【Alxi】Agent经验治理助手
Introduction
# Agent经验治理助手 > 把 Agent 在任务中遇到的纠正、故障和有效方法，变成经过核验、范围清楚、可以撤回的长期经验，同时阻止偶然事件和错误总结污染长期上下文。 ## 这是什么 长期使用 Agent 时，常见两个相反的问题： - 真正重要的纠正没有留下，下次又犯同样的错误； - 什么都往 Memory 里塞，最终规则越来越多、越来越乱。 Agent经验治理助手不是简单的“自动记忆工具”。它要判断： - 这件事是否值得记录； - 有什么证据支持； - 只在哪个项目、环境或任务中生效； - 应该放进 Memory、Instruction、Reference、Skill，还是待办； - 旧规则何时应该过期、被否决或由新规则替代。 它管理的是 Agent 外部的经验记录和规则，不训练模型参数，也不会让模型自动永久升级。 ## 有什么用 它可以帮助你： - 保存真正会影响后续工作的用户纠正和项目约定； - 记录可复现的故障与更稳定的解决方法； - 拦截一次偶然失败、猜测和低价值错误； - 防止同一经验反复生成多个重复条目； - 为每条经验标明证据、作用范围、状态和最终去向； - 管理过期、被否决、被替代和已经合并的记录； - 把尚未实现的需求放入待办，而不是伪装成现有能力； - 从成熟经验中逐步形成更可靠的 Instruction、Reference 或新 Skill。 它适合长期项目、固定工作流程、多 Agent 协作以及需要持续积累项目经验的用户。 ## 它怎样管理一条经验 一条经验通常经历四个阶段： ```text observed → verified → candidate → adopted 观察 核验 候选 采用 ``` - **观察**：只代表事情发生过； - **核验**：已经检查证据和适用范围； - **候选**：达到长期保留门槛，并完成语义审查； - **采用**：用户确认后，指定最终去向和精炼规则。 任何记录都不应因为“看起来有道理”，就从观察直接跳到采用。 ## 怎么使用 ### 检查本次任务是否产生了有效经验 ```text 请使用 @agent-learning-governance，检查这次任务中是否出现值得记录的纠正、故障、知识缺口、改进方法或能力缺口。 先判断是否值得记录，不要自动晋升为长期规则。 ``` ### 审查一条准备长期保留的经验 ```text 请使用 @agent-learning-governance，审查这条经验的证据、作用范围、重复情况、冲突和正确去向。 没有达到条件就保持观察状态，不要强行写入长期 Memory 或 Instruction。 ``` ### 开始重要任务前检索相关经验 ```text 请使用 @agent-learning-governance，只检索与当前任务和项目范围相关的有效经验。 优先采用已确认规则，忽略过期、被否决和已被替代的记录。 ``` 如果所在平台支持项目文件读写和 Python，可以使用配套账本保存和校验记录；正式账本默认位于： ```text .agent-learning/ledger.json ``` ## 简单例子 假设 Agent 在一个已经使用 pnpm 的项目里错误执行了 npm，用户指出： ```text 这个项目必须使用 pnpm，根目录已经有 pnpm-lock.yaml，不要再使用 npm。 ``` 普通“自动记忆”可能直接总结为： ```text 以后所有项目都使用 pnpm。 ``` 这显然把一个项目规则错误扩大成了通用规则。 使用本 Skill 后，合理处理方式是： ```text 类型：correction 当前状态：observed 作用范围：当前项目 证据：用户明确纠正 + 项目中的 pnpm-lock.yaml 核验后候选规则： “在当前项目安装依赖前，根据 pnpm-lock.yaml 使用 pnpm。” 推荐去向：当前项目的 Instruction 或开发约定 ``` 只有证据、范围和去向都确认后，这条经验才有资格被采用。它不会自动变成所有项目都必须遵守的规则。 ## 哪些事情值得记录 通常值得评估： - 用户明确纠正了会影响后续工作的错误； - 项目文件中存在明确约定； - 某个非显而易见的故障能够稳定复现； - 发现了更稳定、更高效的重复方法； - 当前缺少某项知识或能力； - 已采用的旧规则被新证据推翻。 通常不值得记录： - 普通寒暄、表扬和情绪表达； - 一次简单拼写错误； - 没有证据的猜测； - 大段原始聊天记录和完整工具日志； - 只对当前几分钟有效的临时绕路； - 包含密码、Token、Cookie 或私钥的内容。 ## 它不做什么 这份 Skill 不负责： - 训练或修改模型参数； - 自动保存所有聊天和失败记录； - 未经确认修改长期 Memory、Instruction 或发布新 Skill； - 因为某件事重复出现就自动证明总结正确； - 保证所有 Agent 和所有平台永久记住； - 用经验账本替代真实测试、官方文档和用户决定。 它的目标不是让记录越来越多，而是让少量可靠经验在正确的任务中发挥作用。 ## 隐私与安全 经验记录中不要保存密码、API Key、Token、Cookie、私钥和不必要的个人信息。 即使工具能够识别部分常见凭证样式，也不能保证覆盖所有秘密格式。写入账本前仍应人工检查和脱敏。 --- **技术名称：** `agent-learning-governance` **产品名称：** Agent经验治理助手
Resource Information
License information is collected from official sources and may be outdated or missing. Refer to the LICENSE file in the original repository before commercial use.
Information boundary
Information on this page is collected from official documents for technical presentation only and does not imply our endorsement. Pricing, quotas and availability are subject to the latest official statements. We make no commitment regarding any action you take after leaving this site.
Similar skills
Agent Browser
Not specified用于 AI 代理的浏览器自动化 CLI。当用户需要与网站交互（包括浏览页面、填写表单、点击按钮、截图等）时使用。
Find Skills
API key required帮助用户发现和安装智能体技能，当用户询问如「如何做X」、「找X的技能」、「有能做...的吗」等问题时
self-improving agent
Not specified记录自身发现以实现自我改进的技能
Agent Browser
Not specified用于 AI 代理的浏览器自动化 CLI。当用户需要与网站交互（包括浏览页面、填写表单、点击按钮、截图等）时使用。
WorkBuddy签到助手
Marked paidAPI key requiredWorkBuddy签到助手（WorkBuddy「Buddy 加油站」每日签到自动化 Skill，接口直签，跨平台 Windows/macOS/Linux）。当用户说"每天自动签到 / 每日签到 / 自动领 Buddy 加油站积分 / 现在签个到 / 帮我签到一次 / WorkBuddy 打卡 / 检查签到环境 / 派猫猫旅行 / 猫猫旅行 / 领旅行奖励 / 自动派猫猫 / Buddy 在旅行吗 / 推送签到结果 / 签到通知发钉钉 / 客户端更新后签不了 / 5.6.2 签到失败 / 登录态加密了 / Mac 上签不了 / 需要授权 / 长效令牌 / refreshToken / 不开客户端签到 / 令牌自动续期"时使用。三通道自动择一：本机登录态可用（如 Windows）零配置直签；无法本地解密（如 macOS）走一次性网页授权；或一次性保存长效令牌后自动续期，客户端不开也能签。支持派猫猫旅行全自动闭环（先领后派）、桌面通知与 12 类渠道推送（钉钉/飞书/企业微信/微信等），对齐 totorosir-push-message，可设每日 09:00 自动签到。
Proactive Agent
FreemiumAPI key required将 AI 代理从任务执行者转变为能够预见需求、持续优化的主动伙伴。现已支持 WAL Protocol、Working Buffer、Autonomous Crons 及经过实战验证的模式。属于 Hal Stack 🦞。
What is a Skill
A Skill is a packaged single capability, such as text recognition, document summarization, or keyword extraction. Developers wrap the calling logic and prompts into a plugin-like unit, so users can load it without understanding the underlying model. StackPilot indexes a large number of skills that can be tried instantly or assembled into a plan.