前言¶
同一个坑踩两次，是 agent 类工具最常见的失效方式。命令报错后重试，换个参数还是错；用户说过「不是这样」，过了几轮又回到原来的写法；某个外部接口今天挂，明天还按同一套方式调。问题不在模型不够聪明，在于每一次失败和纠正都没有留下来，下次执行时等于从零开始。
self-improvement 这个 Skill 就是针对这一点的：它把运行过程中的学习、错误和纠正记录下来，让 agent 在后续任务里能读到自己之前踩过的坑。
这是什么¶
一句话定位：一个用于记录错误与纠正、支持持续改进的 Skill，属于通用 SKILL.md 格式的 agent Skill。
出品方与维护情况：坐标 @user_814dbe54/self-improving-agent，发布者 user_814dbe54，来源标记为 community，分类 ai-agent。当前版本 3.0.24。它托管在 SkillHub 上，标签里有一条是 requires_api_key=false，即不需要额外申请 API Key。
解决的问题：agent 在执行中遇到失败、被用户纠正、或者发现自己知识过期时，通常不会留下任何可被后续任务读取的记录。这个 Skill 补的就是这条链路——捕获 → 记录 → 后续任务前回顾。
什么时候该用¶
下面这些触发时机来自官方简介，可以作为接入后的判断标准。
1、命令或操作意外失败。执行报错、非零退出、输出与预期不符，此时记录失败原因和最终有效的处理方式。
2、用户纠正。用户明确说出「不对」「实际上是……」这类反馈，属于高价值信号，应当记录下来。
3、用户请求的能力不存在。agent 无法满足某项需求，记下这个缺口，后续可作为能力扩展的依据。
4、外部 API 或工具失败。第三方接口超时、鉴权失败、限流，这些环境侧问题同样值得留痕。
5、agent 意识到自己的知识过时或错误。模型主动发现认知偏差时的自我修正。
6、为重复性任务找到了更好的做法。某类任务的更优路径一旦验证有效，记录下来供下次直接复用。
另外官方简介还建议：在执行重大任务之前，先回顾已有的 learnings。这一步的意义是把过去的经验前置到当前任务的输入里，而不是等失败之后再翻记录。
工作方式¶
这个 Skill 的输入是运行过程中的失败和纠正，输出是可供后续任务读取的改进记录。接入后需要做两件事：
一是在上述触发场景出现时触发记录，二是在重大任务开始前主动回顾已有记录。前者保证记录持续积累，后者保证记录真正被用上。两者缺一个，要么记录堆着没人读，要么执行时没有历史参考。
至于记录存放在哪里、用什么字段、是否支持多项目隔离，抓取到的资料里没有给出细节。需要确认的话，直接看官方页面的说明。
安装与启用¶
资料中未提供具体的安装命令、目录路径或配置字段。官方地址如下，安装方式以页面说明为准：
https://www.skillhub.cn/skills/user_814dbe54/self-improving-agent
数据接口地址：
https://api.skillhub.cn/user_814dbe54/self-improving-agent
Cursor、Codex CLI、Claude Code 各自的启用方式，在现有资料里没有分别说明，这里不做推测。
适用场景与注意¶
适合的场景：任务重复度高、失败模式稳定、且希望 agent 在同一项目里逐步积累经验的开发者。比如长期维护同一个仓库、反复调用同一组外部接口、或者需要 agent 遵循团队特定的操作习惯。
需要注意的地方：
一是它依赖记录被真实读取。如果任务流程里没有「回顾」这一步，积累的记录不会自动起作用。
二是记录质量取决于触发时机是否覆盖全。上面六类触发条件里，外部接口失败和知识过期这两类最容易漏掉，因为它们不一定表现为显式报错。
三是数据归属。这类 Skill 会把运行过程中的错误信息和用户纠正写进记录，如果项目涉及敏感信息，需要先确认记录的存放位置和权限边界。
四是版本与指标。抓取资料记录为评分 100000、下载 144469 次；同一 Skill 的早期线索里写的是评分 91380、下载 143087 次，两者存在差异。本次直连官方页面和接口均未成功，未能二次核对，引用时建议以官方页面当前显示为准。
结尾¶
self-improvement 的价值不在功能多少，而在于它把「犯错—纠正—遗忘」这个循环打断，让经验能留下来。对于希望 agent 在同一项目里越用越顺手的场景，这是一个可以直接接入的补充件；但它的效果取决于两件事：触发时机是否覆盖完整，以及重大任务前是否真的执行了回顾。
官方地址：https://www.skillhub.cn/skills/user_814dbe54/self-improving-agent
