Ein Framework zur kontinuierlichen Verbesserung für AI Agents, um Fehler, Erkenntnisse und Korrekturen in einem dauerhaften Projektgedächtnis zu protokollieren.
Installieren & Herunterladen
1. ClawHub CLI
Der schnellste Weg, einen Skill direkt aus der Registry zu installieren.
npx clawhub@latest install perrytest
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, perrytest 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 Self-Improvement Skill?
Der Self-Improvement Skill ist ein spezialisiertes Toolset für AI Coding Agents, um autonomes Wachstum und Verfeinerung zu erleichtern. Durch das Erfassen unerwarteter Fehler, Benutzerkorrekturen und entdeckter Best Practices wird sichergestellt, dass ein Agent dieselben Fehler nicht in verschiedenen Sitzungen wiederholt. Dieser Skill ist ein Eckpfeiler des Openclaw Skills-Ökosystems und ermöglicht es Agenten, eine robuste interne Wissensbasis aufzubauen, die durch systematische Dokumentation parallel zur Codebasis reift.
Self-Improvement Skill Anwendungsfälle
- Erfassen unerwarteter Befehls- oder API-Fehler, um zukünftige Reibungsverluste und wiederholte Fehlersuche zu vermeiden.
- Dokumentieren von Benutzerkorrekturen, wenn der Agent einen logischen, stilistischen oder architektonischen Fehler macht.
- Verfolgen von Feature-Anfragen für Funktionen, die in der aktuellen Umgebung noch nicht existieren.
- Identifizieren und Befördern wiederkehrender Muster in permanente Projektdokumentationen wie CLAUDE.md oder AGENTS.md.
- Teilen von Erkenntnissen zwischen verschiedenen AI-Sitzungen oder Sub-Agenten mithilfe von OpenClaw Workspace-Tools.
So funktioniert Self-Improvement Skill
- Erkennung: Der Agent identifiziert eine Lernmöglichkeit, z. B. einen Tool-Fehler, eine Wissenslücke oder eine direkte Benutzerkorrektur.
- Protokollierung: Detaillierte Einträge werden in einem standardisierten ID-Format an spezialisierte Markdown-Dateien im Verzeichnis .learnings/ angehängt.
- Kategorisierung: Einträgen werden Prioritäten (niedrig bis kritisch) und Funktionsbereiche (Frontend, Backend usw.) zur einfacheren Filterung zugewiesen.
- Beförderung: Hochwertige, breit anwendbare Erkenntnisse werden in Langzeitgedächtnis-Dateien wie AGENTS.md oder SOUL.md befördert.
- Extraktion: Erprobte Lösungen, die verifiziert sind und wiederkehren, werden in eigenständige, wiederverwendbare Openclaw Skills extrahiert.
Self-Improvement Skill Einrichtung
Die Installation des Skills über ClawdHub ist der empfohlene Weg für Openclaw Skills-Benutzer:
clawdhub install self-improving-agent
Für die manuelle Installation in Ihrem Workspace:
git clone https://github.com/peterskoett/self-improving-agent.git ~/.openclaw/skills/self-improving-agent
Initialisieren Sie die erforderliche Verzeichnisstruktur:
mkdir -p ~/.openclaw/workspace/.learnings
Self-Improvement Skill Datenschema & Taxonomie
Der Skill verwaltet Daten innerhalb eines .learnings/-Verzeichnisses unter Verwendung eines strukturierten Dateisystems, um Transparenz und Lesbarkeit zu gewährleisten:
| Datei | Zweck |
|---|---|
| LEARNINGS.md | Speichert Korrekturen, Wissenslücken und Best Practices. |
| ERRORS.md | Protokolliert Befehlsfehler, Ausnahmen und Umgebungsprobleme. |
| FEATURE_REQUESTS.md | Verfolgt vom Benutzer angeforderte Funktionen. |
Jeder Eintrag folgt einem strengen ID-Format: TYPE-YYYYMMDD-XXX (z. B. LRN-20250115-001) und enthält Metadaten wie Priority, Area, Status und Pattern-Key.
Self-Improvement Skill Erweiterte Funktionen
- Automatisierte Hooks: Unterstützung für UserPromptSubmit- und PostToolUse-Hooks, um Fehlererkennung und Evaluierungserinnerungen automatisch auszulösen.
- Sitzungsübergreifendes Messaging: Integrierte Tools wie sessions_send und sessions_history, um kritische Erkenntnisse zwischen aktiven Agentensitzungen zu teilen.
- Muster-Deduplizierung: Nahtlose Aufnahme wiederkehrender Muster über den simplify-and-harden Feed unter Verwendung stabiler Pattern-Keys zur Verfolgung der Häufigkeit.
- Skill-Extraktions-Helfer: Ein dediziertes automatisiertes Skript, um eine verifizierte Erkenntnis in einen vollständig konformen, wiederverwendbaren Skill-Ordner mit eigenen Metadaten zu transformieren.
- Workspace-Beförderung: Automatische Logik zur Erhebung taktischer Anleitungen in Prompt-Dateien auf Systemebene, wenn bestimmte Wiederholungsschwellenwerte erreicht werden.
SKILL.md
Laden
Verwandte Openclaw-Skills
Scanner für Abhängigkeits-Schwachstellen
Ein Zero-Config-Sicherheitstool, das Projektabhängigkeiten mithilfe der OSV.dev-Datenbank auf bekannte Schwachstellen scannt.
Ecologi
Eine leistungsstarke Integration für AI-Agenten zur Verwaltung von CO2-Kompensationen, zur Finanzierung von Baumpflanzungen und zur Verfolgung von Umweltbelastungsstatistiken über Ecologi.
Referenz für Zielsetzung und Zielerreichung
Eine umfassende technische Referenz für die Implementierung von forschungsgestützten Zielsetzungs-Frameworks und Gewohnheitsbildungssystemen.
Hydrate
Eine Befehlszeilenreferenz zur Verwaltung der Hydratationswissenschaft, Berechnungen der Flüssigkeitsaufnahme und des Elektrolythaushalts.
Clawdit Borrower
Eine autonome Finanz-Skill, die es agents ermöglicht, USDT von P2P-Kreditgebern über WDK-gesteuerte Smart Wallets und ERC-8004-Reputationsprofile zu leihen.
Copy
Ein umfassender Referenz-Skill zur Beherrschung von Dateiduplizierung, rsync-Workflows und effizienten Datensynchronisationsstrategien.
Hervorgehoben*
