自驱动改进闭环（Self-Improvement Loop）

一句话：遇到工作方式问题，先判触发级别，L3 才走完整六步闭环；每步带尺子（验收）、带闸门（防膨胀）、带节奏（跟用户对齐）；落地后验证「真的变好了」并一句话汇报。

版本：v2.0（第二版：应用闭环自身，吸收 Reflexion/Voyager/skill-creator 规范/失效模式研究——详见 references/self-improvement-research.md）

设计原则（从实战指导中提炼，每一条都是踩出来的）

触发分级（L0-L3）—— 先分级，别什么都走完整闭环

改进对象一次只改一样；同主题改进设冷却期（刚改过的技能短期内不重复触发 L3）。

六步闭环

Step 1 数据诊断 —— 不臆测，先取证

• 先收集数据再归因：日志、记录、统计、时间线；区分「真实执行 vs 模型思考 vs 批量等待」再归因（防把『等外部命令』误判成『模型慢』）
• 失败类触发时：先看失败现场（NO SKILL WITHOUT A FAIL——没有真实失败证据不写技能）
• 结论标置信度；成绩和问题都列（别只报问题）
• 交互节点：诊断结果先展示等确认

Step 2 业界调研 —— 不拍脑袋，深挖一手资料

• 方案落地前先调研（可派子代理/并行搜索），等结果回来一起沉淀
• 调研纪律：目标写死（只出文档不落地）、边界写死（输出绝对路径 + 不碰其他文件）、网络短超时/失败跳过、单轮上限（防无限扩）、语言+行数限定、预期时长
• 调研结果必须验证：文件真实存在 + 内容可读 + 结构符合预期（自报不可信）
• 实测：方法论调研 14 分钟产出 599 行文档（11 篇论文逐一核对 + 官方文档）

Step 3 系统反思 —— 问题分责任层，方案可落地

• 问题分三层：A 可改层（任务描述/纪律）/ B 行为层（执行者行为，靠指令约束）/ C 系统层（配置/工具限制，需决策）
• 每个问题：现象 → 证据 → 代价；解决方案编号（S1-Sn）+ 可落地动作
• 交互节点：反思清单先展示等确认
• 防分析瘫痪：方案必须分优先级，不带「待研究」尾巴

Step 4 现成方案吸收 —— 不从零造，先找业界现成

• 搜索清单：obra/superpowers、anthropics/skills（skill-creator 规范）、agentskills.io、arXiv 论文（Reflexion/Voyager/Self-Refine）等
• 吸收闸门：每项标「吸收/不吸收 + 理由」；过「没有这条会错吗」闸门；不为一次性方案建全局技能
• 交互节点：吸收决策先展示等确认

Step 5 落地技能 —— 正文速查 + 原文存档 + 工具脚本

• 三件套：SKILL.md（速查正文）+ references/（原文/调研存档）+ scripts/（可复用脚本）
• description 纪律：只写「何时用」，绝不总结流程（SDO 陷阱）
• 验收标准（改进的尺子，eval 先行）：
  • 每个落地的技能先写 2-3 个真实测试用例（用户会说的原话）
  • with-skill vs without-skill（或旧版）双跑，量化收益 + 成本
  • 改了 description 的：20 条查询 × 3 次跑 trigger rate，含 near-miss 负面例
  • 没有可验证验收标准的改进，不落地（宁可不改，也不「感觉更好了」就改）
• 更新前查运行日志的后台审查记录防撞车（见坑）

Step 6 沉淀方法论 —— 把「怎么学的」本身固化

• 复盘「这次怎么学的」：流程改进 → 更新本技能；用户每步指导 → 提炼为「设计原则」
• 案例复盘写进 references/（含数据/决策/教训），供下次参照
• 结束给用户一句话总结：「改了什么、为什么、验证结果、下次何时自动触发」

失效模式与防法（第二版新增，来源：调研 6.3 节）

通用 DO/DON'T：DO 先建 eval 再动手 / 先看失败再写技能 / 一次只改一样 / 正文 <500 行 / description 只写何时用。DON'T 让反思无限精炼 / 凭空写技能 / 在 description 总结流程 / 为一次性方案建全局技能 / 让改进打断主任务（改进异步、低优先级，主任务中只记「待改进点」）。

防膨胀机制（第二版新增）

• 新技能过「该不该沉淀」四问（一次性？无复用？可查证？已有类似？）+「没有这条 agent 会错吗」闸门
• token 预算：速查正文 <150 词（高频）/ <500 词（其余），重参考拆 references/
• description 只写「何时用」，绝不总结流程
• 定期清理：过时/矛盾/从未触发的技能删或合并（记录 absorbed_into）

坑（实战踩过）

• ⚠️ 后台会话审查机制会撞车：部分 agent 运行时会在会话结束后自动审查并更新技能——手动更新技能时可能同一秒撞车 → 重复章节。对策：更新前查运行日志的 review/curator 记录；发现重复用脚本合并去重
• 子代理会顺手改技能：委派任务时如果不允许，任务描述里显式写「不要修改任何既有文件（包括技能）」
• 多会话并行时任务归属会混：查运行日志的派发记录（session_key）确认归属
• description 写流程 = 反模式（SDO）：agent 会照 description 做、跳过正文——本技能第一版就犯了，第二版已改

支持文件

• references/self-improvement-research.md — 深化调研：AI agent 自我改进与技能学习机制（Reflexion/Voyager/Self-Refine/skill-creator 规范/失效模式/改进闭环 checklist，599 行，11 篇论文 + 官方文档来源）
• CASE_STUDY.md — 实战案例：子代理耗时优化（完整六步闭环的脱敏通用版）