OpenClaw关键SKILL技能优化
对比分析：self-improving vs self-improving-agent
技能深度对比评估
核心差异总结
特性 | self-improving (核心版) | self-improving-agent |
存储位置 | ~/self-improving/(家目录) | ~/.openclaw/workspace/.learnings/(工作区) |
架构设计 | 分层存储系统 (HOT/WARM/COLD) | 扁平日志文件 (.learnings/) |
心智模型 | ✅ 完整记忆管理系统 ⭐️ | ❌ 简单日志记录器 |
自动化程度 | 高 (自动分级、压缩、归档) | 低 (需手动整理) |
智能性 | 强 (分层存储、模式识别) | 基础 (记录 + 分类) |
集成方式 | 深度集成 (heartbeat 规则) | 轻量 (workspace 注入) |
安全性 | ✅ 明确边界定义 | ⚠️ 较模糊 |
功能范围 | 广泛 (学习 + 反思 + 主动代理) | 聚焦 (错误/修正记录) |
架构设计对比
self-improving (核心版)- ⭐️更优架构
~/self-improving/
├── memory.md # HOT: ≤100 行，始终加载 ✅
├── index.md # 主题索引 + 行数统计
├── heartbeat-state.md # 心跳状态跟踪
├── projects/ # 项目特定学习点
├── domains/ # 领域特定 (代码、写作、通讯)
├── archive/ # COLD: 衰落的模式 ✅
└── corrections.md # 最近 50 次修正记录
特色：
✅ 三层存储结构 (HOT/WARM/COLD)
✅ 自动分级与压缩机制
✅ 30/90 天自动归档规则
✅ 明确的冲突解决策略
✅ 安全性边界清晰
✅ 完整的反思日志系统
self-improving-agent- ��基础功能
~/.openclaw/workspace/.learnings/
├── LEARNINGS.md # 修正、知识缺口、最佳实践
├── ERRORS.md # 命令失败、异常
└── FEATURE_REQUESTS.md # 用户请求的新功能
特色：
❌ 扁平结构，无自动分级
❌ 需手动维护日志文件
❌ 缺少自动归档机制
✅ 与 OpenClaw 工作区集成
✅ 简单易懂，易于上手
功能覆盖对比
功能 | self-improving(核心版) | self-improving-agent |
✅ 从用户纠正中学习 | 🔥全面支持 + 优先级标记 | 🟡支持 |
✅ 自我反思机制 | 🔥内置系统化框架 | ❌ 无 |
✅ 记忆分级存储 (HOT/WARM/COLD) | 🔥自动管理 | ❌ 不支持 |
✅ 模式识别与重复检测 | 🔥 3x 自动提升规则 | ❌ 需手动追踪 |
✅ 自动归档与压缩 | 🔥30/90 天规则 | ❌ 无 |
✅ 跨会话记忆共享 | ✅ OpenClaw 工具集成 | 🟡工作区文件共享 |
✅ 安全边界定义 | 🔥明确列出 Never 行为 | ⚠️ 较模糊 |
✅ 冲突解决策略 | 🔥具体 + 优先级规则 | ❌ 无 |
✅ Heartbeat 状态跟踪 | 🔥集成机制完整 | ❌ 无 |
🟡 OpenClaw 工作区集成 | 🟡通过 setup.md | 🔥原生支持 |
核心差异详解
self-improving (核心版) - 优势领域
- 智能记忆系统
- HOT 内存（<100 行）始终加载，冷数据自动归档
- 3x 规则：同一模式应用 3 次 → 自动提升 HOT
- 30/90 天规则：闲置自动降级/归档
- 自我反思机制
CONTEXT: [任务类型]
REFLECTION: [我注意到的问题]
LESSON: [下次如何改进]
- 系统化反思流程
- 每次重大任务后自动评估
- 安全边界清晰
- ✅ 绝不存储凭证、健康数据、第三方信息
- ✅ 从不推断（需显式纠正）
- ✅ 永不静默失败
- 主动代理集成
- 与 HEARTBEAT.md 深度集成
- 自动定期维护记忆系统
self-improving-agent - 优势领域
- OpenClaw 原生集成
- 工作区.learnings/结构更简洁
- 与 OpenClaw sessions 工具配合更好
- 日志格式清晰
## [LRN-20260323-001] correction
Logged: ISO-8601 timestamp
Priority: low | medium | high | critical
Status: pending
Area: frontend | backend | infra | tests | docs | config
- 结构化更好，易于搜索和筛选
- 快速上手
- 没有复杂的分级逻辑
- 简单记录 + 手动整理即可
❓评估结论
⭐️推荐保留：self-improving (核心版)
理由：
- ✅架构更优- 分层存储、自动归档、智能压缩
- ✅功能完整- 包含自我反思、记忆分级、冲突解决
- ✅自动化高- 减少人工维护成本
- ✅安全边界清晰- 明确禁止行为，降低风险
可删除：self-improving-agent
理由：
- ⚠️功能重复- self-improving 已覆盖所有场景
- ⚠️架构落后- 扁平结构，需手动维护
- ⚠️自动化低- 缺少智能分级和归档机制
建议行动方案
✅方案 A：完全迁移（推荐）
- 删除self-improving-agent技能
- 确保.learnings/目录由 self-improving (核心版) 统一管理
- 将现有.learnings/内容整合到 self-improving 存储结构
方案 B：并行使用（备选）
- 保留self-improving-agent仅用于快速日志记录
- self-improving用于深度记忆管理和系统优化
- 定期将.learnings/重要内容提升到~/self-improving/
我的推荐
采用方案 A：完全迁移到 self-improving (核心版)
因为它提供了：
- ✅ 更智能的记忆管理
- ✅ 更低的维护成本
- ✅ 更全面的安全保障
- ✅ 更强的扩展性