前言：

一个让我很痛的发现

上周做Code Review时，我发现了一个让我很痛的现象：

同一个错误，Agent在不同任务中重复犯了5次。

• 第一次，我没在意；
• 第二次，我提醒了；
• 第三次，我开始思考；
• 第四次，我有点生气；
• 第五次，我意识到：

这不是Agent的问题，是设计的问题。

所以，我做了一个实验：能不能让Agent具备自我改进的能力？

经过2周的开发，我开源了这个解决方案：

🚀 这个项目是什么

简单说，这是一个让OpenClaw Agent具备三层自我改进机制的Skill：

1. 1. Layer 1: 实时反馈循环 - 每次任务后立即评估
2. 2. Layer 2: 周期性深度反思 - 每周/月深度分析
3. 3. Layer 3: 跨Agent经验共享 - 所有Agent集体进化

核心功能：

• ✅ 自动评估系统（打分机制）
• ✅ 经验学习器（记录成功/失败模式）
• ✅ 策略优化器（低分触发改进）

项目地址-GitHub:

https://github.com/daxiangnaoyang/self-improving-agent

一句话总结：让Agent越用越聪明，而不是越用越笨。

📋 三层改进机制详解

Layer 1: 实时反馈循环

评分系统：

总分 = 完成度(30%) + 效率(20%) + 质量(30%) + 满意度(20%)≥ 90分: 优秀 → 记录最佳实践80-89分: 良好 → 继续保持70-79分: 及格 → 识别改进点< 70分: 不及格 → 触发深度反思

示例：

# 任务完成后自动评估$metrics = @{    completion = 90# 完成度 0-100    efficiency = 85# 效率 0-100    quality = 80# 质量 0-100    satisfaction = 85# 满意度 0-100}& "scripts/evaluate-task.ps1"-AgentId"dajia"-TaskId"task-001"-TaskType"创作"-Metrics$metrics

Layer 2: 周期性深度反思

分析内容：

• 识别重复出现的失败模式
• 找出瓶颈环节
• 发现知识缺口
• 生成优化计划

触发条件：

• 评分 < 70分：立即优化
• 连续3次及格：主动优化
• 收到新反馈：针对性优化

Layer 3: 跨Agent经验共享

共享内容：

• ✅ 最佳实践（什么方法效果好）
• ✅ 常见错误（什么要避免）
• ✅ 优化技巧（如何提升效率）
• ✅ 工具推荐（什么工具好用）

效果：一个Agent学到的教训，所有Agent都能受益。

🛠️ 技术实现架构

核心组件

Self-Evaluator（自我评估器）

评分维度：

• 任务完成度（是否达成目标）
• 执行效率（耗时是否合理）
• 质量评分（输出质量如何）
• 用户满意度（是否需要返工）
• 创新度（是否有新方法）

Lesson-Learner（经验学习器）

存储格式：

{"id":"lesson-20260311001","timestamp":"2026-03-11T02:00:00Z","agent":"dajia","lesson":"文章创作后要验证链接有效性","impact":"high","category":"quality","applied":false}

Strategy-Optimizer（策略优化器）

优化策略：

• 流程优化：改进工作流程
• 工具优化：选择更好的工具
• Prompt优化：优化提示词
• 知识补充：学习新知识

跨Agent同步器

同步内容：

• 成功模式
• 失败模式
• 优化建议
• 工具推荐

数据结构

• evaluations.json存储每次任务的评估结果
• lessons-learned.json存储学到的经验教训
• optimization-plan.json存储优化计划和执行状态
• performance-metrics.json存储Agent的性能指标和趋势

🎯 实战案例

案例1：内容创作Agent

场景：Writer Agent负责公众号文章创作

问题：

• 链接经常失效（未验证）
• 标题不够吸引（流量低）
• 配图质量不稳定

改进过程：

1. 1. 第1周：平均得分75分
• 问题：链接失效率高
• 优化：添加链接检查步骤
2. 2. 第2周：平均得分82分
• 问题：标题吸引力不足
• 优化：应用Content Creation Flow方法论
3. 3. 第3周：平均得分88分
• 问题：配图质量波动
• 优化：使用固定Prompt模板

结果：

• 平均得分：75 → 88（+17%）
• 链接失效：30% → 5%（-83%）
• 文章打开率：2% → 5%（+150%）

案例2：代码开发Agent

场景：Coder Agent负责功能开发

问题：

• 代码风格不统一
• 缺少错误处理
• 测试覆盖不足

改进过程：

1. 1. 自动发现：评估器识别代码质量问题
2. 2. 经验积累：记录常见错误模式
3. 3. 策略优化：集成代码检查工具
4. 4. 跨Agent共享：其他Agent复用经验

结果：

• 代码质量问题：-60%
• 返工率：-50%
• 开发效率：+30%

案例3：数据分析Agent

场景：Danao Agent负责数据分析

问题：

• 数据清洗不彻底
• 可视化效果差
• 洞察不够深入

改进过程：

1. 1. 评分触发：连续3次得分<70
2. 2. 深度反思：识别根本原因
3. 3. 优化执行：改进数据处理流程
4. 4. 效果验证：得分提升到85

结果：

• 数据准确性：+25%
• 报告质量：显著提升
• 用户满意度：+40%

💻 如何使用

安装

方式1：使用ClawHub（推荐）

clawhub install self-improving-agent

方式2：手动安装

1. 1. 下载 .skill 文件
• GitHub: https://github.com/daxiangnaoyang/self-improving-agent/releases
2. 2. 复制到 ~/.openclaw/skills/
3. 3. 重启OpenClaw Gateway

配置

在每个Agent中添加评估脚本：

# 加载配置. "$env:USERPROFILE\.openclaw\workspace-<agent-id>\scripts\self-improvement\config.ps1"# 任务完成后自动评估$metrics = @{    completion = 90    efficiency = 85    quality = 80    satisfaction = 85}& "scripts/evaluate-task.ps1"-AgentId"<agent-id>"-TaskId"task-001"-TaskType"创作"-Metrics$metrics

自定义

调整评分权重：

# 修改 evaluate-task.ps1 中的权重$completionScore = $Metrics.completion * 0.4# 改为40%$efficiencyScore = $Metrics.efficiency * 0.3# 改为30%$qualityScore = $Metrics.quality * 0.2# 改为20%$satisfactionScore = $Metrics.satisfaction * 0.1# 改为10%

添加自定义评估维度：

# 在 $metrics 中添加新维度$metrics = @{    completion = 90    efficiency = 85    quality = 80    satisfaction = 85    innovation = 75# 新增：创新度}

📊 预期效果

目标指标

• ✅ 平均任务得分：+10%
• ✅ 返工率：-50%
• ✅ 任务完成时间：-20%
• ✅ 跨Agent知识复用率：>30%

实际效果（基于测试）

Week 1：

• 平均得分：76分
• 返工率：25%

Week 2：

• 平均得分：82分（+8%）
• 返工率：18%（-28%）

Week 3：

• 平均得分：87分（+14%）
• 返工率：12%（-52%）

趋势：持续改进中

❓ FAQ

Q1: 这个Skill适用于所有Agent吗？

A: 理论上适用于任何需要持续改进的Agent：

• ✅ 内容创作Agent（文章、视频、脚本）
• ✅ 代码开发Agent（编程、调试、重构）
• ✅ 数据分析Agent（报告、洞察、预测）
• ✅ 任务管理Agent（计划、执行、跟踪）

但不适用于：

• ❌ 一次性任务Agent
• ❌ 简单工具Agent（如天气查询）

Q2: 评估维度可以自定义吗？

A: 可以！你可以：

• 调整权重比例
• 添加新的评估维度
• 移除不需要的维度

详细方法见"配置"部分。

Q3: 数据存储在哪里？

A: 存储在各Agent的工作区：

~/.openclaw/workspace-/self-improvement/├── evaluations.json├── lessons-learned.json├── optimization-plan.json└── performance-metrics.json

跨Agent共享数据在：

~/.openclaw/workspace-/shared-context/self-improvement/└── collective-wisdom.json

Q4: 会影响性能吗？

A: 影响极小：

• 评估脚本：<1秒
• 数据存储：<100ms
• 同步操作：后台执行

建议在任务完成后异步执行评估。

Q5: 如何查看改进效果？

A: 有三种方式：

1. 1. 查看 performance-metrics.json
2. 2. 对比历史评估记录
3. 3. 可视化仪表板（v1.1计划）

Q6: 需要编程基础吗？

A: 基础使用不需要，但自定义需要：

• 安装使用：不需要
• 调整权重：不需要（有配置模板）
• 添加新维度：需要基础PowerShell知识

🎓结语

核心价值

Self-Improvement Agent Skill 的核心价值不在于技术实现，而在于理念的转变：

❌ 旧理念：Agent是工具，用完即弃✅ 新理念：Agent是伙伴，共同成长

三个转变：

1. 1. 从"执行任务"到"执行+学习"
2. 2. 从"被动优化"到"主动改进"
3. 3. 从"单打独斗"到"集体进化"

我的思考

但我坚信：

• 一个会学习的Agent，远比一个只会执行的Agent有价值
• 持续改进的能力，是Agent进化的必经之路
• 集体智慧的力量，远超个体之和

我更希望：

• 这个项目能抛砖引玉，激发更多Agent改进的创意
• 社区能一起完善这个机制，让所有Agent受益
• 未来能有更多Agent具备自我进化的能力

行动号召

如果你是：

• ✅ 开发者：欢迎Star、Fork、贡献代码
• ✅ 研究者：欢迎探索优化算法、评估方法
• ✅ 使用者：欢迎反馈问题、分享经验
• ✅ 传播者：欢迎转发、让更多人知道

GitHub: https://github.com/daxiangnaoyang/self-improving-agent

让每个Agent都成为终身学习者！ 💪

📚 延伸阅读

相关项目

• OpenClaw: https://github.com/openclaw/openclaw
• ClawHub: https://github.com/openclaw/clawhub

作者简介：

大象 (Daxiang)，AI方案架构师，15年职场经验。抖音·巨量学认证讲师，阿里云Agent智能高级训练师。

致力于普及AI知识，让普通人用上最先进的技术。

公众号：大象AI共学抖音号：大象AI共学Coze账号：大象AI共学

本文原创，转载请注明出处项目地址：https://github.com/daxiangnaoyang/self-improving-agent