SkillRouter

## 核心用法 Self-Improvement Skill 是一套为 AI 编码助手设计的持续学习框架，通过结构化记录错误、用户修正和功能请求，将碎片化经验转化为可复用的项目知识。 六大触发场景：命令失败、用户纠错、功能缺失、API故障、知识过时、发现更优方案。系统会在这些时刻自动或手动创建日志条目，支持三种核心类型： - LEARNINGS.md：记录修正(correction)、洞察(insight)、知识缺口(knowledge_gap)、最佳实践(best_practice) - ERRORS.md：记录命令失败、API异常、工具故障 - FEATURE_REQUESTS.md：捕获用户期望的新能力 关键工作流程：首次使用自动初始化.learnings/目录 → 按标准格式追加条目 → 定期回顾并晋升高价值学习到项目记忆文件(CLAUDE.md/AGENTS.md/copilot-instructions.md) → 检测重复模式并转化为系统提示规则。 ## 显著优点 1. 零外部依赖：纯本地文件操作，无网络调用，无第三方包 2. 多平台兼容：原生支持 OpenClaw 工作空间，同时适配 Claude Code、Codex、Copilot 3. 智能晋升机制：低摩擦地将个人学习转化为团队共享的项目规范 4. 重复模式追踪：通过 Pattern-Key 和 Recurrence-Count 识别系统性问题，当同一问题出现3次+跨2个任务时自动触发规则沉淀 5. 安全设计：SKILL.md 明确禁止记录 secrets/tokens，hook 脚本仅输出提醒文本 ## 潜在局限 1. 来源可信度限制：维护者为个人开发者(T3级别)，非知名组织背书 2. 手动介入依赖：除可选 hook 外，大部分记录需用户或 AI 主动识别触发 3. 无内置分析工具：模式检测依赖外部 grep 搜索，无可视化或自动统计 4. 跨会话共享有限：OpenClaw 的 sessions_* 工具需用户显式调用，且建议仅用于可信环境 5. Git 管理分歧：默认 .gitignore 忽略学习文件，团队共享需主动调整配置 ## 适合人群 - 长期项目开发者：需要维护数月/数年的复杂代码库 - 多 Agent 协作团队：人+多个 AI 助手共同参与的项目 - 快速迭代场景：频繁遇到边界情况、需要持续优化工作流 - OpenClaw 用户：可获得最完整的集成体验(自动加载、SOUL.md/TOOLS.md 晋升目标) ## 常规风险 - 隐私合规：虽 SKILL.md 警示不记敏感信息，但实际执行依赖用户/AI自律 - Hook 权限：error-detector.sh 读取 CLAUDE_TOOL_OUTPUT 环境变量（功能必需，只读不泄露） - T3 来源风险：个人维护者项目，更新内容需人工审查 - 知识过时：未定期回顾的沉淀文件可能积累无效规则 推荐使用场景：中大型项目、多人协作、使用 OpenClaw 或 Claude Code 的开发者；不推荐：一次性脚本、完全隔离的短期任务。