每日热门skill:268k下载、AI Agent终于“长记性“了：self-improving-agent深度拆解，5层记忆+6个触发器，越用越聪明-平芜编程栈

摘要：ClawHub历史上下载量Top2的常青树self-improving-agent，累计安装量突破268k。本文用3分钟带你拆开它的三层记忆架构、6类自进化触发器、跨会话学习闭环，并附完整安装与避坑指南。看完你会明白，为什么装上这个Skill之后，你的AI从"七秒记忆的实习生"变成了"越用越懂你的搭档"。

一、先抛个扎心的问题

上周我让OpenClaw帮我搜点资料。

结果它连着三次都踩了同一个坑——ClawHub的API限流。

第一次报错，我手把手教它：“遇到429先去等30秒再重试”。第二次遇到，它又忘了。第三次？照旧GG。

我当时就一个念头：这玩意儿是真没记性啊。

你可能也经历过类似的崩溃：

上周教AI"这个项目用pnpm别用npm"，新会话它又用回了npm
反复强调"代码注释必须中文"，下次生成又满屏英文
团队代码规范、目录结构、个人偏好，每次都要重新交代一遍
同一个API连续调用失败三次，AI还以同样姿势再试三次

AI没有跨会话的持久记忆。每次对话都是白板重启。

这不叫AI，这叫"金鱼实习生"。

而今天我要聊的self-improving-agent，就是专门治这个病的——ClawHub官方数据：13万+下载量（折算安装量268k），Top 2级别的常青Skill。

作者是@pskoett，GitHub仓库peterskoett/self-improving-agent。

二、self-improving-agent 是什么？一句话讲透

它让 AI Agent 把犯过的错、学到的东西、用户的纠正，全部结构化地记下来，并在后续会话中自动参考。

官方描述更简洁：Captures learnings, errors, and corrections to enable continuous improvement.

翻译成人话：把"你每次教AI的事"沉淀成"项目级经验库"，下次直接复用。

听起来很玄？看个具体场景——

场景对比

没装之前：

你：上次说过这个项目用 pnpm。 AI：好的，我用 npm 帮你装。 ← 完全失忆 你：……（我上周说啥了）

装上之后：

你：装个 lodash。 AI：好的，根据项目偏好（.learnings 中已记录），使用 pnpm： pnpm add lodash 你：哦？它记住了？

就这么简单。但它背后是一套精心设计的三层记忆+6类触发器+自动晋升机制。

下面我把它彻底拆开。

三、核心架构：三层记忆体系（重头戏）

self-improving-agent 最精妙的设计，是模仿了计算机存储分层的概念——

你电脑有「内存、SSD、归档盘」，它也有「热记忆、温记忆、冷记忆」。

~/self-improving/ # 或 .learnings/ ├── memory.md # 🔥 HOT层：≤100行，始终加载 ├── index.md # 主题索引 ├── heartbeat-state.md # 心跳状态 ├── corrections.md # 最近50条纠正记录 ├── projects/ # 🌡️ WARM层：按项目分类 ├── domains/ # 🌡️ WARM层：按领域分类（代码/写作/沟通） └── archive/ # ❄️ COLD层：归档的过期模式

三层对比

层级	位置	大小限制	加载策略	类比
HOT	`memory.md`	≤100行	每次启动自动加载	CPU L1缓存
WARM	`projects/`,`domains/`	≤200行/文件	按需加载	内存
COLD	`archive/`	无限制	显式查询时加载	硬盘归档

为什么这么设计？三个理由

第一，避免上下文污染。

如果把所有记忆一股脑塞进prompt，模型会"注意力过载"——就像你面前同时摆100份文件，反而找不到关键的那份。

第二，性能成本可控。

LLM的token是钱。HOT层永远加载，WARM层按需拉取，COLD层不主动调——这个分层直接决定你的账单。

第三，匹配人类记忆规律。

我们大脑也是这么工作的：

母亲的名字 → 永远"热"加载
昨天看的电影 → 几天内"温"
小学同桌的外号 → 早已"冷"归档

self-improving-agent 只不过把这个机制代码化了。

自动晋升/降级机制

更牛的是自动迁移：

某条WARM层的知识被频繁调用 → 自动晋升到HOT层
HOT层某条知识超过90天没被引用 → 自动归档到COLD层
纠错记录50条以上 → 旧记录自动archive

这才是"自我进化"的核心。不是被动记忆，而是主动整理。

四、6类自进化触发器（什么时候AI会"反思"）

光有存储没用，关键是什么时候触发记录。

self-improving-agent 设计了4类自动触发 + 2类手动触发：

自动触发器（无需人工干预）

① 用户纠正时（最常见）

当用户说出：“不对”、“应该是…”、“你理解错了”、“这个方法已经废弃了”——AI立刻意识到"我错了"，把这次纠正完整记录下来。

包括：错误的认知、正确的做法、适用范围。

② 命令/工具/API执行失败时

error-detector.sh脚本会在每次Bash命令后自动检查输出，匹配16种错误模式：

npm ERR! # 包安装失败 Permission denied Traceback (xxx) fatal: not a git repository EADDRINUSE ...

只要检测到报错，立即提示AI记录：错在哪、什么上下文、怎么修。

③ 成功完成复杂任务后

调试半天才解决一个诡异bug？AI会自动把这个解法标记为best_practice，下次直接复用。

④ 用户要求不存在的能力时

你说"你能不能做X"，AI发现"我做不到"——它会把这条需求记录到feature_requests，方便后续跟踪。

手动触发器（你主动调用）

⑤ 主动复盘命令

/self-improve-review # 让AI总结本会话学到的东西 /self-improve-promote # 把临时记忆提升到项目级

⑥ 心跳自检（适合长任务）

每完成一个关键节点，AI会主动问自己：

这步走错了吗？
用户的反应如何？
有没有可复用的模式？

五、4步闭环：从"犯错"到"不再犯"

光记录不够，必须形成闭环。self-improving-agent 的进化流程是：

触发 → 记录 → 评估 → 复用 ↓ ↓ ↓ ↓ 踩坑 沉淀 反思 下次直接用

真实例子：AI学会"项目用pnpm"的过程

T0（第1次对话）：

你：这个项目用pnpm，别用npm。 AI：好的，已记录到 .learnings/preferences.md

T1（第2次对话，新Session）：

你：帮我装个 lodash。 AI：⚠️ 检测到项目偏好记录 → 自动调用 pnpm add lodash （来源：.learnings/preferences.md, 时间：2026-07-10）

T2（第10次对话后）：

AI：⚙️ 偏好使用频率检测：pnpm 偏好 30 天内被调用 8 次 → 晋升到 HOT层 (memory.md)，今后始终加载

T3（90天后没人用）：

AI：❄️ 偏好 90 天未被引用 → 归档到 archive/，按需查询

看到了吗？这就是"自我进化"的完整闭环。

不需要你每次重复教育，AI会自己记录、评估、晋升、归档。

六、5分钟安装：从0到能用的全流程

方式一：clawhub一键安装（推荐）

# 全局安装 ClawHub CLI（如未安装） npm install -g clawhub # 一键安装 self-improving-agent clawhub install self-improving-agent # 或用npx方式 npx clawhub@latest install self-improving-agent

方式二：Git Clone

git clone https://github.com/peterskoett/self-improving-agent.git \ ~/.openclaw/skills/self-improving-agent

方式三：让Agent自己装

直接把链接丢给Agent：

请安装这个skill：https://github.com/peterskoett/self-improving-agent

它会自己git clone、配置、验证。

启动配置

安装后，编辑openclaw.json启用：

{ "skills": { "entries": { "self-improving-agent": { "enabled": true, "config": { "memory_limit": 100, "auto_promote": true, "archive_after_days": 90 } } } } }

验证生效

# 重启 OpenClaw 网关 openclaw gateway restart # 查看已加载技能 openclaw skills list

应该看到：

✓ self-improving-agent (active, v1.2.11)

第一次使用

随便跟AI聊几句，故意说错一两次：

你：我代码用空格缩进。 AI：好的，已记录偏好（待确认）。 你：不对，我用Tab。 AI：⚠️ 检测到纠正信号 → 更新偏好为 Tab → 写入 .learnings/preferences.md

打开~/.learnings/preferences.md，你会看到：

# 项目偏好 - 缩进方式: Tab - 更新时间: 2026-07-14 - 来源会话: conv-xxxx

恭喜，你的AI正式"长记性"了。

七、真实使用案例：从踩坑到避坑

案例1：解决"重复踩坑"问题

背景：每次跑GitHub Actions都遇到npm ci报错。

第一次（未装Skill）：

AI：错误：lockfile out of sync 你：删掉node_modules重装

第二次（装上Skill后）：

AI：错误：lockfile out of sync ↪️ 已检测到相似错误记录 (.learnings/errors.md:2026-07-08) ↪️ 已知解决方案：rm -rf node_modules && pnpm install 自动执行中...

案例2：学会用户写作风格

你：以后写CSDN标题，要"数字+悬念+对比"，别用"如何/怎样"。 AI：已记录写作风格偏好。 # 一周后 你：给我想3个标题。 AI：① 《5个让AI Agent效率翻倍的Skill，第3个90%的人没用过》 ② 《从手动到全自动：我用xxx把开发效率提升了10倍》 ③ 《xxx vs yyy：老程序员才会注意的3个细节》

它真的学会了。

案例3：自动归档"过时的教训"

6个月前AI学到一个Python 2的写法，现在项目早升级到Python 3了——它会把这调记录移到archive/，不再主动加载。

避免"老经验污染新场景"。

八、同类Skill对比：self-improving-agent的护城河

维度	self-improving-agent	普通Chat Memory	向量数据库RAG	Self-Evolving Skill
存储介质	本地Markdown	内存/数据库	向量DB	本地文件
是否跨会话	✅	❌	✅	✅
上下文开销	极低（仅HOT层）	全部加载	中等	极低
触发学习	6类自动触发	手动注入	手动检索	自动+手动
自动晋升	✅	❌	❌	✅
隐私安全	本地（无外传）	取决于平台	取决于平台	本地
学习成本	5分钟	即开即用	复杂	10分钟
适用场景	个人/团队长期协作	一次性对话	知识库检索	工具自动升级

一句话总结：其他方案要么"没记忆"，要么"记忆太重"，self-improving-agent 是目前最轻量、最贴近人类记忆规律的方案。

九、避坑指南：我踩过的5个坑

坑1：HOT层塞满导致Token爆炸

症状：用了3个月，memory.md 涨到2000行，每次对话贵得离谱。

解决：

/self-improve-promote --to-warm # 或手动归档老旧偏好

经验：HOT层 ≤100行是铁律，超出立即下沉。

坑2：触发器太敏感，记录一堆废话

症状：AI把"用户说’嗯’"都记下来了。

解决：在配置中调整触发关键词严格度：

{ "trigger_threshold": "high" // 只记录明确纠正信号 }

坑3：跨项目记忆串台

症状：A项目的"用MySQL"偏好污染到B项目。

解决：用domains/和projects/严格分类，不要全塞memory.md。

坑4：升级后规则丢失

症状：更新Skill版本后，.learnings/目录被覆盖。

解决：升级前备份：

cp -r .learnings/ .learnings.backup.$(date +%F)

坑5：误把"用户临时想法"当永久偏好

症状：用户随口说"今晚吃火锅"，AI第二天又问你"是否吃火锅"。

解决：在preferences.md顶部加## 临时笔记和## 永久偏好两个区段，让AI区分。

十、总结：它到底解决了什么？

一句话：self-improving-agent 让 AI Agent 从"无状态的工具"变成"有记忆的伙伴"。

如果你受够了以下任何一条：

❌ 每周重复教AI同样的项目规范
❌ 同一个API错误AI连踩三次
❌ 团队成员换人，AI的"经验"全部清零
❌ 想做长期项目但AI的"七秒记忆"拖后腿

那这个Skill就是为你准备的。

5分钟安装，3条命令，永久受益。

十一、行动号召

1分钟体验

clawhub install self-improving-agent openclaw gateway restart

互动话题

你希望AI"长记性"记住什么？评论区聊聊。

A. 你的代码风格
B. 团队的命名规范
C. 客户的特殊要求
D. 你的口头禅和黑话

作者：技术爬爬虾日期：2026-07-14数据来源：ClawHub官方数据 + GitHubpeterskoett/self-improving-agent仓库版本：v1.2.11（2026年7月最新）

如果本文对你有帮助，点赞、收藏、关注三连——我会持续输出更多ClawHub热门Skill的深度拆解。

下期预告：ClawHub下载量Top 1的百度搜索Skill——它凭什么干掉Tavily？