前言¶
長期用 Cursor、Claude Code 或 Codex 做編碼與自動化時，常見痛點是：同一條偏好、同一種踩坑，要在多輪對話裏反覆說明；任務失敗後，經驗只留在當次上下文裏，下次又從零開始。手工維護 AGENTS.md、團隊 wiki 能緩解一部分，但更新成本高，也容易和真實執行習慣脫節。
下面介紹 SkillHub 社區 Skill Self-Improving + Proactive Agent（座標 @user_814dbe54/self-improving，當前版本 1.2.16）。它把自我反思、自我批評、自我學習與分層記憶寫進一套可落地的文件約定：在用戶糾正、工具失敗或 Agent 自己發現可改進之處時，把教訓寫入本地目錄，並按 HOT / WARM / COLD 分層加載，減少重複犯錯，也讓知識在任務之間複利，而不必全靠你手動改提示詞。
這是什麼¶
一句話定位： 面向 Coding Agent 的「執行質量記憶」Skill——從顯式糾錯與自我復盤出發，把可複用規則寫到 ~/self-improving/，並在後續任務前按需讀取。
維護方： SkillHub 社區發佈者 user_814dbe54，來源標記爲 community；Skill 元數據中的 homepage 爲 https://clawic.com/skills/self-improving。標籤 requires_api_key=false，不依賴額外 API Key，也不要求額外系統二進制。
官方入口：
- API 座標頁：
https://api.skillhub.cn/zcwl/self-improving - SkillHub 展示頁：
https://www.skillhub.cn/skills/user_814dbe54/self-improving
在 SkillHub 抓取信息中，該 Skill 分類爲 ai-agent，評分 100000，下載 91943 次（頁面數據以商店實時展示爲準）。
核心功能¶
以下能力均來自已安裝的 SKILL.md 與配套文檔（v1.2.16），只描述 Skill 自身聲明的行爲邊界。
四類機制¶
官方簡介概括爲：Self-reflection + Self-criticism + Self-learning + Self-organizing memory。Agent 評估自己的工作、捕捉錯誤，並試圖讓改進持久化。
分層本地記憶¶
記憶根目錄爲 ~/self-improving/。若目錄不存在，應按 Skill 附帶的 setup.md 做首次初始化。典型結構如下：
~/self-improving/
├── memory.md # HOT：≤100 行，優先加載
├── index.md # 主題索引與行數
├── heartbeat-state.md # 心跳維護狀態（若工作區接入了 HEARTBEAT）
├── projects/ # 按項目的經驗
├── domains/ # 按領域（如 code、writing）
├── archive/ # COLD：衰減後的模式
└── corrections.md # 最近糾錯日誌（約 50 條）
存儲層級（Skill 內規則）：
| 層級 | 位置 | 體量 | 行爲 |
|---|---|---|---|
| HOT | memory.md |
≤100 行 | 始終加載 |
| WARM | projects/、domains/ |
單文件 ≤200 行 | 上下文匹配時再讀 |
| COLD | archive/ |
無硬性上限 | 僅在顯式查詢時讀 |
自動升降級示例：7 天內同一模式使用 3 次可晉升 HOT；30 天未用可降至 WARM；90 天未用可歸檔到 COLD。刪除記憶前需詢問用戶。
學習信號與自我反思¶
應記錄： 用戶明確糾正（如「不對，應該是…」「以後不要…」）、重複 3 次以上的指令、被肯定的穩定做法等。
不應記錄： 一次性指令、純假設、僅從沉默推斷的「偏好」。
完成重要任務後，Skill 建議按 CONTEXT / REFLECTION / LESSON 格式做簡短自省；與糾錯一樣，多次驗證成功後可晉升到 HOT。
主動與心跳（可選）¶
setup.md 說明可在 AGENTS.md、SOUL.md、HEARTBEAT.md 中寫入引導片段，把「任務前讀 HOT 記憶、糾錯後立刻落盤」綁進工作區習慣。若用戶同意，還可另行安裝 Proactivity 配套 Skill（需用戶確認後再執行 clawhub install proactivity）；不同意則僅使用 self-improving 即可。
安全與範圍¶
Skill 聲明：不訪問日曆、郵件、聯繫人；不主動發起網絡請求；不讀取 ~/self-improving/ 以外的文件來推斷偏好；不在心跳清理中盲目重寫記憶。敏感邊界詳見包內 boundaries.md。
安裝與啓用¶
1. 安裝 SkillHub CLI（若尚未安裝）¶
按 SkillHub 安裝說明 檢查或安裝：
command -v skillhub && skillhub --version
未安裝時可執行（完整安裝，含默認 Skill）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
2. 安裝本 Skill 到當前 Agent 的 skills 目錄¶
必須使用 --dir 指向當前客戶端識別的 skills 路徑，否則默認裝到 ./skills/ 可能不會被加載。
skillhub install @user_814dbe54/self-improving --dir <你的 skills 目錄>
常見路徑（來自 SkillHub 官方文檔）：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或項目下的.agents/skills/
也可將安裝提示交給 Agent：「請根據 https://skillhub.cn/install/skillhub.md，安裝 @user_814dbe54/self-improving。」
安裝完成後，在對應目錄應能看到 @user_814dbe54/self-improving（或解析後的 self-improving）及 SKILL.md。
3. 初始化 ~/self-improving/¶
首次使用按 setup.md 創建目錄與核心文件：
mkdir -p ~/self-improving/{projects,domains,archive}
隨後按模板創建 memory.md、corrections.md、index.md、heartbeat-state.md（結構見 Skill 包內 memory-template.md 與 setup.md）。
可選：在 AGENTS.md 中補充 Self-Improving 模式（Passive / Active / Strict），並在 SOUL.md、HEARTBEAT.md 中加入 Skill 提供的引導段落，使任務前檢索與週期性維護一致。
4. 驗證¶
對話中請求 「memory stats」，Agent 應按 Skill 約定彙報各層文件數量與近期活動（詳見 SKILL.md 中 Memory Stats 一節）。
典型用法¶
官方建議的觸發時機¶
在以下情況啓用或引用本 Skill：
- 命令、工具、API 或操作失敗；
- 用戶糾正或拒絕你的產出；
- 你發現既有知識過時或錯誤；
- 你發現更好的做法；
- 用戶明確爲當前任務安裝或引用該 Skill。
糾錯落盤¶
用戶說「不要用 Y，我要 X」時：立即寫入 ~/self-improving/corrections.md；若屬全局偏好或規則，再寫入 memory.md；項目專屬內容寫入 projects/<name>.md，領域經驗寫入 domains/<domain>.md。
任務前檢索¶
對非瑣碎任務，Skill 要求先讀 memory.md，再按項目/領域最多加載少量匹配文件，避免把全部命名空間塞進上下文。
用戶查詢類口令¶
| 用戶說法 | Agent 動作（按 Skill 約定） |
|---|---|
| What do you know about X? | 在各層搜索 X |
| What have you learned? | 展示 corrections.md 最近約 10 條 |
| Show my patterns | 列出 HOT 層 memory.md |
| Forget X | 從各層移除（先確認） |
| Export memory | 打包全部記憶文件 |
自省日誌示例¶
CONTEXT: Building Flutter UI
REFLECTION: Spacing looked off, had to redo
LESSON: Check visual spacing before showing user
適用場景與注意¶
適合誰：
- 希望 Agent 記住「你怎麼做事」，而不是隻記住單次聊天內容；
- 經常在同類項目（同一 repo、同一技術棧）裏反覆糾正風格、命令或流程；
- 願意用本地 Markdown 文件做可審計、可導出的記憶，而不是黑盒向量庫。
限制與注意：
- 記憶默認在用戶主目錄
~/self-improving/，多機或多工作區需自行同步或約定單一來源。 - Skill 強調不從沉默推斷規則；若你希望「更主動猜偏好」，需在
AGENTS.md裏把模式從 Passive 調整爲 Active，並接受誤記風險。 - 配套 Proactivity Skill 需單獨安裝且必須用戶同意；與 self-improving 的安裝源可能不同（文檔示例使用
clawhub）。 - 相關擴展（如
memory、learning）在SKILL.md中通過clawhub install <slug>提及，是否安裝由你確認。
常見陷阱（Skill 自述）： 過早把單次經驗晉升 HOT、用刪除代替合併歸檔、無差別讀取所有 domain 文件浪費上下文等——應對方式見 SKILL.md 的 Common Traps 表。
結尾¶
Self-Improving 把「糾錯 + 復盤 + 分層文件記憶」寫成 Agent 可執行的規程：不替代事實型日記（如 memory/YYYY-MM-DD.md），而是專門沉澱執行質量與可複用模式。若你正在 SkillHub 上挑選 ai-agent 類能力，可從社區包 @user_814dbe54/self-improving 入手，按上文命令安裝並完成 ~/self-improving/ 初始化。
官方地址：https://api.skillhub.cn/zcwl/self-improving
SkillHub 頁面：https://www.skillhub.cn/skills/user_814dbe54/self-improving
