1. 引言

手把手实践如何启用 Self-Improving Agent 技能，让 AI 助手在每次对话中自动识别错误、记录纠正、积累新经验，实现越用越聪明。

2. 问题

AI 助手犯过的错、用户纠正过的操作、发现的新技巧，如果不在对话结束前被记录，下一次新会话就全部清零。这导致：

• 同一个错误可能重复出现
• 用户的纠正不会累积为系统经验
• 新发现的技巧无法被后续任务复用

核心痛点：没有持久化的「错误-纠正-经验」闭环。

3. 排查路径

尝试 1：把经验写在对话里

• 思路：在对话中手动提醒「上次这个命令失败了」
• 问题：跨会话失效，每次新会话都是白纸
• 结论：不可持续

尝试 2：使用 Self-Improving Agent 技能

• 在 AGENTS.md 写入行为准则：对话中自动识别错误、纠正、新经验
• 后台运行规则定义：
  • 命令/操作失败 → 记录到 .learnings/ERRORS.md
  • 用户纠正（“不对”、“应该是”） → 记录到 .learnings/LEARNINGS.md（类别：correction）
  • 用户提出缺失功能 → 记录到 .learnings/FEATURE_REQUESTS.md
  • 外部 API 失败 → 记录到 ERRORS.md
  • 发现更好做法 → 记录到 LEARNINGS.md（类别：best_practice）
• 升级规则：同一错误短期重复出现才提升优先级
• 提升规则：适用于多场景的经验 → 提升到 AGENTS.md 或 TOOLS.md

验证结果： 运行后生成三个文件，当前状态：8 条 learnings、4 条 errors、0 条 feature requests。

4. 核心原理

Self-Improving Agent 的核心是 持续学习循环（Continuous Learning Loop）：

对话发生 → 自动识别 → 分类记录 → 定期回顾 → 提升规范
   ↑                                    |
   └────────── 下次对话受益 ←────────────┘

关键设计决策：

• 后台运行：不干扰对话流畅性，记录在静默中完成
• 分类存储：errors / learnings / feature_requests 分文件管理，便于检索
• 频率控制：避免噪音堆积，同一错误短期重复才升级
• 提升机制：从「点」的经验上升到「面」的规则，写入行为准则

5. 最终方案

1. 安装技能：Self-Improving Agent 技能
2. 配置行为准则（AGENTS.md 新增）：

## 🔄 Self-Improving Agent 技能 — 自动行为准则

self-improving-agent 技能已启用。在对话过程中，无需用户要求，
自动从对话中识别错误、纠正和新经验，写入 .learnings/ 文件。

3. 三个输出文件：
   • .learnings/LEARNINGS.md — 经验和最佳实践
   • .learnings/ERRORS.md — 错误和失败记录
   • .learnings/FEATURE_REQUESTS.md — 功能缺失请求

6. 可迁移经验

• 错误是资产：每次失败和纠正都是系统的训练数据，关键是要被正确记录下来
• 分级处理：普通错误只记录，重复出现的错误才升级——避免过度响应孤例
• 从点到面：单个经验的价值有限，但当它出现在多个场景中时，应该提炼为通用规则
• 不干扰体验：后台自动运行，用户感知不到学习过程，但每次对话都更聪明

通用模式：任何需要「越用越熟练」的自动化系统，都应该内置 self-improving 循环。关键不是不犯错，而是犯错后能被记录、分类、升级。