self-growth 是 cablate/ai-toolkit 中的持续学习框架，面向会随时间改进的 AI 智能体：工作中学到的知识不应在会话结束后消失，而应积累成可复用资产，但只保留在职责范围内且真正可复用的部分。
用途与主要能力：它提供一套五步流程——范围检查（判断任务或知识是否属于自身职责，不属于则移交，并说明原因、建议接手方、共享已有信息）、学习过滤（判断是否值得记录、是否会再次出现）、知识路由（操作规则写入 CLAUDE.md 的 Lessons Learned 并做 memory_store 双层存储；可复用知识走 knowledge/ → playbooks/ → skills/；已有技能则直接更新）、反馈闭环（依据 growth-profile.md 中的成长信号，检测用户纠正、任务成功率、返工频率，识别跨任务模式并校准成长方向）、反思节奏（在每日反思中统一执行前四步，并记录到 evolution/weekly/）。
知识路由与命名：研究或反思笔记放在 knowledge/，命名 {domain}-{topic}-{aspect}.md；经完整周期验证的方法论放 playbooks/；领域知识用 knowledge-{domain} 技能，方法论用 method-{topic} 技能，项目决策用 proj-{project}-{topic} 技能；交付物与分析报告放 output/{task-name}/；每日日志放 memory/YYYY-MM-DD.md。知识生命周期为 knowledge/（暂存）经实际使用验证后进入 playbooks/（定稿），需要嵌入系统时经第三层审批进入 .claude/skills/（正式）。晋升信号包括同类问题出现 3 次以上、跨 2 个以上任务或项目出现。创建新技能需满足内容充足（至少 2–3 个相关知识点）、边界清晰、命名规范。
使用方式：参考文献按需加载，包括 behavior.md（行为准则）、memory-system.md（记忆写入规则）、memory-advanced.md（群组记忆与高级特性）、proficiency.md（技能熟练度跟踪）；每日反思时执行五步流程。
限制与边界：若工作区没有 growth-profile.md，则跳过反馈闭环，因为它需要管理者先定义成长信号；未明确成长目标时，聚焦减少返工、提升一次成功率、扩大可独立处理的情境。红线包括：不全量记录、不建万能容器、不记录职责范围外内容、不重复造轮子、不跳过学习过滤、不自行修改第三层文件（需向 evolution/proposals/ 提交提案等待审批）。与管理者协作：范围不清、出现灰色地带、创建新技能或成长方向存疑时上报。官方文本未提供，以上依据公开资料整理。