前言¶
Agent 用得久了，最常見的問題是重複犯同一個錯：同一個命令失敗兩次，同樣的糾正要跟 Agent 說第三遍，它還是不長記性。問題不在模型，在於每次會話結束，經驗就丟了，沒有機制把踩過的坑沉澱下來供下次使用。proactive-self-improving-agent 這個 Skill 就是衝着這個問題來的：它給 Agent 加一套觸發、記錄、回顧、晉升的經驗管理流程，讓 Agent 在運行過程中自動捕獲經驗並安全進化。
這是什麼¶
這是一個社區發佈的 Skill，座標 @user_96b3f16c/proactive-self-improving-agent，版本 1.0.0，分類 ai-agent。它不改變 Agent 本身的推理能力，而是在 Agent 工作時附加一套機制：在特定觸發條件下把經驗寫入工作區內的 Markdown 文件，並通過去重和日誌控制寫入頻率，避免噪音堆積。解決的核心問題是：Agent 完成任務過程中產生的經驗教訓默認不會留存，下次遇到類似任務時只能從零開始。
核心功能：七類觸發條件¶
這套 Skill 的觸發條件共七類，分別對應不同的記錄動作：
1、命令或操作失敗時，記入 ERRORS.md。
2、被用戶糾正時（識別「不對」「應該是」這類表述），記入 LEARNINGS.md。
3、用戶需要某個不存在的能力時，記入 FEATURE_REQUESTS.md。
4、外部 API 或工具出錯時，記入 ERRORS.md。
5、發現自己的知識過時或錯誤時，記入 LEARNINGS.md。
6、發現更好的做法時，記入 LEARNINGS.md。
7、每個任務完成時，回顧整個過程，有新經驗則記入 LEARNINGS.md。
可以看到，失敗類經驗（1、4）統一進 ERRORS.md，糾正和知識更新類經驗（2、5、6、7）統一進 LEARNINGS.md，能力缺口單獨記在 FEATURE_REQUESTS.md。三個文件分工明確，便於後續檢索和審計。
去重原則與日誌¶
寫入不是無條件的。Skill 明確要求：如果沒有新經驗，或者已有條目已經覆蓋了當前經驗，就跳過不寫。這條去重原則是整套機制能長期運轉的關鍵——經驗文件如果只增不減、重複條目大量堆積，很快就會失去參考價值。
每次寫入經驗時，還要同時在 .learnings/CHANGELOG.md 追加一行 JSONL 格式的日誌。JSONL 即每行一個 JSON 對象，這種格式便於用腳本追加寫入和後續解析，也留下了完整的寫入時間線。
經驗的晉升路徑¶
經驗不是永久停留在 LEARNINGS.md 裏的。當某條經驗反覆出現達到 3 次時，會被晉升到 AGENTS.md / TOOLS.md / SOUL.md 這類更正式、更常被 Agent 讀取的文件中。單次出現的經驗停留在 .learnings/ 目錄下，多次驗證有效的經驗上升到更高層級，形成一個從臨時記錄到長期規則的篩選機制。
安裝與啓用¶
官方頁面（https://api.skillhub.cn/user_96b3f16c/proactive-self-improving-agent 及對應的 skillhub.cn 頁面）在撰寫本文時無法訪問，因此安裝命令和具體的目錄放置方式未能覈實，這裏不給出推測內容。從 Skill 的工作方式可以推斷，它需要在 Agent 的工作目錄下能夠創建 ERRORS.md、LEARNINGS.md、FEATURE_REQUESTS.md 和 .learnings/ 目錄，具體啓用方式以官方頁面爲準。
適用場景與注意¶
適合長期在同一工作目錄下使用 Agent 的場景：項目開發、日常運維腳本、需要反覆處理同類任務的工作流。經驗文件沉澱在工作區裏，換目錄就換一份新記憶，這是設計使然，但也意味着經驗不會跨目錄自動遷移。
幾個需要注意的點：
1、經驗寫入依賴觸發條件的識別，用戶糾正類觸發基於「不對」「應該是」等表述，如果糾正時措辭不典型，可能不會被捕獲。
2、去重和 3 次晉升規則需要 Agent 準確執行，機制本身的效果取決於 Agent 對規則的遵循程度。
3、晉升到 AGENTS.md 等文件的經驗會持續生效，晉升前值得人工過一眼，避免把偶然情況固化成規則。
4、該 Skill 標註 requires_api_key=false，不需要額外配置 API 密鑰。
結尾¶
這類 Skill 的價值不在於讓 Agent 變聰明，而在於讓它不再重複犯錯：把失敗、糾正和發現固化成文件，再用去重和晉升機制控制規模。如果你的 Agent 已經在一個項目裏跑了一段時間，值得用它把散落的經驗系統化整理一遍。
官方地址：https://api.skillhub.cn/user_96b3f16c/proactive-self-improving-agent
