AI 编程助手会「自我进化」了:一个开源项目让 Claude Code 学会记住自己的经验

AI 编程助手会「自我进化」了：一个开源项目让 Claude Code 学会记住自己的经验

你有没有遇到过这种情况——

用 AI 编程助手调试了一下午，终于找到了某个数据库连接的正确方式。第二天开工，新会话里的 AI 助手「失忆」了，又把同样的坑踩了一遍。

这不是你的问题，这是所有 AI 编程助手的通病：每次新会话都是一张白纸，昨天费尽力气学到的经验，今天就蒸发得干干净净。

但有人已经找到了解法。

一个开源项目，解决了「AI 健忘症」

GitHub 上一个叫 self-learning-skills 的项目火了——上线不到一周就收获 700+ Star。

它的目标很直接：让 AI 编程助手学会「自我学习」。

项目地址：Kulaxyz/self-learning-skills^[1]

这个项目本质上是一个「元技能」（Meta-Skill）——它不直接帮你写代码，而是在你写代码的过程中，自动识别那些值得记住的经验，把它们变成可复用的技能文件。

下次新会话启动时，AI 助手就已经知道这些经验了，不需要你重新教一遍。

它是怎么做到的？原理其实很简单

整个机制只有三步：

第一步：识别「黄金时刻」

AI 助手在对话中持续观察，当出现以下信号时，自动触发「记录」流程：

•一个任务试了好几次才成功（比如部署命令、数据库连接）

•你发现了项目特有的「潜规则」（环境变量放哪、用什么命令跑测试）

•这是一个以后还会再用的操作流程（发版、迁移数据库、拉日志）

•你明确说了「记住这个」

第二步：自动提取、分类

不是所有东西都值得写成技能。系统会做三层分流：

内容类型	去向
多步骤的工作流程	新建一个技能文件
单个事实或一行修正	记入轻量笔记
一次性的事情	直接跳过

第三步：晋升规则，防止把「猜的」当「经验」

这是整个设计里最聪明的地方——它有一条「晋升三原则」：

1✅ 验证通过：这条路真实走通了（测试通过、命令执行成功、构建变绿）

2✅ 命名的失败模式：这个路径避免了什么错误，能说清楚

3✅ 至少一个排除了的死胡同：试过但不行的方案，以及为什么不行

三条全满足，才晋升为技能。一条不满足就留在笔记区，避免把「看似可行」的猜测写进技能里误导后续会话。

这个机制来自社区的反馈——如果什么猜测都写进去，技能库很快就会变成垃圾场。把关很严。

隐私和安全性也是考虑了的

自动记录听起来很可怕——万一它把我的 API Key 记进去了怎么办？

项目明确做了安全设计：

「永远不写入密钥值。只记录去哪里找密钥——环境变量名、选择函数、MCP 工具、密钥管理器。把密钥写进可共享的技能文件等于泄露。」

这也是为什么它强调捕获的是流程，而不是一次性的答案。

支持哪些 AI 编程工具？

覆盖面很广：

工具	写入位置	加载方式
Claude Code、Codex	`skills/<name>/SKILL.md`	技能描述匹配
Cursor	`.cursor/rules/learned/<name>.mdc`	规则描述/globs
Zed、Aider、Gemini CLI	`AGENTS.md`	指令文件自动加载

安装也极其简单：

# 一键安装到当前项目
npx skills add kulaxyz/self-learning-skills

# 全局安装（所有项目）
npx skills add kulaxyz/self-learning-skills -g

# 只给 Claude Code 安装
npx skills add kulaxyz/self-learning-skills -a claude-code

如果你用的是 Claude Code，甚至可以直接用插件命令：

/plugin marketplace add kulaxyz/self-learning-skills
/plugin install self-learning@self-learning-skills

它跟我常用的「记住」「笔记」功能有什么区别？

很多 AI 编程助手都有自己的记忆功能。但 self-learning-skills 的不同之处在于：

1主动识别，不需要你告诉它 — 它自己判断什么时候值得记

2策略性遗忘 — 不是什么都记，而是用晋升规则过滤噪声

3失败经验也记 — 哪些路走不通、为什么走不通，和走通的路同样有价值

4标准化格式 — 写出来的技能可以共享给团队，通过 Git 传播

局限性

实事求是地说，这个项目还很新（7 天、700+ Star）。

•它目前主要面向 Claude Code 和 Cursor 用户，其他工具的体验会弱一些

•自动识别「黄金时刻」的准确率需要在实际使用中验证

•晋升规则很严格是好事，但也可能漏掉一些「不够格但有价值」的经验

我的看法

这个项目击中了一个真实痛点。AI 编程助手最大的瓶颈不是能力，而是记忆。 每次新会话的「失忆症」是开发者最沮丧的体验之一。

self-learning-skills 的解法很优雅——它不试图给 AI 装一个无限大的记忆库，而是用精选策略，只保留最值得保留的经验。这种「少即是多」的思路，比无差别记录要高明得多。

对于每天重度使用 Claude Code、Cursor 的开发者来说，这可能是你安装过的最有用的「元技能」。

项目地址： https://github.com/Kulaxyz/self-learning-skills^[2]

一句话总结： 让 AI 编程助手学会「吃一堑、长一智」。

参考链接

[1] Kulaxyz/self-learning-skills: https://github.com/Kulaxyz/self-learning-skills

[2] https://github.com/Kulaxyz/self-learning-skills: https://github.com/Kulaxyz/self-learning-skills