用途
Self-Improvement Skill 的核心目的是记录学习与错误，写入 markdown 文件以实现持续改进。编码智能体后续可以处理这些记录并转化为修复，重要的学习内容则会被提升为项目记忆。
主要能力
技能覆盖多种触发情境，对应不同的记录动作：
- 命令或操作失败：记录到 .learnings/ERRORS.md
- 用户纠正你：记录到 .learnings/LEARNINGS.md，分类为 correction
- 用户想要缺失功能：记录到 .learnings/FEATURE_REQUESTS.md
- API 或外部工具失败：记录到 .learnings/ERRORS.md，附集成细节
- 知识过时：记录到 .learnings/LEARNINGS.md，分类为 knowledge_gap
- 发现更好方法：记录到 .learnings/LEARNINGS.md，分类为 best_practice
- 与已有条目相似：用 See Also 链接，考虑提高优先级
- 广泛适用的学习：提升到 CLAUDE.md、AGENTS.md 和/或 .github/copilot-instructions.md
- 工作流改进：提升到 AGENTS.md（clawdbot 工作区）
- 工具陷阱：提升到 TOOLS.md（clawdbot 工作区）
- 行为模式：提升到 SOUL.md（clawdbot 工作区）
使用方式
初始化：如项目根目录不存在 .learnings/，创建该目录（mkdir -p .learnings），从 assets/ 复制模板或自行创建带标题的文件。
日志格式：技能定义了三种记录条目格式。
学习条目追加到 .learnings/LEARNINGS.md，包含 ID（如 [LRN-YYYYMMDD-XXX] category）、Logged 时间戳、Priority（low | medium | high | critical）、Status（pending）、Area（frontend | backend | infra | tests | docs | config），以及 Summary、Details、Suggested Action、Metadata（Source、Related Files、Tags、See Also）等小节。
错误条目追加到 .learnings/ERRORS.md，格式为 [ERR-YYYYMMDD-XXX] skill_or_command_name，包含 Logged、Priority、Status、Area，以及 Summary、Error、Context、Suggested Fix、Metadata（Reproducible、Related Files、See Also）。
功能请求条目追加到 .learnings/FEATURE_REQUESTS.md，格式为 [FEAT-YYYYMMDD-XXX] capability_name，包含 Logged、Priority、Status、Area，以及 Requested Capability、User Context、Complexity Estimate（simple | medium | complex）、Suggested Implementation、Metadata（Frequency、Related Features）。
ID 生成：格式为 TYPE-YYYYMMDD-XXX，TYPE 为 LRN、ERR 或 FEAT，XXX 为顺序号或随机 3 个字符，例如 LRN-20250115-001、ERR-20250115-A3F。
解决条目：问题修复后，把 Status 从 pending 改为 resolved，并在 Metadata 后添加 Resolution 块（含 Resolved 时间、Commit/PR、Notes）。其他状态值包括 in_progress、wont_fix、promoted。
提升到项目记忆：当学习广泛适用时，将其提炼为简洁规则或事实，加入目标文件（CLAUDE.md、AGENTS.md、.github/copilot-instructions.md、SOUL.md、TOOLS.md），并把原条目 Status 改为 promoted，添加 Promoted 字段。
重复模式检测：记录相似内容前先搜索（grep -r "keyword" .learnings/），用 See Also 链接条目，重复出现时提高优先级，并考虑系统性修复（补文档、补自动化或创建技术债工单）。
定期回顾：在自然断点回顾 .learnings/，如开始新大任务前、完成功能后、在有过往学习的区域工作时、活跃开发期间每周。可用命令行快速检查 pending 数量、高优先级 pending 项以及特定区域的记录。
检测触发器：技能列出了自动记录的信号，包括纠正类（“No, that's not right...”等）、功能请求类（“Can you also...”等）、知识缺口类、错误类（非零退出码、异常堆栈、意外输出、超时或连接失败）。
适用场景
适用于使用 Claude Code、Codex CLI、GitHub Copilot、Clawdbot 等 AI 编码代理进行项目开发的场景。技能提供多智能体支持：Claude Code 与 Codex CLI 通过 hooks（UserPromptSubmit、PostToolUse）自动激活；GitHub Copilot 无 hook 支持，需手动配置并在会话结束时人工审查；Clawdbot 通过工作区注入和智能体间消息协作。
限制
Hook 集成是可选（opt-in）的，必须显式配置后才会生效。GitHub Copilot 不支持 hook，只能手动触发。技能的自动技能提取需要满足提取标准（重复出现、已验证、非显而易见、广泛适用或被用户标记），并需通过质量门检查。官方文本未提供收费、价格等商业信息。