self-improving-agent – OpenClaw 的自我提升工具

self-improving-agent 是 OpenClaw 的自我提升工具，将学习成果和错误记录到 Markdown 文件中，以便持续改进。编码代理随后可以将这些记录处理成修复方案，而重要的学习成果将被提升到项目记忆中。

一、简介

在这组方法中，每一项技能都建立在一种明确的理念之上。这里所说的“理念”，就是针对当前智能体工作方式中某一种典型失效模式而提出的原则。

其中，plan-interview 强调的是协作式规划。也就是说，在正式开始探索代码库之前，用户与智能体会先进行一次结构化访谈，以便就约束条件、任务范围、潜在风险以及成功标准达成一致，同时也要提前判断：在进行主要改动之前，是否需要先完成一轮准备性的重构。

intent-framed-agent 的作用，是把执行意图清晰地表达出来。这样一来，一旦任务范围发生偏移，问题就能够被及时看见，而不会在不知不觉中扩大。

context-surfing 关注的是上下文质量的变化。它会持续监测上下文状态，并在质量开始下降、尚未影响最终输出之前，及时而有序地退出，从而避免因上下文退化而导致结果失真。

simplify-and-harden 则利用任务结束时的“上下文高峰”，集中开展一次有针对性的质量与安全审查。换句话说，就是趁着信息最完整、理解最充分的时候，对结果进行压缩、打磨和加固。

self-improvement 的重点，是把那些反复出现的错误，转化为可以长期保留的规则，使这些经验不仅能解决当前问题，还能够跨会话持续发挥作用。

这些方法背后有一条共同的主线：智能体会在某些特定时刻拥有“上下文高峰”，例如完成规划之后、执行过程当中、任务完成之时，以及完成学习之后。而这些技能，正是为了充分利用这些关键时刻而设计的。

我们可以进一步理解为：每一项技能都把一种智能体本身不容易自然内化的理念，转化成了一套结构化、可遵循、可稳定执行的工作流程。至于 skill-pipeline，它所承担的作用，就是把前面这些部分衔接起来：先对任务进行分类，再将其引导到与之匹配的处理深度之中。

二、安装

npx skills add pskoett/pskoett-ai-skills

三、结构

skills/
  skill-name/
    SKILL.md         # Required - skill definition with YAML frontmatter
    scripts/         # Optional - executable code
    references/      # Optional - documentation loaded on demand
    assets/          # Optional - templates, images, data files