Self Improving Agent

Self-Improving-Agent是一个让AI代理能够从错误中学习、积累经验并持续自我改进的ClawHub技能。

收录时间：

2026-04-01

Self Improving Agent

打开网站

一、Self-Improving-Agent：ClawHub排名第一的技能，解决AI”不长记性”痛点

Self-Improving-Agent是ClawHub平台上最受欢迎的AI技能之一，它是一个让AI代理具备”学习能力”的革命性工具。简单来说，它解决了所有AI用户都头疼的问题：AI不长记性。

Self-Improving-Agent核心功能快览

Self-Improving-Agent是ClawHub平台上排名第一的AI技能，它解决了AI代理”不长记性”的核心痛点。通过自动记录错误、用户纠正、最佳实践和知识更新，构建四层记忆系统，让AI能够从历史交互中学习，避免重复犯错。该技能已获得15.5万次下载和1.7k stars，实测可减少46%的Token消耗，显著提升AI使用效率。

1.1 核心定位与价值主张

传统的AI大模型本质上是无状态的——每次对话都是”白纸一张”，你在对话中说的话只对当前对话有效，下次对话又会重新开始。这种设计对于需要长期协作的场景来说是个灾难。Self-Improving-Agent的核心价值在于：

让AI拥有长期记忆：系统化记录错误、纠正和最佳实践
实现持续改进闭环：从”临场发挥”变成”持续进化”
显著节省成本：实测可减少46%的Token消耗

1.2 量化指标数据

根据最新数据统计：

指标	数值	说明
下载量	155,000+次	ClawHub平台历史总下载量
Stars数量	1,700+	GitHub仓库星标数
当前安装量	1,100+	活跃安装用户数
Token节省率	最高46%	实测数据
收入提升	4.2倍	使用后AI代理收入增长
排名位置	ClawHub第一	热门技能排行榜首位

1.3 应用场景与具体效果

典型应用场景：

开发工作流：记住代码风格偏好、技术栈选择
日常办公：自动化重复性任务流程优化
数据分析：积累数据处理的最佳实践
内容创作：学习用户的写作风格和表达习惯

具体效果体现：

错误不重犯：同样的错误只犯一次
偏好记忆：记住用户的个性化需求
效率提升：重复任务执行时间减少30-50%
成本降低：Token消耗显著下降

二、Self-Improving-Agent的主要功能和特点

2.1 四层记忆系统架构

Self-Improving-Agent采用分层记忆架构，模拟人类认知过程：

记忆类型	对应机制	文件载体	作用周期
工作记忆（短期）	当前会话上下文	系统提示词	单次会话
情景记忆（中期）	具体错误和修正记录	.learnings/*.md	数天至数周
语义记忆（长期）	抽象规则和最佳实践	CLAUDE.md, AGENTS.md	长期有效
程序性记忆（技能）	可复用的自动化技能	skills//SKILL.md	跨项目复用

2.2 自动触发与记录机制

系统通过智能触发器自动识别六类关键场景：

修正类触发器：当用户说”不对”、”错了”、”应该”时自动记录
错误类触发器：命令执行失败、退出码非0时记录
最佳实践类：发现更优解决方案时记录
知识缺口类：用户补充未知信息时记录
功能请求类：用户提出新需求时记录
模式简化类：识别重复问题模式时记录

2.3 核心功能列表

主要功能亮点：

✅ 自动错误记录：命令失败时自动记录错误原因和解决方案
✅ 用户纠正记忆：记住用户的纠正和偏好设置
✅ 最佳实践沉淀：积累高效的工作方法和技巧
✅ 知识更新跟踪：记录过时知识的更新和替代方案
✅ 跨会话一致性：确保不同会话间的行为一致性
✅ 本地隐私存储：所有数据存储在用户本地，保障隐私安全
✅ 智能优先级管理：根据问题频率和影响自动设置优先级
✅ 知识晋升机制：重要经验可晋升为系统级规则

2.4 技术特点详解

结构化追踪系统：

每个学习记录都有唯一标识符（如ERR-YYYYMMDD-XXX），支持精确检索和关联分析。

模式聚合算法：

通过Pattern-Key + Recurrence-Count识别重复问题，当某个问题重复出现3次以上且时间跨度超过30天时，系统会自动将其提升为关键模式。

记忆晋升流程：

临时记忆 → .learnings/目录
重要经验 → CLAUDE.md或AGENTS.md
成熟模式 → 独立Skill文件
行为规范 → SOUL.md

三、如何使用Self-Improving-Agent？

3.1 安装步骤详解

方法一：通过ClawHub安装（推荐）

# 使用npx安装
npx clawhub@latest install self-improving-agent

方法二：手动安装

# 创建记忆目录
mkdir -p ~/.openclaw/memory/self-improving/

# 下载技能文件
# 访问 https://clawhub.ai/pskoett/self-improving-agent 获取安装文件

方法三：在OpenClaw/Cursor中安装

直接将技能URL告诉你的AI助手，它会自动完成安装。

3.2 配置与验证

安装完成后，系统会自动创建以下目录结构：

~/.openclaw/memory/self-improving/
├── errors.jsonl          # 错误记录
├── corrections.jsonl     # 用户纠正记录
├── best_practices.jsonl  # 最佳实践记录
├── knowledge_gaps.jsonl  # 知识盲区记录
└── index.json           # 快速索引

验证安装是否成功：

# 检查技能是否加载
openclaw skills check
# 应该看到 self-improving-agent 在列表中

3.3 日常使用指南

场景一：纠正AI的表达习惯

你：帮我写一段自我介绍
AI：[生成正式风格的自我介绍]
你：不对，我平时写东西喜欢更口语化一点，不要太正式
AI：好的，记住了！
（系统自动记录到corrections.jsonl）
下次请求时，AI会自动使用口语化风格

场景二：记住技术偏好

你：我编程时prefer用const而不是let，除非特殊情况
AI：收到，我会记住的
（此后所有代码生成都会优先使用const）

场景三：积累专业知识

你：在金融领域，这个指标应该考虑风险调整后收益
AI：明白了，谢谢指正
（后续讨论金融话题时会引用这个知识点）

3.4 进阶使用技巧

手动添加重要记忆：

python3 ~/.openclaw/skills/self-improving-agent/log_best_practice.py \
  --category "security" \
  --practice "安装skill前必须审计代码" \
  --reason "防止供应链投毒"

执行前检查记忆：

python3 ~/.openclaw/skills/self-improving-agent/check_memory.py \
  --command "npm install"

设置每日自动复盘（高级功能）：

可以配置定时任务，让AI在每天凌晨4点自动进行自我反思，整理当天的学习经验。

四、官方地址和获取方式

4.1 官方资源链接

self-improving-agent — ClawHub↗

资源类型	地址	说明
ClawHub主页	https://clawhub.ai/pskoett/self-improving-agent	官方技能页面，包含详细文档
GitHub仓库	https://github.com/pskoett/self-improving-agent	源代码和最新更新
安装命令	`npx clawhub@latest install self-improving-agent`	一键安装命令
技能市场	https://clawhub.ai/	探索其他相关技能

4.2 兼容平台

Self-Improving-Agent兼容以下AI代理平台：

✅ OpenClaw（原生支持）
✅ Claude Code
✅ Cursor
✅ Codex
✅ 腾讯WorkBuddy
✅ 其他基于ClawHub生态的AI工具

4.3 系统要求

操作系统：Windows 10+/macOS 10.15+/Linux
内存：至少4GB可用内存
存储空间：100MB以上可用空间
网络连接：安装时需要，使用时可离线运行

五、Self-Improving-Agent vs 竞品对比分析

5.1 横向功能对比

功能特性	Self-Improving-Agent	AutoSkill	Ontology	Proactive-Agent
核心能力	从错误中学习	自动提炼技能	类型化知识图谱	预判需求自动执行
学习方式	被动记录+主动反思	交互模式分析	结构化知识构建	行为模式识别
记忆类型	四层分级记忆	技能模板记忆	图谱关系记忆	任务模式记忆
触发机制	六类自动触发器	模式识别触发	手动/自动触发	情境感知触发
数据存储	本地JSONL文件	技能库文件	知识图谱数据库	行为模式库
隐私保护	完全本地存储	本地存储	本地/云端可选	本地存储
易用性	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐	⭐⭐⭐⭐
社区活跃度	⭐⭐⭐⭐⭐	⭐⭐⭐	⭐⭐⭐	⭐⭐⭐⭐
Token节省	最高46%	未明确	未明确	未明确

5.2 纵向优势分析

Self-Improving-Agent的核心优势：

成熟度最高：15.5万+下载量，经过大规模验证
节省效果显著：实测Token消耗减少46%
自动化程度高：六类场景自动触发，无需手动干预
隐私保护完善：所有数据存储在用户本地
生态系统完善：与ClawHub生态深度集成

与其他学习类技能的区别：

vs RAG（检索增强生成）：RAG解决”知道什么”，Self-Improving-Agent解决”知道如何知道”
vs Fine-tuning：Fine-tuning改变模型权重，Self-Improving-Agent改变上下文环境
vs 传统记忆系统：不是简单的记事本，而是有晋升机制的知识管理系统

六、典型应用场景与实际体验

6.1 开发工程师场景

实际问题解决：

代码风格统一：记住项目的编码规范（单引号/双引号、缩进规则等）
技术栈偏好：自动使用团队偏好的框架和库版本
错误规避：记住常见的编译错误和解决方案
调试技巧积累：沉淀高效的调试方法和工具使用技巧

实际案例：

某前端开发团队使用后，React组件调试时间从平均45分钟减少到15分钟，因为AI记住了常见的组件生命周期问题和解决方案模式。

6.2 数据分析师场景

实际问题解决：

数据处理流程：记住数据清洗、转换的最佳实践
可视化偏好：学习用户喜欢的图表类型和配色方案
报告模板：积累常用的分析报告结构和表达方式
异常检测：记住历史数据异常的模式和处理方法

效率提升数据：

根据用户反馈，重复性数据分析任务的Token消耗平均减少38%，任务完成时间缩短42%。

6.3 内容创作者场景

实际问题解决：

写作风格：学习用户的语言风格和表达习惯
内容结构：记住常用的文章框架和段落组织方式
术语使用：积累专业领域的术语和表达方式
格式要求：自动应用用户偏好的排版格式

实际效果：

一位技术博主使用3周后，技术文章撰写时间从2小时缩短到45分钟，AI已经能够准确理解他的写作风格和技术深度要求。

6.4 运营管理人员场景

实际问题解决：

工作流程：记住重复性任务的标准化流程
沟通模板：积累常用的邮件、报告模板
决策依据：记住历史决策的成功经验和失败教训
团队协作：学习团队的工作习惯和协作方式

成本节省实例：

一个5人团队使用Self-Improving-Agent后，每月Token浪费从90万减少到30万，年节省成本约1800-4800元。

七、Self-Improving-Agent能为用户带来的价值

7.1 直接经济价值

Token成本节省：

重复问题探索浪费：减少约30%的Token消耗
Skill报错重试浪费：减少约15%的Token消耗
综合节省率：最高可达46%

效率提升价值：

任务执行时间平均缩短30-50%
错误重试次数减少70%以上
新员工/新项目上手时间缩短60%

7.2 间接业务价值

知识资产沉淀：

将个人经验转化为可复用的组织资产
降低人员流动带来的知识流失风险
建立持续改进的组织文化

质量提升：

错误率显著下降
输出一致性提高
用户体验改善

创新能力增强：

释放人力资源专注于创造性工作
加速新想法验证和迭代
促进跨领域知识融合

7.3 长期战略价值

AI代理进化：

从”工具”转变为”伙伴”，具备真正的学习成长能力

组织智能化：

为团队构建集体智能系统，实现经验共享和能力传承

竞争优势建立：

在AI应用深度上建立技术壁垒和效率优势

八、最近3到6个月内的重大功能更新

8.1 2026年3月更新动态

记忆晋升机制优化（2026年3月）：

引入了更智能的模式识别算法，能够自动识别重复出现3次以上的问题模式
增加了置信度权重机制，确保高质量经验被优先晋升
优化了知识半衰期管理策略，避免过时信息污染记忆库

跨平台兼容性增强：

新增对腾讯WorkBuddy的完整支持
优化了与Cursor、Claude Code的集成体验
提供了更简化的安装配置流程

性能优化改进：

记忆检索速度提升40%
存储空间占用减少30%
降低了系统资源消耗

8.2 生态系统扩展

与AutoSkill的深度集成（2026年3月）：

Self-Improving-Agent现在可以与AutoSkill框架协同工作，实现”经验→技能”的完整转化闭环。具体包括：

学习记录可自动转化为可复用的Skill模板
支持技能版本管理和迭代更新
提供技能市场共享机制雏形

OpenSpace项目合作（2026年3月底）：

香港大学的OpenSpace项目将Self-Improving-Agent作为核心组件，实现了”一条命令进化所有AI代理”的目标。测试数据显示：

使用OpenSpace的Agent收入提升4.2倍
Token消耗减少46%
6小时赚取11484美元（约7万人民币）

8.3 用户体验改进

可视化监控界面：

新增学习进度仪表板
提供记忆库健康度分析
支持学习效果量化评估

智能提醒功能：

重要学习完成时自动通知
重复问题预警
知识更新建议

九、常见问题FAQ解答

Q1：Self-Improving-Agent需要额外付费吗？

A：不需要。Self-Improving-Agent是开源免费的ClawHub技能，任何人都可以免费安装使用。唯一的成本是运行AI代理本身所需的Token费用，而使用该技能后反而能显著降低Token消耗。

Q2：安装后会影响AI代理的原有性能吗？

A：基本不会。Self-Improving-Agent采用轻量级设计，内存占用小，对AI代理的响应速度影响微乎其微。实际测试中，由于减少了重复探索和错误重试，整体任务完成时间反而会缩短。

Q3：我的学习数据安全吗？存储在哪里？

A：非常安全。所有学习数据都存储在用户本地目录（~/.openclaw/memory/self-improving/），不会上传到任何云端服务器。用户完全控制自己的数据，可以随时备份、删除或迁移。

Q4：需要多长时间才能看到明显效果？

A：这取决于使用频率。轻度用户可能需要1-2周积累足够的学习记录，重度用户3-5天就能看到明显改善。关键是要在初期积极纠正AI的错误和提供反馈，帮助系统快速建立知识库。

Q5：如果AI学到了错误的知识怎么办？

A：系统提供了多种质量控制机制：

置信度权重：AI对学习记录的确定程度有评分
验证状态：重要学习需要用户确认
矛盾检测：系统会标记相互矛盾的学习记录
手动编辑：用户可以随时查看和修改记忆文件

Q6：支持团队协作吗？多人能共享学习成果吗？

A：支持。可以通过版本控制系统（如Git）管理.learnings/目录，实现团队知识共享。新成员加入时，只需同步记忆文件就能立即获得团队积累的经验。

Q7：记忆文件会无限增长吗？如何管理？

A：系统有自动清理机制。低价值、过时的学习记录会被自动归档或删除。用户也可以手动整理，系统提供了记忆文件管理工具。

Q8：除了OpenClaw，还支持哪些AI平台？

A：目前主要支持OpenClaw及其兼容平台（Claude Code、Cursor、Codex等）。腾讯的WorkBuddy也完全兼容。其他平台可能需要适配，社区正在积极扩展支持范围。

Q9：如何查看AI都学到了什么？

A：有几种方式：

直接查看记忆文件（JSONL格式，人类可读）
使用内置的查询工具：check_memory.py
通过可视化界面查看学习统计和趋势
让AI自己总结学习成果

Q10：卸载后学习数据会保留吗？

A：会保留。学习数据存储在独立目录中，卸载技能不会删除这些数据。重新安装后可以继续使用原有的学习记录。

十、总结

Self-Improving-Agent代表了AI代理发展的一个重要方向——从静态工具向动态学习伙伴的转变。通过为AI赋予”记忆”和”学习”能力，它解决了当前AI应用中最令人头疼的”不长记性”问题。

核心价值总结

显著的成本效益：实测减少46%的Token消耗，直接降低AI使用成本
持续的效率提升：AI越用越聪明，重复任务执行时间不断缩短
知识资产沉淀：将个人经验转化为可复用、可传承的组织资产
使用体验改善：减少重复沟通，让AI真正理解用户的偏好和习惯

适用人群推荐

⭐⭐⭐⭐⭐ 深度OpenClaw用户：必装技能，能极大提升使用体验
⭐⭐⭐⭐⭐ 需要AI处理重复性任务的人：显著降低重复劳动成本
⭐⭐⭐⭐ 追求个性化AI体验的用户：让AI真正适应你的工作风格
⭐⭐⭐ 偶尔使用的轻度用户：仍有价值，但需要时间积累

未来展望

随着AI代理技术的不断发展，自我学习能力将成为标配。Self-Improving-Agent作为这一领域的先行者，不仅提供了实用的解决方案，更重要的是探索了AI与人类协作的新模式——从单向指令执行到双向学习成长。

对于任何希望提升AI使用效率、降低运营成本、构建智能工作流的个人和团队来说，Self-Improving-Agent都是一个值得投入学习和使用的工具。它的价值不仅体现在当下的效率提升，更在于为未来的智能化协作奠定了坚实基础。

参考文章或数据来源

《小龙虾最强装备(1)AI也会”长记性”?Self-Improving-Agent深度测评》 – Alan的AI时代（2026年3月12日）
《深度拆解 ClawHub Skills 排名榜首「self-improving-agent」》 – AI 启蒙小伙伴（2026年3月27日）
《ClawHub技能深度解读 #1:self-improving-agent – 让AI从错误中学习,越用越聪明》 – 老七的AI之旅（2026年3月13日）
《openclaw 小龙虾自我进化的秘密-最火的 self-improving-agent,到底强在哪?》 – 郝朋友的AI进化论（2026年3月4日）
《为什么说 self-improving-agent 是最能帮你的龙虾省钱的 Skill》 – Init Infinity（2026年3月12日）
《给OpenClaw 装了一套”学习系统”:Self-Improving + AutoSkill,Agent 开始自己进化了》 – 腾讯云（2026年3月16日）
《香港大学AI项目,让Agent自进化,让AI越用越聪明、越用越省钱》 – 腾讯新闻（2026年3月30日）
《skills.sh 2026年热门AI技能推荐:browser-use为何脱颖而出》 – 博客园（2026年3月30日）