self-improving-agent-with-self-reflection

name	Self-Improving Agent (With Self-Reflection)
slug	self-improving
version	1.2.0-local
description	三 agent 协作的自我迭代记忆系统。实时捕获纠错/反思 → 每日自动提炼 → 回写 shared 层 → 向量索引统一检索。

适用场景

• 被 Daniel 纠错时
• 完成重要多步骤任务后
• 发现自己输出有改进空间时
• 收到外部有价值的信号（X/公众号/文档）时

---

实际部署架构

memory/self-improving/
├── lolita/
│   ├── hot.md          ← HOT 层：碎片写入（允许噪声）
│   ├── corrections.md  ← 纠错日志（结构化，用于晋升计数）
│   └── signals.md      ← 外部信号（X/公众号/文档链接）
├── lisa/
│   └── （同上）
├── doubao/
│   └── （同上）
└── promote/
    ├── state.json      ← 提炼状态（上次运行时间、连续空跑次数）
    ├── promote.log     ← 每次提炼的审计日志
    └── staging.patch   ← 本次提炼草稿（人工确认前）

不使用软链。各 agent 直接用绝对路径写入自己的子目录：

• Lolita：/root/.openclaw/workspace/memory/self-improving/lolita/
• Lisa：/root/.openclaw/workspace/memory/self-improving/lisa/
• Doubao：/root/.openclaw/workspace/memory/self-improving/doubao/

⚠️ 禁止在 ~/self-improving 或各自 workspace 下创建副本目录，所有写入必须指向上述权威路径。

---

写入格式

hot.md（热碎片，允许噪声）

- ts: YYYY-MM-DD HH:MM
  topic: <主题关键词>
  type: observation | rule | idea
  text: <内容>
  source: <来源，如 msg-453 / 无>

corrections.md（纠错，结构化）

- ts: YYYY-MM-DD HH:MM
  domain: <领域，如 tooling/wechat>
  mistake: <错误描述>
  fix: <正确做法>
  prevention: <预防措施>
  severity: low | medium | high
  evidence: <证据，如 msg-id / 无>

signals.md（外部信号）

- ts: YYYY-MM-DD HH:MM
  channel: x | mp | github | clawhub | docs
  claim: <核心观点>
  link: <URL>
  reproducible: yes | no | unknown
  notes: <备注>

---

触发规则

⚠️ 核心原则：立即写入，不允许推迟。 触发条件满足时，在当前回复结束前必须完成写入，不能"等下次"。

---

写 corrections.md（被纠错时）— 强制，立即执行：

• Daniel 说"不对"、"你搞错了"、"之前说过"、"别再这样做"
• 自己发现输出有明显错误并已修正
• 格式：ts / domain / mistake / fix / prevention / severity / evidence

---

写 hot.md — 强制，立即执行，满足任一即触发：

触发场景	示例
学到新的路径、工具、配置规则	"关键项目放 main workspace"
Daniel 明确表达偏好或习惯	"代码块包裹命令"
完成多步骤任务，发现有效方法	"先 clone 再测试读写流程"
发现之前的假设是错的	"lolita=main，不是 doubao"
任何"下次遇到同类问题会有用"的信息	新 API、新工具用法
任务完成后主动反思（复杂任务、跨 agent 协作、首次使用新工具）	"这次信号采集用了 3 轮搜索才凑够，下次可以先定关键词再并行"
Near-miss：差点犯错但自己纠正了	"差点用 web_fetch 抓公众号，想起来要用 weixin-search skill"
纠错时的规则泛化：不只记具体事件，提炼成通用原则	具体："出发提醒不能估算" → 泛化："涉及物理世界数据的场景，优先调 API"
Daniel 说 "update hot.md" / "update self-improving"	立即回顾当前对话，提取可记录的 observation 写入

写入标准：宁可多写噪声，不要漏掉有价值的内容。 hot.md 允许噪声，promote 机制会过滤。

---

写 signals.md（外部信号）：

• 搜索到有价值的案例/工具
• 公众号/X 上的可复现实践

---

不写（忽略）：

• 一次性指令（"现在做 X"，下次不会再用）
• 纯上下文特定（"在这个文件的第 3 行…"）
• 假设性问题

---

自动提炼机制（Job A + Job B）

Job B：增量索引（每 30 分钟，零 LLM）

• 脚本：/opt/scripts/index-memory.sh
• 日志：/opt/scripts/index-memory.log
• 扫描 memory/ 下所有 .md 变更，自动推送到向量索引服务（127.0.0.1:8766）
• Namespace 映射：
  • memory/self-improving/lolita/* → self_hot_lolita
  • memory/self-improving/lisa/* → self_hot_lisa
  • memory/self-improving/doubao/* → self_hot_doubao
  • memory/shared/* → shared
  • memory/lolita/* → private_lolita
  • memory/YYYY-MM-DD.md → daily

Job A：每日提炼（每天 03:00，Lisa 执行）

• 脚本：/opt/scripts/run-promote.sh
• 日志：/opt/scripts/promote-cron.log + memory/self-improving/promote/promote.log
• 流程：
  1. 生成过去 24h 增量材料包（/tmp/promote-materials-YYYY-MM-DD.md）
  2. 触发 Lisa session：openclaw agent --agent lisa --message "[SYSTEM][PROMOTE] ..."
  3. Lisa 按晋升规则提炼，Top 5 以内
  4. 输出到 promote/staging.patch
  5. 写入 memory/shared/errors.md 或 memory/shared/preferences.md
  6. 更新 promote/state.json
• 熔断：连续 7 天无晋升 → 暂停并通知 Daniel

---

晋升规则

晋升到 memory/shared/（满足任一）：

• 同一 mistake→fix 在 corrections.md 中出现 ≥3 次
• severity: high
• Daniel 明确确认（强制晋升）

晋升后写入格式（shared/errors.md）：

## [domain] 标题
- Symptom: 现象
- Root cause: 根因
- Fix: 修复方式
- Prevention: 预防措施
- Evidence: 证据链接
- Last verified: YYYY-MM-DD

---

每次 Session 启动时

在 AGENTS.md 启动检查清单中已加入：

• 读 memory/self-improving/<自己的名字>/hot.md — 加载热记忆

---

向量检索权重

Namespace	权重	说明
shared (preferences/errors)	1.0 / 0.95	经提炼的权威层
self_hot_*	0.85 + recency	热记忆，7天内线性加权
corrections.md	0.6	原始纠错，未提炼
hot.md 碎片	0.4	允许噪声
daily	0.3	流水日志

---

可观测性

• 查看索引日志：tail -f /opt/scripts/index-memory.log
• 查看提炼日志：tail -f /opt/scripts/promote-cron.log
• 查看向量库状态：curl -s http://127.0.0.1:8766/status -H "Authorization: Bearer ms-549eef5c016d31741ce215767e9d20e7"
• 查看提炼草稿：cat memory/self-improving/promote/staging.patch