自适应学习代理（Adaptive Learning Agent）

实时从错误与修正中学习。通过自动捕获失败案例、用户反馈及成功模式，持续提升能力。

免费且开源（MIT 许可证）• 零依赖 • 本地运行

🚀 为何需要这项能力？

问题背景

在使用 Claude 或任何 AI 代理时，你经常会遇到：

• 需人工干预修正的错误
• 出乎意料的 API 行为
• 通过实验发现的更优方法
• 实际使用过程中暴露的知识盲区

但目前尚无系统化方式，能真正从这些关键时刻中学习，并将所学知识应用于下一次类似场景。

解决方案

自适应学习代理会自动捕获每一次错误、修正和成功模式，并在再次面对相似问题前，主动检索并调用相关经验。

真实应用场景

• 缺陷发现：记录一次错误，从此不再为此类问题困扰
• 提示词优化：持续追踪哪些提示词变体效果最佳
• API 集成：记住各服务的异常行为与绕过方案
• 工作流改进：沉淀快捷操作与最佳实践
• 团队知识共享：导出学习成果并在项目间复用

✨ 你将获得什么

四大核心功能

1. 记录学习成果

agent.record_learning(
    content="对 90% 的任务使用 claude-sonnet —— 更快且成本更低",
    category="technique",
    context="Model selection"
)

捕获成功模式、关键洞察与最佳实践。

2. 记录错误

agent.record_error(
    error_description="JSON 解析在遇到 null 值时失败",
    context="Processing API response",
    solution="解析前增加 null 检查"
)

自动归档失败案例及其解决方案。

3. 搜索与检索学习成果

results = agent.search_learnings("JSON parsing")
recent = agent.get_recent_learnings(limit=5)
by_category = agent.get_learnings_by_category("bug-fix")

在你需要时，即时获取相关知识。

4. 查看摘要

summary = agent.get_learning_summary()
print(agent.format_learning_summary())

一目了然地掌握你已积累的学习成果。

核心特性

✅ 零依赖 — 纯 Python 实现，可在任意环境运行
✅ 仅本地存储 — 所有数据保存于你的设备，不上传任何信息
✅ MIT 许可证 — 免费使用、修改、fork 和再分发
✅ 自动分类 — 错误自动转化为可复用的学习成果
✅ 搜索与筛选 — 支持按关键词或类别快速定位知识
✅ 导出能力 — 可将学习成果导出为 JSON 格式
✅ 无需 API 密钥 — 完全离线运行，不依赖任何外部凭证

📊 真实世界示例

from adaptive_learning_agent import AdaptiveLearningAgent

# 初始化代理
agent = AdaptiveLearningAgent()

# 第 1 天：发现一个缺陷
agent.record_error(
    error_description="Anthropic API 拒绝包含过多换行符的提示词",
    context="Testing prompt with formatted lists",
    solution="发送前使用 \n.strip() 清理空白字符"
)

# 第 2 天：相同缺陷，此时已有解决方案
similar_errors = agent.search_learnings("newlines")
# 结果：[含解决方案的先前学习记录] ✅

# 第 1 周：记录一项成功模式
agent.record_learning(
    content="测试中始终使用 temperature=0 以确保输出确定性",
    category="best-practice",
    context="Prompt engineering"
)

# 获取周度摘要
summary = agent.get_learning_summary()
print(f"本周你已记录 {summary['total_learnings']} 条学习成果！")
print(f"已解决 {summary['error_statistics']['resolved']} 个错误")

🔧 安装方式

无需安装！该能力完全基于纯 Python，无任何依赖。

# 将 adaptive_learning_agent.py 文件复制到你的项目中  
# 或直接导入：

from adaptive_learning_agent import AdaptiveLearningAgent

💡 应用场景

软件开发

记录你发现的缺陷及其修复方法。下次遇到类似错误时，解决方案已准备就绪。

agent.record_error(
    error_description="端口 8000 已被占用",
    context="Running local dev server",
    solution="使用 `lsof -i :8000` 查找进程，然后 kill"
)

提示词工程

持续追踪适用于你特定用例的有效提示策略。

agent.record_learning(
    content="数学问题更适合思维链（Chain-of-thought），事实类问题则适合直接回答",
    category="technique"
)

API 集成

记忆各服务商特有的异常行为与适配方案。

agent.record_learning(
    content="OpenAI API 要求 chat completion endpoint 中明确指定 'assistant' 角色消息",
    category="api-endpoint",
    context="Chat completion endpoint"
)

团队知识沉淀

导出学习成果并与团队成员或后续项目共享。

agent.export_learnings("team_learnings.json")
# 将该文件分享给团队成员

持续改进

执行重要任务前，回顾已有学习成果，避免重复犯错。

summary = agent.get_learning_summary()
unresolved = summary['error_statistics']['unresolved']
if unresolved > 0:
    print(f"⚠️ 尚有 {unresolved} 个未解决错误——请在继续前复查")

📚 分类体系

记录学习成果时，请从以下分类中选择：

🎯 来源标识

记录学习成果时，请注明其来源：

• user-correction — 用户指出某处存在错误
• error-discovery — 你自主定位并解决了某个错误
• successful-pattern — 你发现某种做法效果显著
• user-feedback — 用户提出了改进建议

📖 API 参考文档

核心方法

record_learning(content, category, source, context)

记录一项成功模式或关键洞察。

参数：

• content（字符串，必需）：所学到的具体内容
• category（字符串）：上述分类之一
• source（字符串）：上述来源之一
• context（字符串）：可选，说明该条目适用的具体上下文

返回值： 包含 ID 与时间戳的 Learning 对象

record_error(error_description, context, solution, prevention_tip)

记录一个错误，并可选附带其解决方案。

参数：

• error_description（字符串，必需）：发生了什么问题
• context（字符串，必需）：当时正在执行的操作
• solution（字符串）：如何修复该问题
• prevention_tip（字符串）：如何避免再次发生

返回值： 包含 ID 的 Error 对象

search_learnings(query)

按关键词或分类搜索学习成果。

参数：

• query（字符串）：搜索关键词

返回值： 匹配的 Learning 对象列表（按相关性排序）

get_recent_learnings(limit)

获取最近的学习成果。

参数：

• limit（整数）：返回数量（默认为 10）

返回值： Learning 对象列表，按时间倒序排列（最新在前）

get_learning_summary()

获取学习成果与错误的综合统计摘要。

返回值： 包含统计信息与近期条目的字典

export_learnings(output_file)

将全部学习成果与错误导出为 JSON 文件。

参数：

• output_file（字符串）：JSON 文件保存路径（默认为 "learnings_export.json"）

🔒 隐私与安全

• ✅ 零遥测 — 不向任何地方发送数据
• ✅ 仅本地存储 — 所有数据均保存于你设备上的 .adaptive_learning/ 目录中
• ✅ 无 API 调用 — 完全离线运行
• ✅ 无需认证 — 不需要账户、密钥或登录
• ✅ 完全透明 — 源码随附且开源

🤝 贡献指南

本项目采用 MIT 许可证，由社区共同维护。欢迎你：

• Fork 代码仓库
• 提交功能增强与优化建议
• 将其集成至你的项目中
• 与他人共享你的学习成果

📝 更新日志

[1.0.0] — 2026-02-14

✨ 初始发布

• 核心学习系统 — 支持学习成果的记录与检索
• 错误追踪 — 支持记录错误及其解决方案
• 搜索功能 — 支持按关键词或分类查找学习成果
• 本地存储 — 所有数据保留在本地设备
• 导出能力 — 支持以 JSON 文件形式共享学习成果
• 零依赖 — 纯 Python 实现，不依赖任何外部包
• MIT 许可证 — 免费使用、修改与再分发
• 完备 API — 接口简洁、符合 Python 编程习惯

📞 支持渠道

• GitHub：https://github.com/clawhub-skills/adaptive-learning-agent
• 问题反馈与贡献：请在 GitHub 提交 Issue 或 Pull Request
• 社区交流：欢迎分享你的学习成果与改进实践！

📄 许可证

MIT 许可证 — 免费且开源

可自由使用、修改、fork 和再分发。完整条款详见 LICENSE.md。

Copyright © 2026 UnisAI Community

最后更新时间：2026 年 2 月 14 日
当前版本：1.0.0
状态：活跃维护中，由社区共同维护

可自由使用、修改与 fork，无任何限制。