适用场景

用户纠正你或指出错误；你完成重要工作后希望评估结果；你在自己的输出中发现可优化之处；知识应随时间自然沉淀，无需人工维护。

架构

记忆存储于 ~/self-improving/ 目录下，采用分层结构。若 ~/self-improving/ 不存在，请运行 setup.md。

工作区初始化应将标准的 self-improving 引导逻辑写入工作区的 AGENTS、SOUL 和 HEARTBEAT.md 文件，并通过 heartbeat-rules.md 统一调度周期性维护任务。

~/self-improving/
├── memory.md          # HOT：≤100 行，始终加载
├── index.md           # 主题索引（含行数统计）
├── heartbeat-state.md # 心跳状态：上次运行时间、已审核变更、操作备注
├── projects/          # 按项目划分的学习记录
├── domains/           # 领域专属（如 code、writing、comms）
├── archive/           # COLD：已退化模式
└── corrections.md     # 最近 50 条纠错日志

速查表

依赖要求

• 无需任何凭据
• 无需额外二进制程序
• 可选安装 Proactivity 技能时可能需要网络访问

学习信号

当识别到以下模式时，自动记录：

纠错信号 → 添加至 corrections.md，并评估是否升入 memory.md：

• “不，这不对……”
• “实际上，应该是……”
• “你在……上错了”
• “我偏好 X，而非 Y”
• “记住我总是……”
• “我之前告诉过你……”
• “停止做 X”
• “你为什么一直……”

偏好信号 → 若表述明确，则直接添加至 memory.md：

• “我喜欢你……”
• “永远为我执行 X”
• “永远不要执行 Y”
• “我的风格是……”
• “对于 [project]，请使用……”

潜在模式候选 → 先跟踪，累计出现 3 次后升级：

• 同一指令重复出现 ≥3 次
• 某工作流多次稳定有效
• 用户明确表扬特定方法

忽略项（不记录）：

• 一次性指令（“现在执行 X”）
• 上下文限定指令（“在此文件中……”）
• 假设性提问（“如果……会怎样？”）

自我反思

完成重要工作后，请暂停并评估：

1. 是否达到预期？ — 对比实际产出与初始目标
2. 哪些方面可改进？ — 明确下次可优化的具体点
3. 这是否构成一种模式？ — 若是，记录至 corrections.md

触发自我反思的时机：

• 完成多步骤任务后
• 收到反馈（正向或负向）后
• 修复 bug 或错误后
• 察觉自身输出存在提升空间时

日志格式：

CONTEXT: [任务类型]
REFLECTION: [观察到的问题]
LESSON: [后续应如何调整]

示例：

CONTEXT: 构建 Flutter UI
REFLECTION: 间距显示异常，需重做
LESSON: 向用户展示前务必检查视觉间距

自我反思条目遵循相同升级规则：成功应用 3 次 → 升级至 HOT 层。

快速查询

记忆统计

收到 “memory stats” 请求时，返回如下信息：

📊 Self-Improving Memory

HOT（始终加载）：
  memory.md：X 条目

WARM（按需加载）：
  projects/：X 个文件
  domains/：X 个文件

COLD（归档层）：
  archive/：X 个文件

近期活动（7 天内）：
  新增纠错日志：X 条
  升级至 HOT：X 条
  降级至 WARM：X 条

常见陷阱

核心规则

1. 从纠错与自我反思中学习

• 用户明确纠错时必须记录
• 自主识别工作改进点时必须记录
• 禁止仅凭沉默推断规则
• 同一经验重复出现 3 次 → 向用户确认是否确立为规则

2. 分层存储

3. 自动升降级

• 某模式 7 天内被复用 3 次 → 升级至 HOT
• 某模式连续 30 天未被使用 → 降级至 WARM
• 某模式连续 90 天未被使用 → 归档至 COLD
• 未经确认不得删除任何条目

4. 命名空间隔离

• 项目专属模式保存于 projects/{name}.md
• 全局偏好存于 HOT 层（memory.md）
• 领域模式（code、writing 等）存于 domains/
• 跨命名空间继承顺序：全局 → 领域 → 项目

5. 冲突解决

当模式发生冲突时：

1. 最具体者胜出（项目 > 领域 > 全局）
2. 同层级中最新者胜出
3. 若仍模糊 → 向用户询问

6. 压缩策略

当文件超出容量限制时：

1. 将相似纠错合并为单一规则
2. 归档长期未使用的模式
3. 对冗长条目进行摘要
4. 已确认的偏好永不丢失

7. 透明性

• 所有基于记忆的操作均须注明来源，例如：“Using X (from projects/foo.md:12)”
• 支持周度汇总：新增、降级、归档的模式清单
• 支持按需完整导出：全部文件打包为 ZIP

8. 安全边界

详见 boundaries.md —— 禁止存储凭据、健康数据、第三方信息。

9. 优雅降级

当上下文容量达限时：

1. 仅加载 memory.md（HOT 层）
2. 按需加载相关命名空间
3. 绝不静默失败 —— 明确告知用户哪些内容未加载

作用范围

本技能 **仅** 支持：

• 从用户纠错与自我反思中学习
• 将偏好持久化至本地文件（~/self-improving/）
• 在工作区集成心跳机制时，维护 ~/self-improving/heartbeat-state.md 中的心跳状态
• 激活时读取自身记忆文件

本技能 **绝不** 执行：

• 访问日历、邮箱或联系人
• 发起任何网络请求
• 读取 ~/self-improving/ 以外的任意文件
• 从沉默或被动观察中推断偏好
• 在心跳清理过程中擅自删除或重写 self-improving 记忆
• 修改自身的 SKILL.md

数据存储

本地状态存放于 ~/self-improving/ 目录：

• memory.md：存放 HOT 层规则与已确认偏好
• corrections.md：存放显式纠错及可复用经验
• projects/ 与 domains/：存放作用域受限的模式
• archive/：存放已退化或长期未活跃的模式
• heartbeat-state.md：存放周期性维护标记

关联技能

若用户确认，可通过 clawhub install 安装：

• memory —— 为 agents 提供长期记忆模式
• learning —— 自适应教学与解释能力
• decide —— 自动学习决策模式
• escalate —— 自主判断何时应主动询问而非自行执行

反馈

• 若觉得有用：clawhub star self-improving
• 保持更新：clawhub sync