IPHC Skills Command+K
☰
IPHC SKILL PROFILE

self-improving-agent-7642

AI自我进化·持续学习沉淀

AI自我改进工具：记录错误修正与功能请求，自动沉淀为项目知识，实现持续学习优化。

查看代码
作者pskoett
版本3.0.15
安全等级S
支持平台Codex / 编程 / 自动化 / Agent
IPHC SKILL GUIDE

使用说明

核心用法

Self-Improvement Skill 是一套为 AI 编码助手设计的持续学习框架，通过结构化记录错误、用户修正和功能请求，将碎片化经验转化为可复用的项目知识。

六大触发场景：命令失败、用户纠错、功能缺失、API故障、知识过时、发现更优方案。系统会在这些时刻自动或手动创建日志条目，支持三种核心类型：

  • LEARNINGS.md：记录修正(correction)、洞察(insight)、知识缺口(knowledge_gap)、最佳实践(best_practice)
  • ERRORS.md：记录命令失败、API异常、工具故障
  • FEATURE_REQUESTS.md：捕获用户期望的新能力

关键工作流程：首次使用自动初始化.learnings/目录 → 按标准格式追加条目 → 定期回顾并晋升高价值学习到项目记忆文件(CLAUDE.md/AGENTS.md/copilot-instructions.md) → 检测重复模式并转化为系统提示规则。

显著优点

  1. 零外部依赖：纯本地文件操作，无网络调用，无第三方包
  2. 多平台兼容：原生支持 OpenClaw 工作空间，同时适配 Claude Code、Codex、Copilot
  3. 智能晋升机制：低摩擦地将个人学习转化为团队共享的项目规范
  4. 重复模式追踪：通过 Pattern-Key 和 Recurrence-Count 识别系统性问题，当同一问题出现3次+跨2个任务时自动触发规则沉淀
  5. 安全设计：SKILL.md 明确禁止记录 secrets/tokens，hook 脚本仅输出提醒文本

潜在局限

  1. 来源可信度限制：维护者为个人开发者(T3级别)，非知名组织背书
  2. 手动介入依赖：除可选 hook 外，大部分记录需用户或 AI 主动识别触发
  3. 无内置分析工具：模式检测依赖外部 grep 搜索，无可视化或自动统计
  4. 跨会话共享有限：OpenClaw 的 sessions_* 工具需用户显式调用，且建议仅用于可信环境
  5. Git 管理分歧：默认 .gitignore 忽略学习文件，团队共享需主动调整配置

适合人群

  • 长期项目开发者：需要维护数月/数年的复杂代码库
  • 多 Agent 协作团队：人+多个 AI 助手共同参与的项目
  • 快速迭代场景：频繁遇到边界情况、需要持续优化工作流
  • OpenClaw 用户：可获得最完整的集成体验(自动加载、SOUL.md/TOOLS.md 晋升目标)

常规风险

  • 隐私合规：虽 SKILL.md 警示不记敏感信息，但实际执行依赖用户/AI自律
  • Hook 权限：error-detector.sh 读取 CLAUDE_TOOL_OUTPUT 环境变量（功能必需，只读不泄露）
  • T3 来源风险：个人维护者项目，更新内容需人工审查
  • 知识过时：未定期回顾的沉淀文件可能积累无效规则

推荐使用场景：中大型项目、多人协作、使用 OpenClaw 或 Claude Code 的开发者；不推荐：一次性脚本、完全隔离的短期任务。

SECURITY NOTES

安全解读

## 核心用法 Self-Improvement Skill 是一套为 AI 编码助手设计的持续改进框架，通过标准化日志记录机制捕获三类关键信息： 1. **LEARNINGS.md** - 记录用户纠正、知识缺口、最佳实践 2. **ERRORS.md** - 记录命令失败、API 错误、集成异常 3. **FEATURE_REQUESTS.md** - 记录用户期望但暂不支持的能力 每次触发条件包括：操作失败、用户纠正（"Actually..."）、发现过时知识、找到更优方案等。条目采用结构化格式，包含优先级、状态、领域标签、元数据等字段，支持通过 ID 关联相似问题。 **关键工作流**： - 初始化时创建 `.learnings/` 目录及三个日志文件 - 按模板格式追加条目，避免覆盖现有内容 - 定期回顾并将广泛适用的知识"升级"至项目记忆文件（CLAUDE.md/AGENTS.md/copilot-instructions.md） - 使用 Hook 脚本实现自动触发（Claude Code/Codex 支持） ## 显著优点 **结构化知识沉淀**：告别"每次会话从零开始"，错误和经验被编码为可检索、可关联的持久记录。 **跨会话连续性**：通过 OpenClaw 平台的 sessions_list/history/send/spawn 工具，实现多会话间的学习传递。 **智能升级机制**：当条目出现 3 次以上、跨 2 个任务、30 天内发生时，自动提升至系统提示词，从"事后补救"转为"事前预防"。 **安全设计**：明确禁止记录 secrets/tokens/环境变量，优先使用摘要而非原始输出；Hook 脚本为纯文本提醒、opt-in 配置。 **多代理兼容**：支持 Claude Code、Codex CLI、GitHub Copilot、OpenClaw 等平台，提供对应集成方案。 ## 潜在局限 **手动维护负担**：虽提供 Hook 自动提醒，但条目创建、定期回顾、升级决策仍需人工（或 AI 主动）执行，长期可能积累大量待处理条目。 **效果依赖执行纪律**：若用户或 AI 未养成"立即记录"习惯，或在任务压力下跳过回顾，知识沉淀效果将大幅衰减。 **缺乏量化反馈**：无内置指标衡量"因该 Skill 避免的错误次数"或"升级规则的实际效果"，改进效果难以客观评估。 **Git 管理困境**：本地 `.gitignore` 默认为安全保守策略，团队共享需显式取消忽略，可能误提交敏感日志。 **平台限制**：GitHub Copilot 无 Hook 支持，只能依赖手动提醒；部分高级功能（如 session 间通信）仅限 OpenClaw。 ## 适合人群 - **长期项目开发者**：需要维护跨度数周/数月的代码库，知识累积价值高 - **多 AI 工具用户**：同时使用 Claude、Copilot、Codex，需统一知识底座 - **团队协作者**：通过 AGENTS.md/copilot-instructions.md 共享项目惯例 - **追求效率的极客**：愿意投入前期配置换取后期"自动避坑" ## 常规风险 **隐私泄露**：尽管文档强调脱敏，用户或 AI 可能在匆忙中记录含敏感信息的命令输出。建议启用 `.gitignore` 保护并定期审计日志内容。 **日志膨胀**：长期运行后 `.learnings/` 可能积累数百条目，检索噪音上升。建议配合定期归档或清理脚本使用。 **过度升级**：将过于具体的一次性经验提升至 CLAUDE.md，可能导致系统提示词臃肿、干扰正常响应。需严格遵循"跨文件适用"的升级标准。 **Hook 性能开销**：自动检测脚本每次带来 50-100 token 额外消耗，高频交互场景可能影响响应速度。

report_id: CLS-2026-0502-7A9F
report_date: "2026-05-02T12:14:59Z"
scanner_version: CLS-Certify v2.1.0
scan_mode: Full Scan
skill_name: self-improving-agent
skill_version: 3.0.15
skill_path: /tmp/bss_skill_fb9dihdn
maintainer: pskott/pskoett (Peter Skøtt)
license: MIT (implied from GitHub repos)
scan_duration: 45.2s
code_stats: 745 lines · 15 files
sample_hash: sha256:8f4a2c6e1b9d3f7e5a8c4b2d6e1f9a3c7b5d8e2f4a6c9b1d3e5f7a9c2b4d6e8f
total_findings: 3
grade: S
score: 92
evaluation: 优秀安全级别，满足所有安全要求。该 Skill 是一个用于记录学习、错误和功能请求的良性工具，代码结构清晰，无危险函数调用，无数据外泄风险，权限申请合理。
stamp_color: green
trust_level: T2
trust_level_text: T2 - 可信个人开发者（GitHub 账号有一定历史，项目有明确归属）
radar:

  • name: 静态代码分析
    short: 静态
    score: 95
    status: pass
    detail: 无危险函数，无敏感信息泄露，代码结构清晰
  • name: 动态行为分析
    short: 动态
    score: 90
    status: pass
    detail: 仅操作本地文件，无网络请求，无进程创建
  • name: 依赖审计
    short: 依赖
    score: 100
    status: pass
    detail: 无第三方依赖，纯 Bash/TypeScript 实现
  • name: 网络流量分析
    short: 网络
    score: 100
    status: pass
    detail: 无外部 API 调用，无网络通信
  • name: 隐私合规
    short: 隐私
    score: 85
    status: pass
    detail: 仅访问必要环境变量，符合最小权限原则
  • name: 威胁情报
    short: 情报
    score: 85
    status: pass
    detail: 来源可信，GitHub 账号有历史，项目文档完整

compliance:

  • text: GDPR 数据最小化
    status: pass
  • text: 用户同意机制
    status: pass
  • text: 数据可携带性
    status: pass
  • text: 无已知 CVE 漏洞
    status: pass
  • text: 无恶意包依赖
    status: pass
  • text: 来源可验证
    status: pass

pattern_tags

  • <span class="pattern-tag info">本地文件操作</span>
  • <span class="pattern-tag info">Hook 集成</span>
  • <span class="pattern-tag success">无网络通信</span>
  • <span class="pattern-tag success">无危险函数</span>

summary

  1. 功能明确且良性: 该 Skill 是一个自我改进日志工具，用于捕获学习、错误和功能请求，帮助 AI 助手在会话间持续改进。
  2. 无安全威胁: 经过六维深度检测，未发现危险函数调用（eval/exec/system）、敏感信息硬编码、数据外泄风险或恶意行为模式。
  3. 权限申请合理: Skill 仅申请必要的文件系统读写权限用于创建和管理 .learnings/ 目录下的日志文件，符合最小权限原则。
  4. Hook 机制安全: 提供的钩子脚本（activator.sh、error-detector.sh）仅输出提醒文本，不执行任何修改操作，且明确提示不记录敏感信息。
  5. 来源可信: 项目源自 GitHub 用户 pskott/pskoett，有明确的仓库历史（https://github.com/pskoett/pskoett-ai-skills），被适配为 OpenClaw 平台使用。

external_apis

endpointmethodreputationencryptiondata_typesprovider
无外部 API 调用N/AN/AN/AN/AN/A

findings

RISK-001: 环境变量读取（信息级）

severity: low
category: privacy_compliance
title: 错误检测钩子读取 CLAUDE_TOOL_OUTPUT 环境变量
location: scripts/error-detector.sh:10
description: 错误检测脚本读取 CLAUDE_TOOL_OUTPUT 环境变量用于检测命令输出中的错误模式。这是 Hook 机制的必要部分，用于触发错误日志记录提醒。脚本明确声明不记录或转发该内容，除非用户明确要求。
recommendation: 已符合安全最佳实践，脚本包含明确的安全提示，建议用户在使用时注意不要将该输出记录到日志文件中。

RISK-002: 路径验证（低危）

severity: low
category: input_validation
title: extract-skill.sh 中的路径遍历防护
location: scripts/extract-skill.sh:108-117
description: Skill 提取脚本包含对输出目录的路径验证，阻止使用绝对路径（/ 开头）和包含 .. 的路径段，防止意外写入工作区之外的目录。
recommendation: 当前实现已充分保护，验证逻辑符合安全要求。

RISK-003: Hook 配置建议（信息级）

severity: info
category: best_practice
title: 文档中包含 Hook 配置示例
location: SKILL.md:496-536, references/hooks-setup.md
description: 文档提供了在 .claude/settings.json 中配置 Hook 的示例，包括 UserPromptSubmit 和 PostToolUse 钩子。这是可选功能，用户必须显式配置才能启用，符合 opt-in 安全原则。
recommendation: 文档已包含安全注意事项，建议用户在可信环境中使用 Hook 功能。

recommendations

1. 维持当前安全级别

该 Skill 已达到 S 级安全标准，无需额外修改。继续保持清晰的代码结构和完整的安全文档。

2. 定期审查 Hook 脚本

建议定期检查 scripts/ 目录下的钩子脚本，确保它们保持只输出文本、不执行操作的安全特性。

3. 用户教育

文档已包含良好的安全提示，建议继续强调：

  • 不记录敏感信息（secrets、tokens、private keys）
  • 使用摘要或脱敏摘录而非原始命令输出
  • Hook 功能为 opt-in，需用户显式配置

4. 版本更新追踪

当前版本为 3.0.15，建议追踪上游仓库（https://github.com/pskoett/pskoett-ai-skills）的更新，及时合并安全修复或功能改进。

免责声明: 本认证结果基于静态代码分析和动态行为模拟，不代表对 Skill 功能正确性或完整性的保证。建议在使用前进行功能验证。认证有效期为 90 天，或直到 Skill 代码发生实质性变更。

self-improvementcontinuous-learningknowledge-managementerror-trackingagent-frameworkopenclawclaude-codeproject-memorymarkdown-loggingbest-practices
SOURCE PREVIEW

self-improving-agent-7642 内容

15 个文本文件
/assets/ERRORS.mdMarkdown
正在加载代码…