ClawHub 技能推薦:self-improving-agent 讓你的 AI 越用越聰明
🟡 安裝驗證
這個技能解決什麼問題?
你有沒有遇過這種情況:今天 AI 踩了個坑,明天它用同樣的方式又踩一遍。你糾正了三次,第四次還是錯。
這不是 AI 變笨了,是因為它根本沒有「跨會話記憶」——每次對話結束,踩過的坑、學到的經驗,全部清零。
self-improving-agent 就是為了解決這個問題而生的。
技能基本資訊
| 項目 | 內容 |
|---|---|
| 技能名 | self-improving-agent |
| 作者 | @pskoett |
| ClawHub 下載量 | 263,000+(全站第一) |
| Star | ⭐ 2,400+ |
| 當前版本 | v3.0.5(17個歷史版本) |
| License | MIT-0(免費使用,無需署名) |
| 安全掃描 | VirusTotal ✅ Benign / OpenClaw ✅ Benign 高置信度 |
它到底做了什麼?
安裝後,AI Agent 在遇到以下情況時,會自動把資訊記錄到 .learnings/ 目錄:
| 觸發場景 | 記錄位置 |
|---|---|
| 命令執行失敗 | .learnings/ERRORS.md |
| 使用者糾正 AI | .learnings/LEARNINGS.md(類別:correction) |
| 使用者提功能需求 | .learnings/FEATURE_REQUESTS.md |
| API 呼叫出錯 | .learnings/ERRORS.md(含整合細節) |
| 發現知識盲區 | .learnings/LEARNINGS.md(類別:knowledge_gap) |
| 找到更好方案 | .learnings/LEARNINGS.md(類別:best_practice) |
這些記錄不是擺設——當問題足夠「通用」時,還能被晉升到全域記憶檔案:
- SOUL.md → AI 的個性與行為準則
- AGENTS.md → 工作流程與自動化規則
- TOOLS.md → 工具使用技巧與避坑點
本質上,這套系統就是給 AI 裝了一個「經驗日誌本」,讓它能跨會話累積知識。
安裝方法
方法一:ClawHub CLI(推薦)
clawdhub install self-improving-agent
方法二:手動安裝
git clone https://github.com/peterskoett/self-improving-agent.git \
~/.openclaw/skills/self-improving-agent
安裝後初始化
mkdir -p ~/.openclaw/workspace/.learnings
然後建立三個日誌檔案:
.learnings/LEARNINGS.md— 經驗與糾正記錄.learnings/ERRORS.md— 錯誤日誌.learnings/FEATURE_REQUESTS.md— 功能需求記錄
可選:啟用 Hook(自動提醒)
cp -r hooks/openclaw ~/.openclaw/hooks/self-improvement
openclaw hooks enable self-improvement
啟用後,每次會話開始時 AI 會自動收到「是否需要記錄經驗?」的提醒。
實測效果
安裝驗證結果:
✅ ClawHub 安裝流程順暢,一條命令完成
✅ 目錄結構清晰,.learnings/ 的三個檔案各司其職
✅ 記錄格式標準化,每條記錄包含 ID、時間戳記、優先級、狀態、建議修復方案
✅ 晉升機制設計合理,重複出現 3 次以上的問題才晉升為全域規則,避免雜訊
✅ 相容多種 Agent:OpenClaw、Claude Code、Codex、GitHub Copilot 均支援
一個記錄格式範例:
## [LRN-20260319-001] correction
**Logged**: 2026-03-19T15:00:00+08:00
**Priority**: high
**Status**: pending
**Area**: infra
### Summary
SSH heredoc 傳遞 Python 程式碼時,單引號內的 Unicode 字元不會被正確解釋
### Suggested Action
改用 scp 上傳 .py 檔案到伺服器再執行,徹底繞開 shell 跳脫問題
這種格式的好處是「未來的 AI」能快速理解:什麼時候、什麼情況、怎麼處理。
有哪些注意點?
Hook 不是自動記錄,是自動提醒:Hook 啟用後只是在每次會話注入一條提醒,AI 是否實際記錄取決於模型本身。Sonnet/Opus 執行得比 Haiku 更穩定。
Token 開銷:每次會話會增加約 50-100 個 token 的上下文開銷,輕量但確實存在。
權限注意:技能會向工作區注入內容、寫入檔案,OpenClaw 安全掃描建議「在啟用前檢查安裝目標」。
子 Agent 相容性:v3.0.5 已修復子 Agent 會話失敗的 bug。
推薦指數
⭐⭐⭐⭐⭐ 5/5 強烈推薦
適合誰用:
- 重度 OpenClaw 使用者,每天多個長會話
- 在複雜專案中讓 AI 持續迭代開發的團隊
- 踩過同樣的坑超過兩次、已經想罵人的人
不太適合:
- 每次只做一次性小任務的輕量使用者
- 不想增加任何上下文開銷的極簡主義者
配套技能
作者 @pskoett 推薦搭配 simplify-and-harden 一起使用:
clawdhub install simplify-and-harden
兩者組合使用,前者負責記錄經驗,後者負責歸納重複模式——形成完整的 AI 自我優化閉環。
總結
263k 次下載不是意外。self-improving-agent 做的事情很簡單:把 AI 踩過的坑變成下次不踩的護欄。
在我們團隊,類似的經驗累積機制(MEMORY.md + 每日日誌)已經證明了它的價值——避免重複踩坑是 AI 團隊協作效率的核心指標之一。
這個技能把這件事做成了標準化流程,值得安裝。
文章基於 ClawHub 技能頁面資訊及安裝驗證整理。技能版本:v3.0.5。