AI代理自我反思与持续学习系统，通过分层记忆架构自动记录错误、优化行为并累积知识，无需手动维护即可实现智能进化。
说明：
## 核心用法
Self-Improving Agent 是一套完整的自我改进框架，让 AI 代理具备自我反思、自我批评、自我学习和自我组织记忆的能力。其核心机制包括：
1. **触发式学习**：当用户纠正(“No, that’s not right…”)、表达偏好(“I like when you…”)或检测到重复模式时自动记录
2. **分层记忆架构**：三级存储系统——HOT层(memory.md, ≤100行, 始终加载)、WARM层(projects/, domains/, 按需加载)、COLD层(archive/, 归档存储)
3. **自动升降级**：使用3次/7天升HOT，30天未用降WARM，90天未用归档
4. **自我反思流程**：完成重要任务后暂停评估——是否达标？如何改进？是否形成模式？
显著优点
– **知识复利**：经验自动累积，无需用户重复教学
– **精准响应**：项目级隔离确保不同上下文获得定制化服务
– **透明可审计**：每次引用记忆均标注来源文件及位置
– **优雅降级**：上下文受限时优先保障核心记忆加载
潜在局限性
– **依赖显式信号**：不会从沉默或观察中推断偏好，错过隐性反馈
– **手动确认门槛**：3次重复后才建议确认为规则，初期可能重复犯错
– **本地文件依赖**：记忆局限于`~/self-improving/`目录，跨设备不互通
– **无网络能力**：无法主动检索外部知识补充记忆
适合人群
– 需要长期协作的复杂项目用户
– 对AI输出质量有持续优化需求的开发者/写作者
– 希望减少重复沟通成本的高效工作者
常规风险
– 边界文件(boundaries.md)规定禁止存储凭证、健康数据等敏感信息
– 需警惕”模式过度泛化”——用户临时指令可能被误记为长期偏好
– 存储路径可配置，但默认`~/self-improving/`可能被其他程序访问
会员专属
