Self-Improving：让 Agent 从纠错与复盘里自动沉淀记忆
介绍 SkillHub 社区 Skill Self-Improving + Proactive Agent（@user_814dbe54/self-improving，v1.2.16）：在用户纠正、工具失败或自我复盘时，将偏好与教训写入 ~/self-improving/ 的 HOT/WARM/COLD 分层记忆，任务前按需加载，减少重复踩坑。文章基于官方页面与 SKILL.md 说明安装命令、目录初始化、学习信号、查询口令与安全边界，并区分 Cursor、Claude Code、Codex 的 skills 路径。
阅读全文记忆系统框架：为 AI Agent 搭一套可落地的分层记忆
记忆系统框架是 SkillHub 社区 Skill @user_f076293a/memory-framework（v1.0.0，ai-agent，无需 API Key）。基于 OpenClaw 改良，提供 L1/L2/L3 分层记忆、WAL 决策记录、Working Buffer、learnings 复盘与每日复盘模板，适合个人助手与团队协作。文章说明定位与核心能力，并给出 skillhub CLI 安装命令及 Cursor、Claude Code、Codex 的 skills 目录差异，典型流程为安装后按 SKILL.md 初始化分层记忆与复盘。
阅读全文dsh-layered-memory：DeepSeek Harness 的 L0~L3 分层蒸馏记忆插件
`dsh-layered-memory` 是面向 DeepSeek Harness 的记忆插件，旨在解决长对话及跨会话中上下文缺失、重复提问等问题。它通过后台自动执行 L0 原始对话捕获、L1 原子记忆抽取、L2 场景块整合及 L3 核心画像蒸馏，将对话信息转化为可复用的记忆资产。在模型执行前，插件会根据长度和时间预算自动召回相关记忆并注入上下文，避免拖慢对话。 该插件提供 `memory_search` 等三个主动查询工具，支持日常、工作、智能、关闭四种会话级记忆档位，并具备“只写不读”开关、同会话去重、上下文压缩自动重置及基于时效的加权召回功能。蒸馏过程中的 LLM Token 成本会被记
阅读全文