先說痛點：你的AI工具有沒有「健忘症」？

用了三個月的AI助手，還在重複犯同樣的錯誤。問它同一類問題，每次都要從頭糾正。這不是模型的問題，是工作流設計的問題——大多數AI工具根本沒有跨會話學習的機制。

skill-self-evolution-enhancer 做的事情就一件：給AI Agent裝一個「長期記憶+行為修正」的閉環系統。

核心功能三條

1. 錯誤捕獲：當使用者糾正AI時（「不對，應該是...」），自動提取教訓存入 .learnings/LEARNINGS.md
2. 失敗歸檔：命令執行失敗時，自動記錄到 .learnings/ERRORS.md（含錯誤代碼、環境信息、修復步驟）
3. 行為升級：積累足夠多的pattern後，將驗證過的規律提升到 SOUL.md 或 AGENTS.md，永久改變默認行為

安裝和配置

# 通過 ClawHub 安裝
clawhub install skill-self-evolution-enhancer

或者在OpenClaw workspace裡手動創建
mkdir -p ~/.openclaw/workspace/skills/self-improving-agent

安裝後，技能會在你的workspace裡創建以下目錄結構：

.learnings/
├── LEARNINGS.md    # 行為教訓（使用者糾正觸發）
├── ERRORS.md       # 技術失敗記錄（命令/API報錯觸發）
└── FEATURE_REQUESTS.md  # 缺失能力記錄

實戰演示：SFD實驗室怎麼用的

案例一：API端點記憶

早期小狐狸發布文章時，經常把 lang 字段寫成 zh-tw（小寫），結果繁體版本一直上不了線。第一次被糾正後，LEARNINGS.md 自動記錄了修正規則，此後再也沒有犯過同樣的錯誤。

案例二：SSH命令失敗歸檔

小蜜蜂在部署時遇到 rsync: Broken pipe，ERRORS.md 記錄了完整的排查路徑和修復命令，下次遇到相同錯誤直接按圖索驥。

案例三：行為規則升級

積累了5次「發布文章前必須查重slug」的提醒後，這條規則從 LEARNINGS.md 提升到了 AGENTS.md 的「每次發布前檢查清單」裡，成為默認行為。

踩坑記錄

坑1：記錄頻率失控。解決方案：只在「使用者主動糾正」或「操作失敗」時記錄。

坑2：教訓衝突。解決方案：每條記錄必須帶Agent標識符，合並時人工仲裁。

坑3：晉升時機。我們的原則：同類錯誤出現3次以上，才考慮升級為默認行為規則。

使用3個月後的效果

重複性錯誤（同類錯誤第二次發生）減少了約70%。新Agent加入時可以直接繼承已有的LEARNINGS，不用從零開始踩同樣的坑。

SFD編者注：我們在每個Agent的系統提示最後都加了一段「任務結束後，評估是否有值得記錄的教訓」。這個觸發機制很重要，光裝技能不加提示等於沒裝。如果你只想試一項技能，先試這個。