用途：让智能体从经验中学习、持续自我评估，并把改进结果存入 ChromaDB 集合，与静态配置文件分离。理念是静态配置（.md）承载能力，动态记忆（ChromaDB）承载学到的经验。
主要能力：双层层级模型，运行期加载静态配置并叠加动态记忆。每个智能体使用 3 个 ChromaDB 集合：agent_{name}improvements 存学到的模式与策略，agent{name}evaluations 存自评结果，agent{name}_performance 存时间序列指标。改进条目包含 document（语义检索目标）、唯一 id 与 metadata（分类、置信度、成功率、使用次数、时间等）。支持改进的存储、检索与使用统计更新。
使用方式：任务前用 retrieveRelevantImprovements 依据任务描述做向量检索，筛选置信度与成功率；任务后用 selfEvaluate 生成评估并按条件把高置信度洞察写入 improvements；定期 trackPerformanceMetrics 聚合成功率、质量、耗时、token 与洞察数，通过 calculateTrend 判断是否在改进。每日维护可弃用连续失败（使用≥10 次且成功率<0.4）的改进、提升高表现项。
适用场景：需要跨任务积累经验的长期运行智能体、研究与调试类任务的经验沉淀、带反馈闭环的自我优化流程。
限制：资料中的存储与检索阈值（如置信度 0.7、相关度 0.6、弃用阈值 0.4）为示例实现，需按实际调整；检索、更新等依赖 mcp__chroma__ 系列接口与 ChromaDB 环境，具体部署与收费方式暂未提供；示例以 JavaScript/TypeScript 描述，未给出完整安装命令。