Skip to content

你的 Claude code为什么总是重复犯错？这个开源 Skill 让它学会"记笔记"

发布于 2026-04-20

你让 Claude Code 把项目从 npm 迁移到 pnpm，它兴冲冲地跑了一个 npm install，然后报错。你纠正它之后，三天后换了一个任务，它又来了个 npm install。——如果你也被这种"金鱼记忆"搞到崩溃，今天这个项目就是专门治这个的。

head

一句话总结

self-improving-agent 是一个让 AI 编码代理"学会记笔记"的开源 AgentSkill。 它自动把错误、修正和需求记录到结构化的 Markdown 文件里，好的经验还会被提升到项目记忆中。装好之后，你的 AI 不再每次都从零开始——它会记得三天前那个 npm install 的教训。

目前已经有 3.3k stars、403k 次下载、28 个版本，5 天前还在更新。

01 它做了什么？给 AI 配了一个"错题本"

self-improving-agent 的核心很简单：在项目中创建一个 .learnings/ 目录，里面放三个 Markdown 文件，每次 AI 犯错或被纠正时，自动往里面写一条记录。

这三个文件分别是：

文件 记录什么 什么时候写
LEARNINGS.md 修正、洞察、知识缺口、最佳实践 用户说"不对"、"应该是"、"你错了"
ERRORS.md 命令失败、异常、意外行为 命令返回非零退出码、超时、报错
FEATURE_REQUESTS.md 用户请求的新功能 用户说"能不能…"、"我希望…"

每条记录都有统一的结构化格式：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
## [LRN-20250420-001] correction

**Logged**: 2025-04-20T14:32:00Z
**Priority**: high
**Status**: pending
**Area**: config

### Summary
项目使用 pnpm workspaces，不能用 npm install

### Details
npm install 会失败，因为 lock 文件是 pnpm-lock.yaml，
必须使用 pnpm install

### Suggested Action
以后涉及依赖安装时，先检查 lock 文件类型

### Metadata
- Source: user_feedback
- Related Files: pnpm-lock.yaml
- Tags: pnpm, npm, dependency

看到没？不是随便写一句"记住用 pnpm"，而是带时间戳、优先级、状态、区域分类、修复建议的完整记录。未来的 AI 代理读到这条，能在 5 秒内理解发生了什么、该怎么避免。

fig-01-log-files

02 Hook 自动触发：不用你提醒，它自己记

最妙的是，这个 Skill 支持 Hook 自动触发，不用你每次都手动说"记下来"。

基础配置（Claude Code / Codex）：

在 .claude/settings.json 里加一段：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
{
  "hooks": {
    "UserPromptSubmit": [{
      "matcher": "",
      "hooks": [{
        "type": "command",
        "command": "./skills/self-improvement/scripts/activator.sh"
      }]
    }]
  }
}

这意味着：每轮对话提交后，脚本会自动在 AI 的上下文里注入一个提醒——"嘿，回头看看有没有值得记录的学习或错误"。

进阶配置（加上错误自动检测）：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
{
  "hooks": {
    "UserPromptSubmit": [{...}],
    "PostToolUse": [{
      "matcher": "Bash",
      "hooks": [{
        "type": "command",
        "command": "./skills/self-improvement/scripts/error-detector.sh"
      }]
    }]
  }
}

这条的意思是：每次 Bash 命令执行后，如果检测到非零退出码或错误模式，自动触发记录到 ERRORS.md。

注意：错误检测 Hook 是可选的，因为它需要读取命令输出。作者建议先用基础的 activator-only 配置，确认安全后再开启错误检测。

fig-02-hooks

03 好学习，要"升职"：从日志到项目记忆

记录只是第一步。真正有价值的是提升机制——当日志里的某条经验被反复验证、证明对项目有广泛适用性时，就把它从 .learnings/ 提升到项目的永久记忆中。

提升目标 放什么
CLAUDE.md 项目事实、约定、gotchas（所有 Claude 交互都用得上）
AGENTS.md 工作流、工具使用模式、自动化规则
.github/copilot-instructions.md GitHub Copilot 的上下文和约定
SOUL.md（OpenClaw） 行为准则、沟通风格、个性原则
TOOLS.md（OpenClaw） 工具能力、集成技巧、坑

举个例子：

原始学习记录（啰嗦版）：

项目使用 pnpm workspaces。有一次我尝试用 npm install 安装依赖但失败了，因为 lock 文件是 pnpm-lock.yaml。后来我改成了 pnpm install，就成功了。以后要记住这一点。

提升到 CLAUDE.md 后（简洁版）：

1
2
## Build & Dependencies
- Package manager: pnpm (not npm) - use `pnpm install`

提升到 AGENTS.md 后（可执行版）：

1
2
3
## After API Changes
1. Regenerate client: `pnpm run generate:api`
2. Check for type errors: `pnpm tsc --noEmit`

提升后的内容会出现在 AI 的系统提示里，成为它每次对话的"潜意识"。

fig-03-promotion

04 重复模式检测：同一个坑踩三次，系统自动修

这是我觉得最聪明的设计。Skill 引入了 Pattern-Key 和 Recurrence-Count 两个字段来追踪重复问题：

  • 当你记录一条类似的问题时，先搜索 .learnings/ 看是否已有相同 Pattern-Key
  • 如果找到了，递增 Recurrence-Count，更新 Last-Seen
  • 如果 Recurrence-Count >= 3，且跨了至少 2 个不同任务，且发生在 30 天内——自动提升到系统提示

也就是说，AI 不会无限容忍你反复踩同一个坑。第三次之后，它会主动把这个规则写进 CLAUDE.md，从根本上杜绝。

这背后的逻辑很清晰：重复出现的问题往往不是偶然失误，而是系统性缺失——要么缺文档，要么缺自动化，要么架构有问题。

fig-04-recurrence

05 技能提取：好模式变成可复用的 Skill

当某个学习记录足够有价值、足够通用时，还可以把它提取成独立的 Skill，让其他项目也能用。

提取条件（满足任意一条即可）： - 有 2+ 个 See Also 链接（重复出现） - 状态为 resolved 且有可行修复方案 - 需要实际调试才能发现的非显然问题 - 跨项目通用的知识 - 用户主动说"把这个保存为 skill"

作者甚至提供了提取脚本：

1
2
./skills/self-improvement/scripts/extract-skill.sh skill-name --dry-run
./skills/self-improvement/scripts/extract-skill.sh skill-name

从"一次教训"到"一个可复用组件"——这才是真正的知识沉淀。

06 作者自己的学习记录：连"记笔记"本身也需要被提醒

这个项目最有说服力的证据，是作者自己就在用它，而且公开分享了自己的学习日志。

他在评论区晒出了 4 条记录：

  1. LRN-20260201-001 — 总是用 YOLO 模式运行编码代理 已提升
  2. LRN-20260201-002 — 不要打断工作中的编码代理 已提升
  3. LRN-20260201-003 — Codex 的 YOLO 标志是 --yolo 已提升
  4. LRN-20260201-004 — 实际遵循自我改进提醒 ⏳ 待处理

第四条太真实了——连"要记得用 self-improving-agent"这件事， itself 都需要被提醒。这恰恰说明了这个问题的普遍性：不管是人还是 AI，"养成习惯"都是最难的环节。

fig-06-author

07 和 simplify-and-harden 配合：从"记录"到"进化"

作者还推荐把这个 Skill 和 simplify-and-harden 配合使用。

simplify-and-harden 会定期分析代码，找出可以简化或加固的模式，生成 learning_loop.candidates。self-improving-agent 可以自动读取这些候选，用 Pattern-Key 去重，符合规则的就提升到系统提示里。

简单说：一个负责"发现问题"，一个负责"记住问题"，合在一起就是一个闭环的持续改进系统。

08 适用场景：谁该用这个？

场景 为什么需要
长期维护的代码库 团队换了几波 AI / 人，知识不流失
复杂项目 依赖关系、工具链、约定太多，容易忘
多 Agent 协作 OpenClaw 的 session 间共享学习记录
频繁实验/迭代 快速记录"这个方向不行"，避免重复尝试
新手 onboarding .learnings/ 就是项目的"坑位地图"

fig-08-scenarios

09 快速安装

OpenClaw（推荐）：

1
clawdhub install self-improving-agent

手动安装（Claude Code / Codex / 其他 Agent）：

1
git clone https://github.com/peterskoett/self-improving-agent.git

然后在项目根目录创建 .learnings/ 和三个 Markdown 文件（首次使用时 Skill 会自动创建）。

总结：值得每一个用 AI 写代码的人尝试

self-improving-agent 不是一个炫技的工具，它解决的是一个非常基础但极其重要的问题：AI 编码代理的"金鱼记忆"。

它的设计哲学很简单——

  • 犯错不可怕，重复犯错才可怕
  • 记录不是目的，沉淀才是
  • 好的经验要从"日志"变成"本能"

如果你每天都在用 Claude Code、Cursor、Codex 或 OpenClaw 写代码，花 5 分钟装一下这个 Skill，再花 1 个下午养成"让 AI 记笔记"的习惯。一个月之后回头看，你会惊讶于 .learnings/ 里积累了多少本会被遗忘的智慧。

ClawHub 地址：https://clawhub.ai/pskoett/self-improving-agent 安装命令：clawdhub install self-improving-agent GitHub 源码：https://github.com/peterskoett/self-improving-agent

以上就是关于 self-improving-agent 的全部介绍。你的 AI 编码助手有没有反复犯过同样的错误？欢迎在评论区聊聊。