self-improve

用途：为 Aura Frog 插件提供完整学习闭环，先分析 Supabase 中收集的学习数据，再应用学到的改进。分析阶段查询 v_agent_success_rates、v_common_patterns、v_improvement_suggestions、v_workflow_trends、v_feedback_summary 等视图，由 AI 识别成功率、失败模式、优化机会和智能体建议，输出学习分析报告。使用命令如 /af learn analyze，可加 --period 30d、--focus agents/workflows/feedback。分析结果可经 /af learn review 审查、/af learn apply --auto 自动应用高置信项，或 /af learn save 保存为待处理。应用阶段可更新 rules/*.md、调整 agent-detector 配置、修改工作流配置、生成知识条目。安全机制：除非满足 --auto 且置信度 >=0.8 且频率 >=5，否则需人工批准；每次变更创建备份和日志，支持 /af learn rollback <id> 或 --all；应用前做语法、冲突和影响校验。配置含 AF_LEARNING_ENABLED、SUPABASE_URL、SUPABASE_SERVICE_KEY，以及 learning.self_improve 的 enabled、auto_apply_threshold、min_frequency、backup_dir、max_auto_per_day。限制：依赖 Supabase；自动应用仅限高置信项；资料未提供具体价格、平台支持范围和实际效果数据。