或引发问题的点
  • Preferences:从交互里发现的用户偏好
  • Decisions:关键决策及推理过程
  • TODOs:尚未收尾、需要记住的事项

记忆分层也写死在约定里:MEMORY.md 承载长期知识,memory/YYYY-MM-DD.md 按天记流水;需要更细粒度时可以按小时追加到当日文件,或借助 Clawdbot 的 HEARTBEAT.md 做每小时快照、用 cron / launchd 跑夜间回顾任务。另有手动回顾命令,适合你在收工前主动触发一轮提取,而不是只能等定时器。

文档里对效果的描述是渐进的:偏好被记住、需求被预判,本质来自同一套文件被反复回顾、修剪与合并——而不是单次 prompt 微调。

边界与注意点

这套机制依赖持续写入与定期修剪:最佳实践强调不要过度抽取噪声、每月清理过时的 MEMORY.md、并把记忆文件纳入 Git。复利效果在初期不明显,适合你愿意让 Agent 长期驻留同一项目、并接受「记忆文件即事实来源」的团队;它不替代人类对安全与合规的最终审核,尤其当抽取内容会反哺系统指令时。

使用场景

  • 个人 Clawdbot 每天多轮改代码,希望夜间任务把 Gotchas 写进 `memory/YYYY-MM-DD.md`
  • 长期维护同一仓库时,要把反复成功的 Patterns 合并进 `MEMORY.md` 供下次会话引用
  • 用户口头表达的编辑器与命名偏好,需要在回顾阶段记入 Preferences 而非每次重讲
  • 长跑任务里未完成的 TODOs,要在日终回顾时落盘以免隔天上下文丢失

适合人员

  • 用 Clawdbot 绑定本机工作流、希望 Agent 记住踩坑与偏好的独立开发者
  • 维护 OpenClaw/Agent 技能集、需要标准化 MEMORY 与按日 memory 目录的维护者
  • 在团队内推广常驻 Coding Agent、要求记忆文件进 Git 可审计的技术负责人
  • 每天收工前手动触发回顾、只把显著 Patterns/Decisions 入库而非灌满噪声的工程师