remoteconn-gitea/skills/self-improving-agent-3.0.5/SKILL.md

name, description, metadata

name	description	metadata
self-improvement	记录 learnings、errors 和 corrections，以支持持续改进。适用于：(1) 命令或操作意外失败，(2) 用户纠正 Claude（'No, that's wrong...', 'Actually...'），(3) 用户请求当前不存在的能力，(4) 外部 API 或工具失败，(5) Claude 意识到自己的知识已过时或不正确，(6) 为重复任务发现了更好的处理方式。在开始重大任务前，也应先回顾 learnings。

Self-Improvement Skill

将 learnings 和 errors 记录到 markdown 文件中，以支持持续改进。后续 coding agents 可以基于这些记录推进修复，而重要的学习项则可以提升为项目级 memory。

快速参考

Situation	Action
Command/operation fails	记录到 .learnings/ERRORS.md
User corrects you	以 correction category 记录到 .learnings/LEARNINGS.md
User wants missing feature	记录到 .learnings/FEATURE_REQUESTS.md
API/external tool fails	将集成细节记录到 .learnings/ERRORS.md
Knowledge was outdated	以 knowledge_gap category 记录到 .learnings/LEARNINGS.md
Found better approach	以 best_practice category 记录到 .learnings/LEARNINGS.md
Simplify/Harden recurring patterns	使用 Source: simplify-and-harden 和稳定的 Pattern-Key 记录或更新 .learnings/LEARNINGS.md
Similar to existing entry	通过 **See Also** 建立关联，并考虑提升优先级
Broadly applicable learning	提升到 CLAUDE.md、AGENTS.md 和/或 .github/copilot-instructions.md
Workflow improvements	提升到 AGENTS.md（OpenClaw workspace）
Tool gotchas	提升到 TOOLS.md（OpenClaw workspace）
Behavioral patterns	提升到 SOUL.md（OpenClaw workspace）

OpenClaw Setup（推荐）

OpenClaw 是这个 skill 的主要运行平台。它通过基于 workspace 的 prompt injection 和自动 skill loading 工作。

Installation

Via ClawdHub（推荐）：

clawdhub install self-improving-agent

Manual：

git clone https://github.com/peterskoett/self-improving-agent.git ~/.openclaw/skills/self-improving-agent

为 openclaw 改造自原始仓库：https://github.com/pskoett/pskoett-ai-skills - https://github.com/pskoett/pskoett-ai-skills/tree/main/skills/self-improvement

Workspace Structure

OpenClaw 会将这些文件注入到每个 session 中：

~/.openclaw/workspace/
├── AGENTS.md          # 多代理工作流与委派模式
├── SOUL.md            # 行为指导、个性与原则
├── TOOLS.md           # 工具能力、集成 gotchas
├── MEMORY.md          # 长期 memory（仅主 session）
├── memory/            # 每日 memory 文件
│   └── YYYY-MM-DD.md
└── .learnings/        # 本 skill 的日志文件
    ├── LEARNINGS.md
    ├── ERRORS.md
    └── FEATURE_REQUESTS.md

Create Learning Files

mkdir -p ~/.openclaw/workspace/.learnings

然后创建这些日志文件（或从 assets/ 复制）：

• LEARNINGS.md — corrections、knowledge gaps、best practices
• ERRORS.md — command failures、exceptions
• FEATURE_REQUESTS.md — 用户请求的 capabilities

Promotion Targets

当 learnings 被证明具有广泛适用性时，将它们提升到 workspace 文件：

Learning Type	Promote To	Example
Behavioral patterns	SOUL.md	"Be concise, avoid disclaimers"
Workflow improvements	AGENTS.md	"Spawn sub-agents for long tasks"
Tool gotchas	TOOLS.md	"Git push needs auth configured first"

Inter-Session Communication

OpenClaw 提供了这些工具，用于跨 session 共享 learnings：

• sessions_list — 查看活跃/最近 session
• sessions_history — 读取另一个 session 的 transcript
• sessions_send — 向另一个 session 发送 learning
• sessions_spawn — 为后台工作启动 sub-agent

Optional: Enable Hook

如需在 session 启动时自动提醒：

# Copy hook to OpenClaw hooks directory
cp -r hooks/openclaw ~/.openclaw/hooks/self-improvement

# Enable it
openclaw hooks enable self-improvement

完整细节见 references/openclaw-integration.md。

---

Generic Setup（其他 agents）

对于 Claude Code、Codex、Copilot 或其他 agents，在你的项目中创建 .learnings/：

mkdir -p .learnings

从 assets/ 复制模板，或自行创建带标题的文件。

在 agent 文件 AGENTS.md、CLAUDE.md 或 .github/copilot-instructions.md 中加入提示，提醒自己记录 learnings。（这是 hook-based reminders 的替代方案）

Self-Improvement Workflow

当出现 errors 或 corrections 时：

1. 记录到 .learnings/ERRORS.md、LEARNINGS.md 或 FEATURE_REQUESTS.md
2. 回顾并将具有广泛适用性的 learnings 提升到：
   • CLAUDE.md - 项目事实和约定
   • AGENTS.md - workflow 和 automation
   • .github/copilot-instructions.md - Copilot 上下文

Logging Format

Learning Entry

追加到 .learnings/LEARNINGS.md：

## [LRN-YYYYMMDD-XXX] category

**Logged**: ISO-8601 timestamp
**Priority**: low | medium | high | critical
**Status**: pending
**Area**: frontend | backend | infra | tests | docs | config

### Summary
用一行描述本次学到了什么

### Details
完整上下文：发生了什么、哪里错了、正确做法是什么

### Suggested Action
建议采取的具体修复或改进措施

### Metadata
- Source: conversation | error | user_feedback
- Related Files: path/to/file.ext
- Tags: tag1, tag2
- See Also: LRN-20250110-001 (if related to existing entry)
- Pattern-Key: simplify.dead_code | harden.input_validation (optional, for recurring-pattern tracking)
- Recurrence-Count: 1 (optional)
- First-Seen: 2025-01-15 (optional)
- Last-Seen: 2025-01-15 (optional)

---

Error Entry

追加到 .learnings/ERRORS.md：

## [ERR-YYYYMMDD-XXX] skill_or_command_name

**Logged**: ISO-8601 timestamp
**Priority**: high
**Status**: pending
**Area**: frontend | backend | infra | tests | docs | config

### Summary
简要说明失败了什么

### Error

Actual error message or output

### Context
- 尝试执行的 command/operation
- 使用的输入或参数
- 如有必要，补充环境细节

### Suggested Fix
如果能够识别，写明可能的解决方式

### Metadata
- Reproducible: yes | no | unknown
- Related Files: path/to/file.ext
- See Also: ERR-20250110-001 (if recurring)

---

Feature Request Entry

追加到 .learnings/FEATURE_REQUESTS.md：

## [FEAT-YYYYMMDD-XXX] capability_name

**Logged**: ISO-8601 timestamp
**Priority**: medium
**Status**: pending
**Area**: frontend | backend | infra | tests | docs | config

### Requested Capability
用户想要完成的能力

### User Context
他们为什么需要它，要解决什么问题

### Complexity Estimate
simple | medium | complex

### Suggested Implementation
可以如何实现，它可能扩展哪部分能力

### Metadata
- Frequency: first_time | recurring
- Related Features: existing_feature_name

---

ID Generation

格式：TYPE-YYYYMMDD-XXX

• TYPE: LRN（learning）、ERR（error）、FEAT（feature）
• YYYYMMDD: 当前日期
• XXX: 顺序号或随机 3 个字符（例如 001、A7B）

示例：LRN-20250115-001、ERR-20250115-A3F、FEAT-20250115-002

Resolving Entries

当问题被修复后，更新该 entry：

1. 将 **Status**: pending 改为 **Status**: resolved
2. 在 Metadata 后追加 resolution block：

### Resolution
- **Resolved**: 2025-01-16T09:00:00Z
- **Commit/PR**: abc123 or #42
- **Notes**: 简要描述做了什么

其他 status 值：

• in_progress - 正在处理
• wont_fix - 决定不处理（在 Resolution notes 中补充原因）
• promoted - 已提升到 CLAUDE.md、AGENTS.md 或 .github/copilot-instructions.md

Promoting to Project Memory

当某条 learning 具有广泛适用性（不是一次性修复）时，将它提升为永久性的项目 memory。

When to Promote

• 该 learning 适用于多个文件/功能
• 是任何 contributor（human 或 AI）都应该知道的知识
• 能防止重复犯错
• 记录了项目特定的约定

Promotion Targets

Target	What Belongs There
CLAUDE.md	所有 Claude 交互都应知道的项目事实、约定、gotchas
AGENTS.md	agent 专用 workflow、tool usage patterns、automation rules
.github/copilot-instructions.md	GitHub Copilot 的项目上下文与约定
SOUL.md	行为指导、沟通风格、原则（OpenClaw workspace）
TOOLS.md	工具能力、usage patterns、integration gotchas（OpenClaw workspace）

How to Promote

1. Distill：将 learning 提炼成简洁的规则或事实
2. Add：加入目标文件的适当 section（如无则创建）
3. Update 原始 entry：
   • 将 **Status**: pending 改为 **Status**: promoted
   • 添加 **Promoted**: CLAUDE.md、AGENTS.md 或 .github/copilot-instructions.md

Promotion Examples

Learning（详细版）：

Project uses pnpm workspaces. Attempted npm install but failed. Lock file is pnpm-lock.yaml. Must use pnpm install.

在 CLAUDE.md 中（简洁版）：

## Build & Dependencies
- Package manager: pnpm (not npm) - use `pnpm install`

Learning（详细版）：

When modifying API endpoints, must regenerate TypeScript client. Forgetting this causes type mismatches at runtime.

在 AGENTS.md 中（可执行版）：

## After API Changes
1. Regenerate client: `pnpm run generate:api`
2. Check for type errors: `pnpm tsc --noEmit`

Recurring Pattern Detection

如果你记录的内容与已有 entry 类似：

1. Search first：grep -r "keyword" .learnings/
2. Link entries：在 Metadata 中添加 **See Also**: ERR-20250110-001
3. 如果问题持续复发，Bump priority
4. Consider systemic fix：重复问题往往意味着：
   • 缺少 documentation（→ 提升到 CLAUDE.md 或 .github/copilot-instructions.md）
   • 缺少 automation（→ 加到 AGENTS.md）
   • 存在 architectural problem（→ 创建 tech debt ticket）

Simplify & Harden Feed

使用这套 workflow 吸收 simplify-and-harden skill 中反复出现的模式，并将其转化为更持久的 prompt guidance。

Ingestion Workflow

1. 从任务总结中读取 simplify_and_harden.learning_loop.candidates。
2. 对每个 candidate，使用 pattern_key 作为稳定的 dedupe key。
3. 在 .learnings/LEARNINGS.md 中搜索是否已存在该 key 对应的 entry：
   • grep -n "Pattern-Key: <pattern_key>" .learnings/LEARNINGS.md
4. 如果已存在：
   • 增加 Recurrence-Count
   • 更新 Last-Seen
   • 为相关 entries/tasks 添加 See Also links
5. 如果不存在：
   • 创建新的 LRN-... entry
   • 设置 Source: simplify-and-harden
   • 设置 Pattern-Key、Recurrence-Count: 1 以及 First-Seen/Last-Seen

Promotion Rule（System Prompt Feedback）

当以下条件同时满足时，将 recurring patterns 提升到 agent context/system prompt files：

• Recurrence-Count >= 3
• 出现在至少 2 个不同任务中
• 发生在 30 天窗口内

Promotion targets：

• CLAUDE.md
• AGENTS.md
• .github/copilot-instructions.md
• 在适用时，提升到 SOUL.md / TOOLS.md 作为 OpenClaw workspace-level guidance

写入被提升的规则时，要写成简短的 prevention rules（编码前/编码中该做什么），而不是冗长的 incident write-ups。

Periodic Review

在自然断点回顾 .learnings/：

When to Review

• 开始新的重大任务前
• 完成一个 feature 后
• 进入某个已有历史 learning 的 area 时
• 活跃开发期间每周一次

Quick Status Check

# Count pending items
grep -h "Status\*\*: pending" .learnings/*.md | wc -l

# List pending high-priority items
grep -B5 "Priority\*\*: high" .learnings/*.md | grep "^## \["

# Find learnings for a specific area
grep -l "Area\*\*: backend" .learnings/*.md

Review Actions

• 解决已修复的 items
• 提升适合沉淀的 learnings
• 关联相关 entries
• 升级 recurring issues

Detection Triggers

当你注意到这些情况时，自动记录：

Corrections（→ 使用 correction category 的 learning）：

• "No, that's not right..."
• "Actually, it should be..."
• "You're wrong about..."
• "That's outdated..."

Feature Requests（→ feature request）：

• "Can you also..."
• "I wish you could..."
• "Is there a way to..."
• "Why can't you..."

Knowledge Gaps（→ 使用 knowledge_gap category 的 learning）：

• 用户提供了你此前不知道的信息
• 你引用的 documentation 已过时
• API behavior 与你的理解不一致

Errors（→ error entry）：

• command 返回 non-zero exit code
• exception 或 stack trace
• 非预期输出或行为
• timeout 或 connection failure

Priority Guidelines

Priority	When to Use
critical	阻塞核心功能、存在数据丢失风险、安全问题
high	影响显著、影响常见 workflow、重复出现的问题
medium	影响中等，存在 workaround
low	轻微不便、边缘 case、nice-to-have

Area Tags

用于按 codebase 区域筛选 learnings：

Area	Scope
frontend	UI、components、client-side code
backend	API、services、server-side code
infra	CI/CD、deployment、Docker、cloud
tests	test files、testing utilities、coverage
docs	documentation、comments、READMEs
config	configuration files、environment、settings

Best Practices

1. Log immediately - 问题刚出现时上下文最完整
2. Be specific - 未来的 agents 需要快速理解
3. Include reproduction steps - 对 errors 尤其重要
4. Link related files - 让修复更容易
5. Suggest concrete fixes - 不要只写 "investigate"
6. Use consistent categories - 便于过滤
7. Promote aggressively - 如果拿不准，就加到 CLAUDE.md 或 .github/copilot-instructions.md
8. Review regularly - 过期的 learnings 会迅速失去价值

Gitignore Options

Keep learnings local（按开发者本地保留）：

.learnings/

Track learnings in repo（团队共享）： 不要添加到 .gitignore 中，这样 learnings 会成为共享知识。

Hybrid（跟踪模板，忽略具体 entries）：

.learnings/*.md
!.learnings/.gitkeep

Hook Integration

通过 agent hooks 启用自动提醒。该能力是 opt-in 的，你必须显式配置 hooks。

Quick Setup（Claude Code / Codex）

在项目中创建 .claude/settings.json：

{
  "hooks": {
    "UserPromptSubmit": [{
      "matcher": "",
      "hooks": [{
        "type": "command",
        "command": "./skills/self-improvement/scripts/activator.sh"
      }]
    }]
  }
}

这会在每次 prompt 后注入一个 learning evaluation reminder（约增加 50-100 tokens 开销）。

Full Setup（带 Error Detection）

{
  "hooks": {
    "UserPromptSubmit": [{
      "matcher": "",
      "hooks": [{
        "type": "command",
        "command": "./skills/self-improvement/scripts/activator.sh"
      }]
    }],
    "PostToolUse": [{
      "matcher": "Bash",
      "hooks": [{
        "type": "command",
        "command": "./skills/self-improvement/scripts/error-detector.sh"
      }]
    }]
  }
}

Available Hook Scripts

Script	Hook Type	Purpose
scripts/activator.sh	UserPromptSubmit	提醒在任务结束后回顾 learnings
scripts/error-detector.sh	PostToolUse (Bash)	在 command errors 出现时触发

详见 references/hooks-setup.md 中的详细配置与故障排查。

Automatic Skill Extraction

当某条 learning 足够有价值，可以演化为可复用的 skill 时，使用提供的 helper 进行提取。

Skill Extraction Criteria

当满足以下任意条件时，这条 learning 就适合做 skill extraction：

Criterion	Description
Recurring	有 2 条以上相似问题的 See Also links
Verified	Status 为 resolved，并且 fix 已验证可用
Non-obvious	需要真实 debugging/investigation 才能发现
Broadly applicable	不是项目特定问题；对多个 codebase 都有帮助
User-flagged	用户明确说 “save this as a skill” 或类似表达

Extraction Workflow

1. Identify candidate：该 learning 满足 extraction criteria
2. Run helper（或手动创建）：

   ./skills/self-improvement/scripts/extract-skill.sh skill-name --dry-run
   ./skills/self-improvement/scripts/extract-skill.sh skill-name
   

3. Customize SKILL.md：将 learning 内容填入模板
4. Update learning：将 status 设为 promoted_to_skill，并补充 Skill-Path
5. Verify：在新的 session 中读取该 skill，确保它是 self-contained 的

Manual Extraction

如果你更偏向手工创建：

1. 创建 skills/<skill-name>/SKILL.md
2. 使用 assets/SKILL-TEMPLATE.md 中的模板
3. 遵循 Agent Skills spec：
   • 使用包含 name 和 description 的 YAML frontmatter
   • name 必须与 folder name 一致
   • skill folder 内不要放 README.md

Extraction Detection Triggers

注意这些信号，它们通常意味着某条 learning 应该升级为 skill：

In conversation：

• "Save this as a skill"
• "I keep running into this"
• "This would be useful for other projects"
• "Remember this pattern"

In learning entries：

• 存在多个 See Also links（说明是 recurring issue）
• 高优先级且已 resolved
• category 为 best_practice 且具有广泛适用性
• 用户对该 solution 给出明显正向反馈

Skill Quality Gates

在提取前，确认：

• Solution 已测试并可用
• Description 在脱离原始上下文后仍然清晰
• Code examples 是 self-contained 的
• 没有项目特定的 hardcoded values
• 遵循 skill naming conventions（lowercase、hyphens）

Multi-Agent Support

该 skill 可以在不同 AI coding agents 中工作，但 activation 方式因 agent 而异。

Claude Code

Activation：Hooks（UserPromptSubmit、PostToolUse） Setup：在 .claude/settings.json 中配置 hooks Detection：通过 hook scripts 自动检测

Codex CLI

Activation：Hooks（与 Claude Code 相同模式） Setup：在 .codex/settings.json 中配置 hooks Detection：通过 hook scripts 自动检测

GitHub Copilot

Activation：手动（不支持 hooks） Setup：加入 .github/copilot-instructions.md：

## Self-Improvement

在解决 non-obvious issues 后，考虑将其记录到 `.learnings/`：
1. 使用 self-improvement skill 的格式
2. 用 See Also 关联相关 entries
3. 将高价值 learnings 提升为 skills

可以在 chat 中提问："Should I log this as a learning?"

Detection：在 session 结束时手动回顾

OpenClaw

Activation：Workspace injection + inter-agent messaging Setup：见上文 “OpenClaw Setup” section Detection：通过 session tools 和 workspace files

Agent-Agnostic Guidance

无论使用什么 agent，当你遇到以下情况时都应应用 self-improvement：

1. Discover something non-obvious - solution 不是立刻想到的
2. Correct yourself - 最初方案是错的
3. Learn project conventions - 发现了未文档化的 patterns
4. Hit unexpected errors - 特别是 diagnosis 很费劲时
5. Find better approaches - 相比原始方案找到了更优路径

Copilot Chat Integration

对于 Copilot 用户，在相关场景下可以把这句话加进 prompt：

After completing this task, evaluate if any learnings should be logged to .learnings/ using the self-improvement skill format.

也可以使用这些快速 prompts：

• "Log this to learnings"
• "Create a skill from this solution"
• "Check .learnings/ for related issues"