Recursive Improvement Brain
Recursive Improvement Brain 是 Riley Brown 提出的 agent 运行规则:任何人工纠正、评论或代码修复都必须回流到项目的 Brain(agent 可读的 markdown 目录),让它成为未来 agent 的上下文——由此形成递归自我改进循环。
What it is
Riley Brown(Claude Projects 重度用户)把自己 Project FFOAO 的 .claude/ 目录截图公开:一堆 org 模式 markdown 文件,agents 在读也在写。配套只有三条规则(全文引用):
- Anytime I make a correction, comment, or fix, it MUST be added to the Brain. No exceptions
- Every agent prompt at every level MUST INCLUDE the Brain as context
- The Brain MUST be a series of org-mode markdown files that agents can easily navigate
他强调这个模式(加上 CLAUDE.md)能持续改进每一个 agent 会话,并在 2-3 个会话内快速 Ramp-up 新 agent 或新模型。
Why it matters
与 harness-engineering/company-brain-memory-architecture 的 CTO 访谈版互补:Brown 给的是个人项目的最小落地——没有架构图,只有三条硬规则和"corrections flow back, no exceptions"。它把"记忆沉淀"从建议升级为强制契约。
Key points
- Brain 是 agent 可导航的 markdown 目录:不是数据库、不是向量检索,是文件系统
- 规则 1 强制纠正回流:人工修复必须进 Brain,无例外——这是递归改进的燃料
- 规则 2 强制全层级注入:每个层级的每个 prompt 都必须携带 Brain 上下文
- 2-3 会话 ramp-up:新 agent/新模型接触 Brain 后快速达到项目状态
- 规模证据:目录截图显示大量 org 文件,agents 在读也在写
Counterpoints & Gaps
- 单用户实践,无对照实验;"2-3 会话 ramp-up"未量化
- org 模式文件的导航结构本身需要维护,长期可能腐化
- 每条人工纠正无例外回流,可能把一次性偏好固化为永久规则
How to apply
- 在 personal_daily 或 loom 项目里试点
.claude/Brain 目录,先写 3 条最小规则版本 - 挑一个最近反复纠正过的问题,按规则 1 手动写进 Brain,验证下一个会话是否吸收
- 对照 harness-engineering/continual-learning-layers 决定 Brain 与现有 memory/skill 层的分工
Related
- harness-engineering/company-brain-memory-architecture — 企业级 brain 分层架构(CTO 访谈版)
- harness-engineering/continual-learning-layers — 持续学习的分层模型
- harness-engineering/agent-memory-engineering — Agent 记忆工程
- harness-engineering/skills-into-loops — 技能固化进工作流