用途：Continuous Learning 让智能体把每次会话视为新能力的来源，自动从已完成会话中提取成功模式，并编码为可复用的技能、规则和提示词改进，而非依赖人工编写技能。
主要能力：系统包含四阶段流水线——观察（记录带结果标注的会话事件）、挖掘（跨会话识别统计显著的模式）、验证（用留出会话测试候选技能）、集成（部署已验证技能）。可挖掘工具调用序列、提示词模式与错误恢复策略，并生成结构化 SKILL.md 模板，配合 A/B 测试比较新旧技能表现，优胜者提升为默认。
使用方式：资料给出 Python 与 TypeScript 实现示例，包括带结果标注的事件记录器、模式挖掘引擎、技能模板生成器和 A/B 测试框架；平台兼容性表显示 Claude Code、Cursor、Codex、Gemini CLI 在会话记录、模式挖掘、技能生成、A/B 测试和自动部署方面支持程度不同。
适用场景：希望智能体能力随时间自动提升、执行重复性领域任务、让新成员受益于老用户发现的模式、维护反映实际最佳实践的活知识库、自动 A/B 测试并推广优胜方案、减少对手工提示词工程的依赖。
限制与注意事项：资料强调需标注结果而非仅记录事件；模式需达到统计显著（建议至少 5-10 次一致成功）；须在留出数据上验证；每个生成技能应版本化；全面部署前先 A/B 测试；限制自动生成技能数量并淘汰表现差者；高影响领域技能应经人工审核。具体安装命令、收费与价格信息暂未提供。