安全的自改进日志系统，通过结构化记录错误、修正和最佳实践，帮助AI编码助手持续学习并避免重复犯错。
说明：
## 核心用法
Self-Improvement Skill 是一套本地日志记录系统，帮助AI助手捕获对话中的学习机会。当用户纠正错误、命令执行失败、发现知识过时或遇到缺失功能时，自动记录到 `.learnings/` 目录下的三个文件：
– **LEARNINGS.md**：修正（correction）、洞察（insight）、知识缺口（knowledge_gap）、最佳实践（best_practice）
– **ERRORS.md**：命令失败、API异常、集成错误
– **FEATURE_REQUESTS.md**：用户请求的新功能
每条记录使用结构化格式（ID、时间戳、优先级、区域标签、摘要、详情、建议措施、元数据），便于后续检索和自动化处理。
## 显著优点
1. **零外部依赖**：纯原生Shell/JavaScript实现，无第三方包，杜绝供应链攻击
2. **隐私优先**：明确不记录密钥、令牌、环境变量，仅存储用户明确要求的日志摘要
3. **渐进式知识沉淀**：单条记录 → 关联链接 → 高频模式 → 提升到项目记忆文件（CLAUDE.md/AGENTS.md）
4. **多平台兼容**：支持Claude Code、Codex CLI、GitHub Copilot，通过hooks实现自动触发
5. **安全审计通过**：静态分析95分、动态行为90分、依赖审计100分，整体S级（优秀）
## 局限性与风险
1. **T3级来源**：由个人开发者（pskoett）维护，非企业级背书，需用户自行审计代码
2. **手动推广门槛**：从日志到项目记忆文件的”推广”步骤需要人工判断，依赖使用者的经验
3. **hook配置复杂**：自动提醒需要修改agent配置文件（如`.claude/settings.json`），对非技术用户不够友好
4. **跨会话通信有限**：OpenClaw平台的`sessions_send`等功能仅在受信环境可用，且需用户显式授权
5. **无内置分析工具**：缺乏自动统计高频问题、生成趋势报告的功能，需手动`grep`查询
## 适合人群
– 长期项目的开发者，需要AI助手”记住”项目特定约定
– 团队协作场景，希望沉淀共享的知识库
– 追求工作流自动化的进阶用户，愿意配置hooks
– 对代码安全敏感、偏好零依赖工具的用户
## 常规风险
– **数据残留风险**：`.learnings/`目录默认被`.gitignore`排除，但若误提交可能暴露内部调试信息
– **权限配置错误**：若目录权限过宽（777），其他进程可能篡改学习记录
– **过度记录噪音**：无筛选机制可能导致低价值日志堆积，需定期人工清理
– **版本兼容**：Skill提取功能依赖特定目录结构，升级时可能破坏既有工作流
