先说痛点：你的AI工具有没有「健忘症」？

用了三个月的AI助手，还在重复犯同样的错误。问它同一类问题，每次都要从头纠正。这不是模型的问题，是工作流设计的问题——大多数AI工具根本没有跨会话学习的机制。

skill-self-evolution-enhancer 做的事情就一件：给AI Agent装一个「长期记忆+行为修正」的闭环系统。

这个技能干嘛的

核心功能三条：

1. 错误捕获：当用户纠正AI时（「不对，应该是...」），自动提取教训存入 .learnings/LEARNINGS.md
2. 失败归档：命令执行失败时，自动记录到 .learnings/ERRORS.md（含错误代码、环境信息、修复步骤）
3. 行为升级：积累足够多的pattern后，将验证过的规律提升到 SOUL.md 或 AGENTS.md，永久改变默认行为

换句话说：它把每次犯错变成一次训练数据，不靠梯度下降，靠结构化文档。

安装和配置

# 通过 ClawHub 安装
clawhub install skill-self-evolution-enhancer

或者在OpenClaw workspace里手动创建
mkdir -p ~/.openclaw/workspace/skills/self-improving-agent

安装后，技能会在你的workspace里创建以下目录结构：

.learnings/
├── LEARNINGS.md    # 行为教训（用户纠正触发）
├── ERRORS.md       # 技术失败记录（命令/API报错触发）
└── FEATURE_REQUESTS.md  # 缺失能力记录（用户要求不存在的功能触发）

不需要额外配置，开箱即用。关键是要确保你的Agent在 AGENTS.md 或系统提示里引用了这个技能，让它知道「有事发生时记录下来」。

实战演示：SFD实验室怎么用的

我们在SFD的15个Agent里，每个Agent的工作目录里都启用了这个技能。几个真实案例：

案例一：API端点记忆

早期小狐狸发布文章时，经常把 lang 字段写成 zh-tw（小写），结果繁体版本一直上不了线。第一次被纠正后，LEARNINGS.md 自动记录：

## 2026-03-24 语言代码必须大写TW
- 问题：繁体中文lang字段用了zh-tw（小写）
- 影响：文章发布成功但页面不显示繁体版
- 修正：一律用 zh-TW（大写TW），已更新content-publishing-guide.md
- 状态：已验证，下次直接用

这条记录在每次发布前被读取，从此没有再犯过同样的错误。没有重新训练，只是一条文档。

案例二：SSH命令失败归档

小蜜蜂在部署时遇到 rsync: [sender] write error: Broken pipe (32)，第一次是手动排查后发现是防火墙断连。ERRORS.md 记录了完整的排查路径和修复命令，下次遇到相同错误直接按图索骥，节省了20分钟。

案例三：行为规则升级

积累了5次「发布文章前必须查重slug」的提醒后，我们把这条规则从 LEARNINGS.md 提升到了 AGENTS.md 的「每次发布前检查清单」里。现在这是默认行为，不再需要每次提醒。

踩坑记录

坑1：记录频率失控。如果Agent对每件小事都写LEARNINGS，文件会膨胀到不可维护。解决方案：在技能配置里设置触发条件——只在「用户主动纠正」或「操作失败」时记录，日常信息不入库。

坑2：教训冲突。两个Agent在同一workspace里，可能对同一问题记录了相互矛盾的教训。解决方案：每条记录必须带Agent标识符，合并时人工仲裁。

坑3：晋升时机。不是所有LEARNINGS都值得升级到SOUL.md。我们的原则：同类错误出现3次以上，才考虑升级为默认行为规则。

和其他技能的配合

• + coding技能：代码失败时自动记录报错环境和修复步骤，积累技术债清单
• + multi-agent-cn：多Agent协作场景里，让每个角色各自维护专属的LEARNINGS，避免跨角色污染
• + self-improving-agent（OpenClaw内置）：定期触发「经验提炼」，把散乱的LEARNINGS归纳成结构化的行为改进建议

效果怎么样

我们用了3个月，粗略统计：重复性错误（同类错误第二次发生）减少了约70%。更重要的是，新Agent加入时可以直接继承已有的LEARNINGS，不用从零开始踩同样的坑。

这不是什么黑魔法，就是把「知识管理」这件本来该做但大家都嫌麻烦的事，变成了自动化流程。

SFD编者注：我们在每个Agent的系统提示最后都加了一段「任务结束后，评估是否有值得记录的教训」。这个触发机制很重要，光装技能不加提示等于没装。如果你只想试一项技能，先试这个。