前言¶
长期用 Cursor、Claude Code 或 Codex 做编码与自动化时，常见痛点是：同一条偏好、同一种踩坑，要在多轮对话里反复说明；任务失败后，经验只留在当次上下文里，下次又从零开始。手工维护 AGENTS.md、团队 wiki 能缓解一部分，但更新成本高，也容易和真实执行习惯脱节。
下面介绍 SkillHub 社区 Skill Self-Improving + Proactive Agent（坐标 @user_814dbe54/self-improving，当前版本 1.2.16）。它把自我反思、自我批评、自我学习与分层记忆写进一套可落地的文件约定：在用户纠正、工具失败或 Agent 自己发现可改进之处时，把教训写入本地目录，并按 HOT / WARM / COLD 分层加载，减少重复犯错，也让知识在任务之间复利，而不必全靠你手动改提示词。
这是什么¶
一句话定位： 面向 Coding Agent 的「执行质量记忆」Skill——从显式纠错与自我复盘出发，把可复用规则写到 ~/self-improving/，并在后续任务前按需读取。
维护方： SkillHub 社区发布者 user_814dbe54，来源标记为 community；Skill 元数据中的 homepage 为 https://clawic.com/skills/self-improving。标签 requires_api_key=false，不依赖额外 API Key，也不要求额外系统二进制。
官方入口：
- API 坐标页：
https://api.skillhub.cn/zcwl/self-improving - SkillHub 展示页：
https://www.skillhub.cn/skills/user_814dbe54/self-improving
在 SkillHub 抓取信息中，该 Skill 分类为 ai-agent，评分 100000，下载 91943 次（页面数据以商店实时展示为准）。
核心功能¶
以下能力均来自已安装的 SKILL.md 与配套文档（v1.2.16），只描述 Skill 自身声明的行为边界。
四类机制¶
官方简介概括为：Self-reflection + Self-criticism + Self-learning + Self-organizing memory。Agent 评估自己的工作、捕捉错误，并试图让改进持久化。
分层本地记忆¶
记忆根目录为 ~/self-improving/。若目录不存在，应按 Skill 附带的 setup.md 做首次初始化。典型结构如下：
~/self-improving/
├── memory.md # HOT：≤100 行，优先加载
├── index.md # 主题索引与行数
├── heartbeat-state.md # 心跳维护状态（若工作区接入了 HEARTBEAT）
├── projects/ # 按项目的经验
├── domains/ # 按领域（如 code、writing）
├── archive/ # COLD：衰减后的模式
└── corrections.md # 最近纠错日志（约 50 条）
存储层级（Skill 内规则）：
| 层级 | 位置 | 体量 | 行为 |
|---|---|---|---|
| HOT | memory.md |
≤100 行 | 始终加载 |
| WARM | projects/、domains/ |
单文件 ≤200 行 | 上下文匹配时再读 |
| COLD | archive/ |
无硬性上限 | 仅在显式查询时读 |
自动升降级示例：7 天内同一模式使用 3 次可晋升 HOT；30 天未用可降至 WARM；90 天未用可归档到 COLD。删除记忆前需询问用户。
学习信号与自我反思¶
应记录： 用户明确纠正（如「不对，应该是…」「以后不要…」）、重复 3 次以上的指令、被肯定的稳定做法等。
不应记录： 一次性指令、纯假设、仅从沉默推断的「偏好」。
完成重要任务后，Skill 建议按 CONTEXT / REFLECTION / LESSON 格式做简短自省；与纠错一样，多次验证成功后可晋升到 HOT。
主动与心跳（可选）¶
setup.md 说明可在 AGENTS.md、SOUL.md、HEARTBEAT.md 中写入引导片段，把「任务前读 HOT 记忆、纠错后立刻落盘」绑进工作区习惯。若用户同意，还可另行安装 Proactivity 配套 Skill（需用户确认后再执行 clawhub install proactivity）；不同意则仅使用 self-improving 即可。
安全与范围¶
Skill 声明：不访问日历、邮件、联系人；不主动发起网络请求；不读取 ~/self-improving/ 以外的文件来推断偏好；不在心跳清理中盲目重写记忆。敏感边界详见包内 boundaries.md。
安装与启用¶
1. 安装 SkillHub CLI（若尚未安装）¶
按 SkillHub 安装说明 检查或安装：
command -v skillhub && skillhub --version
未安装时可执行（完整安装，含默认 Skill）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
2. 安装本 Skill 到当前 Agent 的 skills 目录¶
必须使用 --dir 指向当前客户端识别的 skills 路径，否则默认装到 ./skills/ 可能不会被加载。
skillhub install @user_814dbe54/self-improving --dir <你的 skills 目录>
常见路径（来自 SkillHub 官方文档）：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或项目下的.agents/skills/
也可将安装提示交给 Agent：「请根据 https://skillhub.cn/install/skillhub.md，安装 @user_814dbe54/self-improving。」
安装完成后，在对应目录应能看到 @user_814dbe54/self-improving（或解析后的 self-improving）及 SKILL.md。
3. 初始化 ~/self-improving/¶
首次使用按 setup.md 创建目录与核心文件：
mkdir -p ~/self-improving/{projects,domains,archive}
随后按模板创建 memory.md、corrections.md、index.md、heartbeat-state.md（结构见 Skill 包内 memory-template.md 与 setup.md）。
可选：在 AGENTS.md 中补充 Self-Improving 模式（Passive / Active / Strict），并在 SOUL.md、HEARTBEAT.md 中加入 Skill 提供的引导段落，使任务前检索与周期性维护一致。
4. 验证¶
对话中请求 「memory stats」，Agent 应按 Skill 约定汇报各层文件数量与近期活动（详见 SKILL.md 中 Memory Stats 一节）。
典型用法¶
官方建议的触发时机¶
在以下情况启用或引用本 Skill：
- 命令、工具、API 或操作失败；
- 用户纠正或拒绝你的产出；
- 你发现既有知识过时或错误；
- 你发现更好的做法；
- 用户明确为当前任务安装或引用该 Skill。
纠错落盘¶
用户说「不要用 Y，我要 X」时：立即写入 ~/self-improving/corrections.md；若属全局偏好或规则，再写入 memory.md；项目专属内容写入 projects/<name>.md，领域经验写入 domains/<domain>.md。
任务前检索¶
对非琐碎任务，Skill 要求先读 memory.md，再按项目/领域最多加载少量匹配文件，避免把全部命名空间塞进上下文。
用户查询类口令¶
| 用户说法 | Agent 动作（按 Skill 约定） |
|---|---|
| What do you know about X? | 在各层搜索 X |
| What have you learned? | 展示 corrections.md 最近约 10 条 |
| Show my patterns | 列出 HOT 层 memory.md |
| Forget X | 从各层移除（先确认） |
| Export memory | 打包全部记忆文件 |
自省日志示例¶
CONTEXT: Building Flutter UI
REFLECTION: Spacing looked off, had to redo
LESSON: Check visual spacing before showing user
适用场景与注意¶
适合谁：
- 希望 Agent 记住「你怎么做事」，而不是只记住单次聊天内容；
- 经常在同类项目（同一 repo、同一技术栈）里反复纠正风格、命令或流程；
- 愿意用本地 Markdown 文件做可审计、可导出的记忆，而不是黑盒向量库。
限制与注意：
- 记忆默认在用户主目录
~/self-improving/，多机或多工作区需自行同步或约定单一来源。 - Skill 强调不从沉默推断规则；若你希望「更主动猜偏好」，需在
AGENTS.md里把模式从 Passive 调整为 Active，并接受误记风险。 - 配套 Proactivity Skill 需单独安装且必须用户同意；与 self-improving 的安装源可能不同（文档示例使用
clawhub）。 - 相关扩展（如
memory、learning）在SKILL.md中通过clawhub install <slug>提及，是否安装由你确认。
常见陷阱（Skill 自述）： 过早把单次经验晋升 HOT、用删除代替合并归档、无差别读取所有 domain 文件浪费上下文等——应对方式见 SKILL.md 的 Common Traps 表。
结尾¶
Self-Improving 把「纠错 + 复盘 + 分层文件记忆」写成 Agent 可执行的规程：不替代事实型日记（如 memory/YYYY-MM-DD.md），而是专门沉淀执行质量与可复用模式。若你正在 SkillHub 上挑选 ai-agent 类能力，可从社区包 @user_814dbe54/self-improving 入手，按上文命令安装并完成 ~/self-improving/ 初始化。
官方地址：https://api.skillhub.cn/zcwl/self-improving
SkillHub 页面：https://www.skillhub.cn/skills/user_814dbe54/self-improving
