Agent 技能解剖（三）：Self-Improving Agent——从纠错日志到规则晋升

Mon, 28 Sep 2026 21:20:00 +0800

Agent 技能解剖（三）：Self-Improving Agent——从纠错日志到规则晋升

前两篇解决的是一致性问题：怎么把记忆存成数据、怎么用 schema 约束它。但记忆本身不改变行为。你知道一件事，不等于你会因此改变做法。 这一篇讲的是把「知道」变成「改掉」的机制。

一个被普遍误读的词

「自我改进的 Agent」这个说法容易让人想到权重更新、在线微调、参数层面的学习。而本系列讨论的这类技能，做的完全是另一件事：

它把「学习」实现为一个文档编辑流程。

模型的行为由 prompt 决定，那么「改变行为」的最短路径就不是训练，而是改 prompt。于是「自我改进」被拆解成一条可执行的流水线：把纠正与错误写成结构化日志 → 反复出现的模式被识别出来 → 蒸馏成一句规则 → 写进项目的常驻 prompt 文件。

这个技能就是这个流水线的一份完整、且经过版本迭代的实现。它是当前装机量最高的技能（86,140），不是偶然——它解决的是所有 Agent 用户都有的痛感。

技能档案

项	值
技能名	self-improvement（包名 `self-improving-agent`）
slug	`self-improving-agent`
作者	pskoett
版本	3.0.24
下载量	1,268,197
安装量	86,140（SkillHub 全站第 1）
星标	4,517
来源	ClawHub
组成	三份日志模板 + 两个 hook 脚本 + 一个 OpenClaw hook + 技能提取脚本

数据抓取于 2026-09-28。版本号走到 3.0.24 说明它经历了长期实际使用与修正。

四层记忆阶梯

先看它把知识放在了哪几层。这是理解全技能的钥匙：

flowchart TD L0["L0 会话上下文 易失，压缩即丢"] -->|"发现问题立刻写"| L1 L1["L1 .learnings/*.md 原始观测，append-only LEARNINGS / ERRORS / FEATURE_REQUESTS"] L1 -->|"复现≥3 次 · 跨≥2 任务 · 30 天内"| L2 L2["L2 项目常驻 prompt CLAUDE.md / AGENTS.md .github/copilot-instructions.md"] L2 -->|"满足可复用性门槛"| L3 L3["L3 SKILL.md 跨项目可复用技能"] L2 -.行为类.-> L4["L4 SOUL.md / TOOLS.md 身份、边界、工具坑"]

四层的分工非常明确，且晋升是单向的：

自我改进 on CAO ZUOHUA

Agent 技能解剖（三）：Self-Improving Agent——从纠错日志到规则晋升

Agent 技能解剖（三）：Self-Improving Agent——从纠错日志到规则晋升

一个被普遍误读的词

技能档案

四层记忆阶梯