Self-Improving Agent 调研报告

ClawHub 下载量第一的 Skill（425K 下载 / 3500 星）

基本信息

这个 Skill 解决的是一个非常根本的问题：AI Agent 不会从错误中学习。

每次对话结束后，Agent 回到「出厂状态」。上次被纠正过的写法、踩过的坑、用户偏好的工作方式——全都不记得。下次同样的错误还会犯。

Self-Improving Agent 的核心思路是：用文件系统做持久记忆，让 Agent 在运行中自动记录教训，在后续会话中自动应用。

核心哲学可以用一句话概括——Agent 需要在正确的时间点利用其高峰上下文。作者认为 Agent 在「规划完成后」「执行中途」「完成时」「学到新东西时」这四个时刻上下文质量最高，这些时刻应该被结构化为可重复的工作流。

每次 Agent 遇到需要记录的事件，写到三个文件中：

文件	用途	触发条件
.learnings/LEARNINGS.md	教训、纠正、最佳实践	用户指出错误/找到更好方案/知识过时
.learnings/ERRORS.md	命令失败、外部服务异常	命令执行出错/API 调用失败
.learnings/FEATURE_REQUESTS.md	用户想要但 Agent 没有的能力	用户提出功能需求

每条记录有标准格式：ID（如 LRN-20260517-001）、优先级、状态、所属领域、详细描述、建议修复方案。

这是它的精髓——不是记了就完事，而是：

这是作者在 GitHub 上讲的进阶用法：

外循环配有专门的配套工具：learning-aggregator（聚合跨会话的学习记录）、harness-updater（把模式写成永久规则）、eval-creator（把规则变成回归测试）、pre-flight-check（新会话启动时做全面检查）。这个过程不断循环，知识盲区越来越少。

Agent 「不长记性」是每个深度用户都遇到的问题。这个 Skill 用一个极其轻量的方式解决了——不需要数据库、不需要 AI 服务、不需要复杂配置，就是三个 Markdown 文件。

它不仅适配 OpenClaw，还支持 Claude Code、Codex、Copilot CLI、GitHub CLI。只要能读写文件就能跑。

不依赖任何第三方 API、不需要数据库、不需要额外服务。纯文件系统操作，零成本、零风险。

从简单的「记录错误」到复杂的「跨会话知识聚合+回归测试」都有路径。新手用基础功能、老手开进阶模式。

Peter Skoett 发布了一整套 Skill 套件（plan-interview、verify-gate、simplify-and-harden、context-surfing 等），每个解决一个 Agent 的核心失效模式。Self-Improving 只是其中最受欢迎的一个。

榜单第三名 Self-Improving + Proactive Agent（@ivangdavila，181K 下载）思路类似，但侧重点不同：

维度	Self-Improving Agent（第一名）	Self-Improving + Proactive（第三名）
核心思路	记录错误 + 晋升到永久文件	自我反思 + 主动建议
记忆载体	三个 Markdown 文件	自己的一套内存管理
外挂	配套(harness-updater, learning-aggregator)	WAL Protocol + Autonomous Crons
风格	极简、务实、零依赖	功能丰富、主动推送
下载量	425K	181K

第一名胜在「简单到极致」——你不需要看文档就知道怎么用。

如果你已经用着 OpenClaw，这个 Skill 几乎没有理由不装：

clawhub install self-improving-agent

装完之后不用做任何额外配置，日常使用中 Agent 犯错时会自动记录。运行一段时间后你会发现同一个错误不再犯第二次——这才是 Agent 该有的样子。

总体来说瑕不掩瑜，425K 的下载量已经说明了一切。