Self-Improvement Loop（自驱动改进闭环）

给 AI agent 的「自我改进方法论」技能：遇到工作方式问题时，自动走完 数据诊断 → 业界调研 → 系统反思 → 现成方案吸收 → 落地技能 → 沉淀方法论 六步闭环，自主学习改进，不需要人类逐步指导。

这个技能本身就是用这套闭环训练出来的：第一版沉淀自「多 agent 协作学习」实战，第二版把闭环用在自己身上（元学习），吸收 Reflexion / Voyager / skill-creator 规范 / 失效模式研究后升级为带闸门、带尺子、带节奏的完整闭环。

为什么需要它

LLM agent 踩坑是常态（任务跑太久、产出丢失、重复劳动、技能越积越乱）。常见反应是头痛医头：改一次 prompt、加一条规则。这套闭环提供的是系统化改进流程：

• 触发分级 L0-L3：不是所有问题都值得大动干戈——一次性问题不触发、新坑顺手记、同类坑第二次轻量反思、反复出现/有复用价值才走完整闭环
• 验收标准（eval 先行）：没有可验证验收标准的改进不落地——改进必须是「可测量的变好」，不是「感觉更好了」
• 失效模式表：六步每一步最可能踩的坑和防法都写死
• 防膨胀机制：技能库越积越乱是真实风险——该不该沉淀四问、token 预算、定期清理

快速开始

支持 SKILL.md 技能的 agent 客户端（Claude Code / Codex / Hermes 等）：

# 克隆后把技能目录放入你的 skills 目录
git clone https://github.com/2008924/self-improvement-loop.git
# 复制 SKILL.md + references/ 到你的技能目录，重启会话即可

触发示例（自然语言）：

• 「为什么子代理任务总是跑这么久」
• 「反思一下我们最近的工作方式，给出改进方案」
• 「调研一下 XX 领域的最佳实践，沉淀成技能」
• 「搜索一下有没有现成的 skill 可以吸收」

仓库结构

self-improvement-loop/
├── SKILL.md              # 技能正文（六步闭环 + 分级 + 验收 + 失效模式 + 防膨胀）
├── CASE_STUDY.md         # 实战案例：子代理耗时优化（完整六步的脱敏通用版）
├── references/
│   └── self-improvement-research.md  # 深化调研：agent 自我改进机制（599 行，11 论文 + 官方文档）
└── LICENSE               # MIT

实战效果（案例数据）

指标	改进前	改进后
同性质调研任务耗时	24.6 分钟（网络无限重试）	8 分钟（短超时纪律）
任务成功率	92%（25 任务 23 完成）	—
触顶截断导致成果丢失	2 次（各 24.6 分钟白费）	通过任务拆分 + 落盘协议避免
技能重复/膨胀	手动更新与后台审查撞车	已记录防法 + 合并去重脚本

许可

MIT