1. 项目概述：让OpenClaw拥有持续学习能力
"七秒记忆"这个梗在AI圈里特指那些对话结束后就清零记忆的智能体。就像金鱼一样，每次交互都得从头开始。而OpenClaw装上Self-Improving-Agent技能后，终于能像人类一样积累经验了——它会自动记录错误、保存用户反馈、归纳最佳实践，甚至能把重要经验固化到系统记忆里。
这个技能本质上是个"AI学习日记系统"，通过三个核心机制工作：
- 错误捕获：自动记录执行失败的指令和异常情况
- 经验归档：当用户纠正AI时（比如"不对，应该是..."），会自动生成修正记录
- 知识升级：将高频验证的经验提升为系统级记忆
注意：安装前请确认OpenClaw版本≥v4.0.1，旧版本可能缺少必要的hook接口
2. 核心功能解析
2.1 记忆系统架构
技能会创建以下文件结构：
code复制.learnings/
├── LEARNINGS.md # 知识修正与最佳实践
├── ERRORS.md # 错误日志
└── FEATURE_REQUESTS.md # 功能需求池
每个文件都采用标准化模板：
markdown复制## [LRN-20240501-001] 知识修正
**记录时间**: 2024-05-01T14:30:00Z
**优先级**: high
**状态**: pending
**领域**: backend
### 问题描述
用户纠正了API鉴权方式...
2.2 自动化学习流程
当检测到以下情况时会自动触发记录：
- 命令返回非零退出码
- 用户使用修正性表述（"不对"、"应该是"等）
- 检测到API响应与预期不符
- 用户提出当前不支持的功能需求
典型工作流示例：
bash复制# 尝试执行不存在的命令
$ openclaw deploy --env=prod
[ERR] Command not found: deploy
# 自动记录到ERRORS.md
## [ERR-20240501-002] deploy_command_not_found
**错误**: Command 'deploy' not recognized
**建议**: 需要安装部署插件或更新命令语法
3. 安装与配置指南
3.1 两种安装方式
推荐方案（ClawHub安装）：
bash复制clawdhub install self-improving-agent
手动安装方案：
bash复制git clone https://github.com/peterskoett/self-improving-agent.git /tmp/sia
cp -r /tmp/sia/self-improving-agent ~/.openclaw/skills/
rm -rf /tmp/sia
3.2 初始化学习目录
首次使用需要建立学习档案库：
bash复制mkdir -p ~/.openclaw/workspace/.learnings
cat > ~/.openclaw/workspace/.learnings/LEARNINGS.md <<EOF
# 学习记录
**分类**: 修正 | 洞见 | 知识缺口 | 最佳实践
EOF
重要：如果已有历史会话记录，建议先运行：
bash复制openclaw sessions_history --parse > .learnings/LEARNINGS.md
4. 进阶使用技巧
4.1 经验升级机制
当某个知识点满足：
- 被验证≥3次
- 跨≥2个不同任务
- 在30天内重复出现
可以执行升级操作：
bash复制openclaw promote-learning LRN-20240501-001 --to=TOOLS.md
升级后的知识会注入到所有新会话的初始提示词中。
4.2 问题排查技巧
常见问题1：技能未激活
bash复制# 检查hook是否启用
openclaw hooks list | grep self-improvement
# 手动触发测试
openclaw test-hook self-improvement
常见问题2：记录重复
bash复制# 使用Pattern-Key合并相似条目
grep -n "Pattern-Key:" .learnings/*.md | sort -u
5. 实战案例演示
5.1 代码调试场景
当AI建议的错误修复方案生效后：
markdown复制## [LRN-20240501-003] python_import_error
**修正方案**: 需要先`pip install requests`而不仅是import
**验证次数**: 3
**升级状态**: 已加入TOOLS.md的Python环境章节
5.2 工作流优化
发现重复的构建命令：
markdown复制## [LRN-20240501-004] 构建优化
**最佳实践**: 使用`pnpm build:prod`替代冗长的npm脚本组合
**节省时间**: 每次构建减少47秒
6. 维护与优化建议
6.1 定期维护操作
建议每周执行：
bash复制# 清理已解决的普通优先级条目
openclaw learning-clean --resolved --priority=low
# 检查待升级的知识点
openclaw learning-list --promotable
6.2 性能优化参数
在~/.openclaw/config.yaml中添加：
yaml复制self_improvement:
max_entries: 500 # 每个文件最大记录数
auto_promote: true # 自动升级已验证知识
retention_days: 90 # 记录保留天数
这个技能最让我惊喜的是它形成的"学习-验证-固化"正循环。实测一个月后，重复性问题减少了68%，最典型的是那些环境配置问题——现在新会话开始时就会自动提示已知的配置要点。不过要注意定期清理过时记录，否则学习目录会像雪球一样越滚越大。