Ein autonomer Selbstoptimierungskreislauf, der es KI-Agenten ermöglicht, aus vergangenen Fehlern und Erfolgen zu lernen, um ihre eigenen internen Protokolle zu aktualisieren.
Installieren & Herunterladen
1. ClawHub CLI
Der schnellste Weg, einen Skill direkt aus der Registry zu installieren.
npx clawhub@latest install dsb-auto-improve
2. Manuelle Installation
Kopiere den Skill-Ordner an einen dieser Orte
~/.openclaw/skills/ <project>/skills/ Priorität: Workspace > Lokal > Integriert (Bundled)
3. Prompt-Installation
Kopiere diesen Prompt in OpenClaw, um ihn automatisch zu installieren.
Hilf mir, dsb-auto-improve über Clawhub zu installieren. Falls Clawhub nicht installiert ist, installiere es bitte zuerst (npm i -g clawhub).
Lieber herunterladen?
Hole dir die rohen Skill-Dateien in einem ZIP-Archiv.
Was ist Aktive Selbstverbesserung (Active Self-Improvement)?
Die Fähigkeit zur aktiven Selbstverbesserung (Active Self-Improvement) wurde entwickelt, um KI-Agenten in evolvierende Systeme zu verwandeln, die mit der Zeit intelligenter werden, ohne ständige manuelle Eingaben zu erfordern. Durch die Implementierung eines kontinuierlichen Kreislaufs aus Scannen, Vorschlagen und Anwenden von Änderungen stellt diese Fähigkeit sicher, dass Agenten innerhalb des Openclaw Skills-Ökosystems ihr Verhalten ständig auf Basis realer Daten verfeinern. Sie geht über einfache Protokollierung hinaus, indem sie aktiv die Kern-Playbooks und Anweisungssätze des Agenten modifiziert.
Diese Fähigkeit ist unerlässlich für Entwickler, die belastbare KI-Systeme aufbauen möchten, die aus Fehlern lernen. Sie identifiziert proaktiv wiederholte Benutzerkorrekturen und veraltete Fakten, wodurch sichergestellt wird, dass das interne Gedächtnis und die Betriebslogik des Agenten auf dem neuesten Stand bleiben. Durch die Integration in Ihr Openclaw Skills-Setup schaffen Sie eine selbstkorrigierende Umgebung, in der der Agent Verantwortung für sein eigenes Wachstum und seine Effizienz übernimmt.
Aktive Selbstverbesserung (Active Self-Improvement) Anwendungsfälle
- Reduzierung wiederholter Fehler durch Identifizierung von Mustern bei früheren Ausfällen.
- Automatische Aktualisierung der SOUL.md zur Verfeinerung von Persönlichkeit und Verhalten des Agenten.
- Festhalten erfolgreicher Ergebnisse in dauerhaften Workflows, um deren Wiederholbarkeit zu gewährleisten.
- Aktualisierung veralteter Projektfakten innerhalb von Speicherdateien zur Wahrung der Kontextgenauigkeit.
- Umsetzung langfristiger Korrekturen für häufige Korrekturanfragen von Benutzern.
So funktioniert Aktive Selbstverbesserung (Active Self-Improvement)
- Scan: Der Agent liest systematisch lokalisierte Datenquellen, einschließlich .learnings/ERRORS.md, .learnings/LEARNINGS.md und Projekt-Speicherdateien.
- Mustererkennung: Das System sucht nach wiederholten Fehlern, ungenutzten Erfolgen und veralteten Informationen, die die Leistung beeinträchtigen könnten.
- Risikobewertung: Verbesserungen werden in drei Stufen kategorisiert: niedriges Risiko (reversibel), mittleres Risiko (erfordert Benachrichtigung) und hohes Risiko (erfordert einen Vorschlag).
- Anwendung: Der Agent wendet Updates mit niedrigem Risiko direkt auf das Playbook an, während Änderungen mit höherem Risiko zur Überprüfung bereitgestellt oder mit Warnungen versehen werden.
- Playbook-Aktualisierung: Der letzte Schritt stellt sicher, dass Änderungen in Zieldateien wie AGENTS.md oder SOUL.md geschrieben werden, wodurch die Verbesserung dauerhaft wird.
Aktive Selbstverbesserung (Active Self-Improvement) Einrichtung
Um die aktive Selbstverbesserung in Ihrer Umgebung zu aktivieren, stellen Sie sicher, dass Ihr Arbeitsbereich die notwendigen Lernverzeichnisse initialisiert hat:
# Erstellen der Lernverzeichnisstruktur
mkdir -p .learnings
touch .learnings/ERRORS.md .learnings/LEARNINGS.md
# Stellen Sie sicher, dass Ihr Agent Schreibrechte für seine eigenen Protokolldateien hat
# Fügen Sie die active-self-improvement Fähigkeit zu Ihrer lokalen Openclaw Skills-Konfiguration hinzu
Aktive Selbstverbesserung (Active Self-Improvement) Datenschema & Taxonomie
Die Fähigkeit organisiert und aktualisiert Daten über eine Reihe spezifischer Dateien hinweg, um den Verbesserungsschleifen-Prozess aufrechtzuerhalten:
| Dateiname | Zweck |
|---|---|
.learnings/ERRORS.md |
Speichert Protokolle von Ausfällen für die Mustererkennung. |
.learnings/LEARNINGS.md |
Zeichnet erfolgreiche Ergebnisse und wertvolle Workflow-Erfolge auf. |
SOUL.md |
Wird aktualisiert, um die Kernidentität und Verhaltensregeln des Agenten zu verfeinern. |
AGENTS.md |
Wird aktualisiert, um spezifische aufgabenbasierte Anweisungen und Fähigkeiten zu verbessern. |
| Memory Files | Allgemeiner Projektkontext und Fakten, die regelmäßig aktualisiert werden. |
Aktive Selbstverbesserung (Active Self-Improvement) Erweiterte Funktionen
- Autonome, risikobewusste Update-Engine, die zwischen direkter Anwendung und reinen Vorschlagsänderungen unterscheidet.
- Mustererkennung über mehrere Openclaw Skills hinweg, um Interaktionen zwischen den Fähigkeiten zu optimieren.
- Tiefe Integration mit dem Agenten-Speicher, um veraltete Daten zu bereinigen und relevante Fakten zu priorisieren.
- Unterstützung für reversible Updates, was sicheres Experimentieren mit neuen Protokollen ermöglicht.
- Automatisierte Playbook-Generierung, die Rohprotokolle in umsetzbare Anweisungen übersetzt.
SKILL.md
Laden
Verwandte Openclaw-Skills
Task Extractor
Eine robuste Workflow-skill, die entwickelt wurde, um komplexe Benutzernachrichten in diskrete, nachverfolgbare und verifizierbare Aktionselemente zu parsen.
UniProfit E-Mail-Assistent
Eine spezialisierte KI-Agenten-Skill zum Versenden verifizierter E-Mails über die UniProfit API unter Verwendung von Openclaw Skills.
Tomato Fiction AI Kurzfilm-Batch-Generator
Ein umfassendes AI-Automatisierungstool, das mehrkapitelige Romane in serialisierte Kurzvideos mit automatischer Episodentrennung und Asset-Generierung umwandelt.
Dateiverwaltung
Ein robustes Toolkit zur Durchführung sicherer, abhängigkeitsfreier Dateisystemoperationen unter Verwendung nativer Unix- und macOS-Dienstprogramme.
Spawner
Die Spawner-Skill ermöglicht die Delegation komplexer, lang laufender Aufgaben an unabhängige Sub-Agents unter Verwendung von effizientem Model-Routing.
Podcast Digest
Ein fortschrittliches KI-Tool, das Podcast-Audio und -Transkripte in strukturierte Wissensbestände, interaktive visuelle Berichte und Matrix-Analysen über Episoden hinweg konvertiert.
Hervorgehoben*
