据 AlphaMoat 统计,截至 2026-09,self-improving-agent 累计下载 3,124 次、获 2 个星标,在全部 5,078 个 AI 技能中排名第 3,646 位,在「AI 智能体」分类(969 个)中排名第 736 位。
| 平台 | 累计安装 | 累计下载 | 星标 | 评论 |
|---|---|---|---|---|
| ClawHub ↗ | 66 | 2,635 | - | - |
| SkillHub ↗ | 145 | 3,124 | 2 | — |
各平台的计数口径不同,统计时间不一致。
在 .learnings/ 中分别记录错误、经验与功能请求,包含上下文、建议动作、关联项和处理状态。任务前后可检索回顾;重复出现、跨任务适用或容易重犯的经验,可提炼到项目长期规则并标记来源。这里的改进依赖记录与后续实践。
资料发布于 2026-10-26
以下是根据技能文档生成的示例,不代表实际运行结果。
2026-09 起统计方法调整:同名技能按作者分别统计,并覆盖全部技能。图中虚线为调整前的月份,与之后的数据不直接比较,也不计算跨越调整的增长。
| 月份 | 累计下载 | 环比 | 星标 |
|---|---|---|---|
| 2026-09 | 3,124 | — | 2 |
| 2026-08 | 2,564 | +10.5% | 2 |
| 2026-07 | 2,320 | +42.2% | 2 |
| 2026-06 | 1,631 | +32.1% | 2 |
| 2026-05 | 1,235 | — | 2 |
| 2026-03 | 742 | — | - |
以下是作者发布的原始文件,按纯文本显示,本站未做修改或审核;其中的链接不可点击,命令请核实后再运行。抓取于 2026-10-23。
--- name: self-improving-agent description: "记录错误、纠正、能力缺口与最佳实践,形成可复用的持续改进闭环。适用于:命令失败、用户纠正、外部 API/工具异常、发现更优做法、提出新能力需求,以及任务前复盘历史经验。" --- # Self-Improving Agent(自我改进) 把“踩坑”变成“资产”。 每次失败、纠正或新发现,都写入结构化记录,后续可检索、可复盘、可沉淀到长期规则。
--- ## 1. 什么时候必须记录 出现以下任一情况时,立即记录: 1. **命令/操作失败**(非 0 退出、超时、异常输出) 2. **用户纠正你**(“不对”“应该是…”) 3. **用户提出你当前不具备的能力** 4. **外部服务失败**(API 报错、限流、鉴权失败) 5. **你意识到知识已过时或理解错误** 6. **你发现了可复用的更优流程** --- ## 2. 记录到哪里 在工作区使用 `.learnings/`: - `.learnings/LEARNINGS.md`:纠正、认知缺口、最佳实践 - `.learnings/ERRORS.md`:失败与异常 - `.learnings/FEATURE_REQUESTS.md`:能力请求 若目录不存在,先创建: ```bash mkdir -p .learnings ``` --- ## 3. 快速分流规则 - **失败/报错** → `ERRORS.md` - **被纠正/学到新规则** → `LEARNINGS.md` - **想要但暂不支持的能力** → `FEATURE_REQUESTS.md` --- ## 4. ID 规范 格式:`TYPE-YYYYMMDD-XXX` - TYPE: `LRN` / `ERR` / `FEAT` - 日期:当天日期 - XXX:三位序号(如 `001`) 示例: - `LRN-20260308-001` - `ERR-20260308-002` - `FEAT-20260308-001` --- ## 5. 模板(请严格使用) ### 5.1 Learning 模板(LEARNINGS.md) ```markdown ## [LRN-YYYYMMDD-XXX] correction | knowledge_gap | best_practice **Logged**: ISO-8601 时间 **Priority**: low | medium | high | critical **Status**: pending **Area**: frontend | backend | infra | tests | docs | config ### Summary 一句话总结 ### Details 发生了什么、哪里错了、正确做法是什么 ### Suggested Action 下一次应执行的具体动作 ### Metadata - Source: conversation | error | user_feedback | simplify-and-harden - Related Files: path/to/file - Tags: tag1, tag2 - See Also: LRN-...(可选) - Pattern-Key: ...(可选) - Recurrence-Count: 1(可选) - First-Seen: YYYY-MM-DD(可选) - Last-Seen: YYYY-MM-DD(可选) --- ``` ### 5.2 Error 模板(ERRORS.md) ```markdown ## [ERR-YYYYMMDD-XXX] command_or_integration **Logged**: ISO-8601 时间 **Priority**: medium | high | critical **Status**: pending **Area**: frontend | backend | infra | tests | docs | config ### Summary 一句话说明失败点 ### Error ``` 完整报错文本 ``` ### Context - 执行了什么命令/操作 - 使用了哪些参数 - 关键环境信息 ### Suggested Fix 可执行的修复建议 ### Metadata - Reproducible: yes | no | unknown - Related Files: path/to/file - See Also: ERR-...(可选) --- ``` ### 5.3 Feature Request 模板(FEATURE_REQUESTS.md) ```markdown ## [FEAT-YYYYMMDD-XXX] capability_name **Logged**: ISO-8601 时间 **Priority**: low | medium | high **Status**: pending **Area**: frontend | backend | infra | tests | docs | config ### Requested Capability 用户希望实现什么 ### User Context 用户为什么需要它 ### Complexity Estimate simple | medium | complex ### Suggested Implementation 实现方向(脚本、工具、流程) ### Metadata - Frequency: first_time | recurring - Related Features: ...(可选) --- ``` --- ## 6. 状态流转 允许状态: - `pending`:待处理 - `in_progress`:处理中 - `resolved`:已解决 - `promoted`:已提升到长期规则文件 - `wont_fix`:不处理(需写原因) 当问题已解决时,补充: ```markdown ### Resolution - **Resolved**: ISO-8601 时间 - **Commit/PR**: commit hash 或 PR 链接 - **Notes**: 做了什么 ``` --- ## 7. 何时“晋升”到长期记忆文件 满足以下任一条件,建议晋升: - 同类问题重复出现 - 对多人/多任务都适用 - 不写下来就会反复踩坑 晋升目标: - 工作流规则 → `AGENTS.md` - 行为/表达规则 → `SOUL.md` - 工具使用细节 → `TOOLS.md` - 长期偏好/事实 → `MEMORY.md` 晋升后把原条目状态改为 `promoted`,并注明目标文件。 --- ## 8. 复盘频率 建议在以下时机快速复盘 `.learnings/`: - 开始新任务前 - 完成复杂任务后 - 每周至少一次 可用命令: ```bash # 统计 pending grep -h "Status\*\*: pending" .learnings/*.md | wc -l # 查看高优先级 grep -B5 "Priority\*\*: high" .learnings/*.md | grep "^## \[" ``` --- ## 9. 执行原则(简版) 1. **立即记录**:别等会儿,信息会丢。 2. **写可执行建议**:不是“再看看”,而是“下次先做 X”。 3. **优先去重与关联**:能关联就加 `See Also`。 4. **重复三次就系统化**:提升到 `AGENTS.md/SOUL.md/TOOLS.md`。 5. **短而准**:结论可复用,描述可追溯。 --- ## 10. OpenClaw 场景建议 - 在主会话中把高价值学习同步到 `MEMORY.md`。 - 在需要跨会话协作时,使用 `sessions_send` 分享关键学习。 - 对高频重复问题,优先将规则写入工作区文档,减少未来上下文成本。 > 目标不是“记日志”,而是持续降低错误率、提高可复用性。
记录自身发现以实现自我改进的技能
帮助用户发现和安装智能体技能,当用户询问如「如何做X」、「找X的技能」、「有能做...的吗」等问题时
给 AI agent 用的浏览器自动化命令行技能。
自我反思+自我批评+自我学习+自组织记忆。智能体评估自身工作、发现错误并持续改进。
在安装第三方技能之前,按清单审查来源、权限与危险模式的技能。
类型化知识图谱,用于结构化智能体记忆与可组合技能。适用于以下场景:创建/查询实体(人物、项目、任务、事件、文档)、关联相关对象、强制执行约束、将多步操作规划为图谱变换,或当技能需要共享状态时。触发关键词包括"记住""我知道关于什么""将X链接到Y""显示依赖关系"、实体增删改查操作,以及跨技能数据访问。
将 AI 代理从任务执行者转变为能够预见需求、持续优化的主动伙伴。现已支持 WAL Protocol、Working Buffer、Autonomous Crons 及经过实战验证的模式。属于 Hal Stack 🦞。
创建有效技能指南。当用户希望创建新技能(或更新现有技能)以利用专业知识、工作流程或工具集成扩展 Claude 的能力时,应使用此技能。
数据月份:2026-09 · 下载/星标/安装数聚合自公开技能注册库(ClawHub、SkillHub),按月更新。口径说明见数据方法。