HeartFlow ist eine Local-First Kognitions- und Gedächtnis-Engine, die KI-Agenten mit Selbstheilung, Dual-Speed-Schlussfolgerung und mehrstufigem Gedächtnis ausstattet.
Installieren & Herunterladen
1. ClawHub CLI
Der schnellste Weg, einen Skill direkt aus der Registry zu installieren.
npx clawhub@latest install heartflow-v1
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, heartflow-v1 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 HeartFlow?
HeartFlow ist eine robuste, Local-First Kognitions-Engine für KI-Coding-Agenten, die Schlussfolgerung, strukturiertes Gedächtnis und Selbstevaluation gegenüber flüchtiger Kontextansammlung priorisiert. Entwickelt, um rechnerischem Chaos (Entropiereduktion) entgegenzuwirken, fungiert es als Architektur-Framework für Agenten, die strukturelles Wachstum statt nur Prompt-Updates anstreben. In einer strikten lokalen Sandbox betrieben, erzwingt es einen philosophischen Ansatz für Intelligenz, indem es rohes Rauschen in strukturierte Signale übersetzt und Entwicklern hilft, hochbewusste KI-Agenten mit Openclaw Skills zu konfigurieren.
Im Zentrum seiner technischen Architektur steht der HeartLogic-Workflow – ein starrer, vierstufiger Schlussfolgerungsprozess, der in Code statt im Speicher ausgeführt wird. Er balanciert schnelle Intuition und tiefe Schlussfolgerungen durch separate Ausführungspipelines aus, wodurch Agenten ihre situativen Grenzen verstehen, Nutzerprobleme oder technische Engpässe identifizieren und Stille wählen können, wenn diese zu saubereren Ergebnissen führt als eine übermäßige Ausgabe. Dieses Local-First-Paradigma ist vollständig in Openclaw Skills integriert und ermöglicht sichere Memory-Injection-Setups ohne externe Cloud-Abhängigkeiten.
HeartFlow Anwendungsfälle
- Implementierung einer Cross-Session-Gedächtnisarchitektur (CORE, LEARNED, EPHEMERAL), um Nutzerpräferenzen und gelernte Lektionen sicher zu speichern, ohne API-Schlüssel zu gefährden.
- Aktivierung selbstheilender Reinforcement-Learning-Workflows (RL), die Ausführungsfehler in lokalen Q-Tabellen für automatische Strategieanpassungen aufzeichnen.
- Strukturierung von KI-Schlussfolgerungspipelines mit tiefen Ausführungs-Audits, um sicherzustellen, dass Codeänderungsvorschläge eine strikte semantische und Sicherheitsvalidierung durchlaufen.
- Aufbau fortschrittlicher kognitiver Kontextschichten für LLMs, die in hochprivaten Entwicklerumgebungen arbeiten, in denen externe Kommunikation vollständig blockiert ist.
So funktioniert HeartFlow
- Initialisierung: Der Entwickler instanziiert das HeartFlow-Framework lokal und definiert einen projektspezifischen Root-Pfad, um Gedächtnisoperationen zu verankern.
- Kognitives Audit (HeartLogic): Bei jedem Prompt oder jeder Herausforderung zwingt die Engine den KI-Agenten zu einer vierstufigen Bewertung: Worum geht es hier? Ist dies die korrekte Aktion? Befindet sich der Nutzer/die Codebasis in einem kritischen oder schmerzhaften Zustand? Sollte der Agent Stille statt ausführlicher Protokolle wählen?
- Mehrstufiges Gedächtnis-Routing: Das System kategorisiert generierte Erkenntnisse. Unveränderliche Anweisungen gehen in das CORE-Gedächtnis; sitzungsübergreifend gelernte Gewohnheiten werden in das LEARNED-Gedächtnis geschrieben; temporärer Kontext füllt das EPHEMERAL-Gedächtnis.
- Selbstheilendes Q-Learning: Bei Fehlern zeichnet die Engine diese in einer lokalen Q-Tabelle (
self-heal.js) auf, sodass der Agent seine zukünftigen operativen Strategien ohne externe Telemetrie automatisch verfeinert. - Injection & Kompilierung: Gedächtnismodule kompilieren und injizieren sich mittels leichtgewichtiger lokaler Node.js-Skripte oder Hermes-Plugins direkt in System-Prompts, wodurch Agenten mit Openclaw Skills gestärkt werden.
HeartFlow Einrichtung
HeartFlow läuft als lokales Node.js- und Python-Modul. Stellen Sie sicher, dass Node.js auf Ihrem lokalen Rechner installiert ist.
Um Ihre kognitiven Gedächtnisinhalte lokal zu verwalten und zu durchsuchen, nutzen Sie das enthaltene Memory-Tool:
# Alle vorhandenen Gedächtnisinhalte im lokalen JSON auflisten
node scripts/heartflow-memory-tool.js list
# Gedächtnis nach semantischen Schlüsselwörtern durchsuchen
node scripts/heartflow-memory-tool.js search <keyword>
# Aktuelle Gedächtnis-Statistiken abrufen
node scripts/heartflow-memory-tool.js stats
# Schlüssel-Wert-Paare manuell in das gelernte Gedächtnis schreiben
node scripts/heartflow-memory-tool.js write <key> <value>
Um das lokale semantische Suchmodell (betrieben durch ModelScope) für Vektor-Funktionen herunterzuladen, führen Sie aus:
python scripts/download-model.py
HeartFlow Datenschema & Taxonomie
HeartFlow trennt seine Datenarchitektur systematisch in dedizierte Dateien innerhalb des lokalen memory/-Verzeichnisses. Bei der Verwaltung dieser Openclaw Skills sind keine externen Datenbanken oder Cloud-Endpunkte beteiligt.
Architektur der Gedächtnisebenen
| Gedächtnisebene | Speicherumfang | Aktualisierungsfrequenz | Zweck |
|---|---|---|---|
| CORE | Permanent | Nur-Lese-Zugriff | Enthält Identitätsregeln, 7 Kerndirektiven und Baseline-Sicherheits-Frameworks |
| LEARNED | Sitzungsübergreifendes JSON | Dynamisch | Sammelt Lektionen, nutzerspezifische Coding-Stil-Präferenzen und vergangene Fehler |
| EPHEMERAL | In-Memory-Sitzungsstatus | Pro Ausführung | Verfolgt den aktuellen Laufzeit-Ausführungskontext und temporäre Signale |
Technische Ausführungs-Mapping
- Q-Tabelle lokaler Speicher: Verfolgt Laufzeitfehler und Strategiegewichte für die Reinforcement-Learning-Engine.
- Semantischer Index: Lokal erstellt unter Verwendung der heruntergeladenen ModelScope-Embeddings, um semantische Suche und Metapher-Indizierung zu verarbeiten.
HeartFlow Erweiterte Funktionen
- Dual-Speed-Schlussfolgerungs-Pipelines: Bietet explizite API-Hooks für schnelle Intuition (
thinkFast) gegenüber tiefen, langsamen Schlussfolgerungsschleifen (thinkDeep). - Multivariate Kognitions-Engines: Enthält eine Metaphern-Bibliothek, Common-Sense-Engine (unterstützt 6 Schlussfolgerungsmodi) und einen Mustererkennungs-Detektor zur Verarbeitung von Codebasis-Trends.
- Autonome Selbstprüfung: Scannt lokale Codeänderungen über 6 verschiedene Bewertungsdimensionen mittels
self-audit.js, bevor Änderungen angewendet werden. - Privacy-First Sicherheitsbarrieren: Verfügt über keinerlei System-/Netzwerkberechtigungen, was alle Lese-/Schreibaktivitäten auf das isolierte lokale Speicherverzeichnis beschränkt und einen neuen Sicherheitsstandard für Openclaw Skills setzt.
- Lokale Entropiemessung: Verwendet vierdimensionale Entropieverfolgung, um zu bestimmen, ob ein Eingriff die Architektur der Codebasis vereinfacht oder verkompliziert.
SKILL.md
Laden
Verwandte Openclaw-Skills
TOSR Veröffentlichen und Aktualisieren Test
Eine automatisierte Integrationstest-Skill, die entwickelt wurde, um den Erstellungs-, Aktualisierungs- und Löschungs-Lebenszyklus von Skills über die clawhub REST API zu verifizieren.
TOSR Veröffentlichen-dann-Aktualisieren-Test
Eine automatisierte Integrationstest-Skill, die entwickelt wurde, um den vollständigen Lebenszyklus von Openclaw Skills über die clawhub REST API zu validieren.
Behave: The Biology of Humans at Our Best and Worst
Ein KI-gestützter verhaltenswissenschaftlicher Agent, der menschliches Handeln durch Robert Sapolskys multitemporalen neurobiologischen Rahmen analysiert.
Skill Evolution Loop
Eine automatisierte Closed-Loop-Evolution-Engine, die Openclaw Skills basierend auf der tatsächlichen Performance des agent kontinuierlich entdeckt, verfeinert und mittels Garbage Collection bereinigt.
Analyse von Kollaps: Warum Gesellschaften überleben oder untergehen
Eine AI agent-Skill zur Analyse von Jared Diamonds wegweisender Studie, um den gesellschaftlichen Zusammenbruch auf Basis von Umwelt- und Sozialfaktoren zu verstehen und vorherzusagen.
SMTP E-Mail-Zustelldienst
Ein leistungsstarker SMTP E-Mail-Zustelldienst für AI agents und Automatisierungs-Workflows zum Versenden von Text, HTML und angehängten Dateien über jeden Standard-SMTP-Server.
Hervorgehoben*
