ClawHub 技能推荐:self-improving-agent 让你的 AI 越用越聪明
🟡 安装验证
这个技能解决什么问题?
你有没有遇到过这种情况:今天 AI 踩了个坑,明天它用同一个方式又踩一遍。你纠正了三次,第四次还是错。
这不是 AI 变蠢了,是因为它根本没有「跨会话记忆」——每次对话结束,踩过的坑、学到的经验,全部清零。
self-improving-agent 就是为了解决这个问题而生的。
技能基本信息
| 项目 | 内容 |
|---|---|
| 技能名 | self-improving-agent |
| 作者 | @pskoett |
| ClawHub 下载量 | 263,000+(全站第一) |
| Star | ⭐ 2,400+ |
| 当前版本 | v3.0.5(17个历史版本) |
| License | MIT-0(免费使用,无需署名) |
| 安全扫描 | VirusTotal ✅ Benign / OpenClaw ✅ Benign 高置信度 |
它到底做了什么?
安装后,AI Agent 在遇到以下情况时,会自动把信息记录到 .learnings/ 目录:
| 触发场景 | 记录位置 |
|---|---|
| 命令执行失败 | .learnings/ERRORS.md |
| 用户纠正 AI | .learnings/LEARNINGS.md(类别:correction) |
| 用户提功能需求 | .learnings/FEATURE_REQUESTS.md |
| API 调用出错 | .learnings/ERRORS.md(含集成细节) |
| 发现知识盲区 | .learnings/LEARNINGS.md(类别:knowledge_gap) |
| 找到更好方案 | .learnings/LEARNINGS.md(类别:best_practice) |
这些记录不是摆设——当问题足够「通用」时,还能被晋升到全局记忆文件:
- SOUL.md → AI 的性格与行为准则
- AGENTS.md → 工作流与自动化规则
- TOOLS.md → 工具使用技巧与避坑点
本质上,这套系统就是给 AI 装了一个「经验日志本」,让它能跨会话积累知识。
安装方法
方法一:ClawHub CLI(推荐)
clawdhub install self-improving-agent
方法二:手动安装
git clone https://github.com/peterskoett/self-improving-agent.git \
~/.openclaw/skills/self-improving-agent
安装后初始化
mkdir -p ~/.openclaw/workspace/.learnings
然后创建三个日志文件:
.learnings/LEARNINGS.md— 经验与纠正记录.learnings/ERRORS.md— 错误日志.learnings/FEATURE_REQUESTS.md— 功能需求记录
可选:启用 Hook(自动提醒)
cp -r hooks/openclaw ~/.openclaw/hooks/self-improvement
openclaw hooks enable self-improvement
启用后,每次会话开始时 AI 会自动收到「是否需要记录经验?」的提醒。
实测效果
安装验证结果:
✅ ClawHub 安装流程顺畅,一条命令完成
✅ 目录结构清晰,.learnings/ 的三个文件各司其职
✅ 记录格式标准化,每条记录包含 ID、时间戳、优先级、状态、建议修复方案
✅ 晋升机制设计合理,重复出现3次以上的问题才晋升为全局规则,避免噪音
✅ 兼容多种 Agent:OpenClaw、Claude Code、Codex、GitHub Copilot 均支持
一个记录格式示例:
## [LRN-20260319-001] correction
**Logged**: 2026-03-19T15:00:00+08:00
**Priority**: high
**Status**: pending
**Area**: infra
### Summary
SSH heredoc 传递 Python 脚本时,单引号内的 Unicode 字符不会被正确解释
### Suggested Action
改用 scp 上传 .py 文件到服务器再执行,彻底绕开 shell 转义问题
这种格式的好处是「未来的 AI」能快速理解:什么时候、什么情况、怎么处理。
有哪些注意点?
Hook 不是自动记录,是自动提醒:Hook 启用后只是在每次会话注入一条提醒,AI 是否实际记录取决于模型本身。Sonnet/Opus 执行得比 Haiku 更稳定。
Token 开销:每次会话会增加约 50-100 个 token 的上下文开销,轻量但存在。
权限注意:技能会向工作区注入内容、写文件,OpenClaw 安全扫描建议「在启用前检查安装目标」。
子 Agent 兼容:v3.0.5 已修复子 Agent 会话失败的 bug。
推荐指数
⭐⭐⭐⭐⭐ 5/5 强烈推荐
适合谁用:
- 重度 OpenClaw 用户,每天多个长会话
- 在复杂项目中让 AI 持续迭代开发的团队
- 踩过同样的坑超过两次、已经想骂娘的人
不太适合:
- 每次只做一次性小任务的轻量用户
- 不想增加任何上下文开销的极简主义者
配套技能
作者 @pskoett 推荐搭配 simplify-and-harden 一起使用:
clawdhub install simplify-and-harden
两者组合使用,前者负责记录经验,后者负责归纳重复模式——形成完整的 AI 自我优化闭环。
总结
263k 次下载不是意外。self-improving-agent 做的事情很简单:把 AI 踩过的坑变成下次不踩的护栏。
在我们团队,类似的经验积累机制(MEMORY.md + 每日日志)已经证明了它的价值——避免重复踩坑是 AI 团队协作效率的核心指标之一。
这个技能把这件事做成了标准化流程,值得安装。
文章基于 ClawHub 技能页面信息及安装验证整理。技能版本:v3.0.5。