Eine autonome Intelligenzebene, die es Agenten ermöglicht, aus Fehlern zu lernen, Arbeitsergebnisse zu reflektieren und ein abgestuftes Speichersystem zu verwalten.
Installieren & Herunterladen
1. ClawHub CLI
Der schnellste Weg, einen Skill direkt aus der Registry zu installieren.
npx clawhub@latest install self-improving-local
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, self-improving-local 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-Improving + Proactive Agent?
Die Skill „Self-Improving + Proactive Agent“ bietet einen ausgeklügelten Rahmen, damit KI-Agenten ihre Fähigkeiten durch Selbstreflexion, Selbstkritik und organisiertes Speichermanagement weiterentwickeln können. Anstatt statisch zu bleiben, evaluiert ein mit dieser Skill ausgestatteter Agent aktiv seine eigene Arbeit, identifiziert Muster in Benutzerkorrekturen und optimiert seine interne Wissensbasis. Dies erzeugt einen zusammengesetzten Intelligenzeffekt, bei dem der Agent mit der Zeit präziser wird und sich besser an Benutzerpräferenzen anpasst.
Basierend auf einer abgestuften Speicherarchitektur stellt die Skill sicher, dass wichtige, häufig verwendete Informationen im HOT-Speicher jederzeit zugänglich bleiben, während projektspezifische oder bereichsspezifische Daten im WARM-Speicher aufbewahrt werden. Durch die Automatisierung des Wissenslebenszyklus – von der ersten Korrektur bis zur langfristigen Archivierung – ermöglicht diese Skill, dass Openclaw Skills in verschiedenen Arbeitsbereichen eine hohe Leistung ohne manuelle Konfigurationswartung beibehält.
Self-Improving + Proactive Agent Anwendungsfälle
- Wenn ein Benutzer explizite Korrekturen wie „Nein, das ist nicht richtig“ oder „Ich bevorzuge X gegenüber Y“ liefert.
- Nach Abschluss eines mehrstufigen Workflows, bei dem der Agent überprüfen muss, ob das Ergebnis der ursprünglichen Absicht entsprach.
- Bei der Identifizierung wiederholbarer Muster oder Präferenzen, die automatisch auf zukünftige Aufgaben angewendet werden sollten.
- Um separate Lernkontexte für verschiedene Projekte aufrechtzuerhalten, wie z. B. spezifische Codierungsstile für eine Flutter-App im Vergleich zu einem Python-Backend.
- Um das erneute Auftreten von Fehlern zu verhindern, indem aus Fehlern gewonnene Erkenntnisse protokolliert und gefördert werden.
So funktioniert Self-Improving + Proactive Agent
- Signalerkennung: Der Agent überwacht Interaktionen auf explizite Korrekturen, Präferenzsignale oder wiederholte Anweisungen.
- Selbstreflexion: Nach Abschluss einer bedeutenden Arbeit hält der Agent inne, um das Ergebnis mit der Absicht zu vergleichen und potenzielle Verbesserungen zu identifizieren.
- Protokollierung: Neue Lektionen werden zunächst in
corrections.mdoder bereichsbezogenen Projektdateien im Verzeichnis~/self-improving/aufgezeichnet. - Abgestufte Förderung: Muster, die innerhalb von sieben Tagen dreimal erfolgreich angewendet wurden, werden für ständige Verfügbarkeit in den HOT-Speicher (
memory.md) befördert. - Wartung & Komprimierung: Ein wiederkehrender Heartbeat-Prozess überprüft den Speicherzustand, stuft ungenutzte Muster in den WARM-Speicher herab oder archiviert sie im COLD-Speicher, um die Kontexteffizienz zu erhalten.
- Kontextuelle Abfrage: Während der Ausführung lädt der Agent relevante Speicher-Namespaces basierend auf dem aktuellen Projekt oder Bereich, um präzise und personalisierte Antworten sicherzustellen.
Self-Improving + Proactive Agent Einrichtung
Um die selbstverbessernde Speicherarchitektur zu initialisieren, stellen Sie sicher, dass das Basisverzeichnis existiert, und führen Sie den Setup-Workflow aus. Openclaw Skills-Benutzer sollten diese Schritte befolgen:
# Erstellen der erforderlichen Verzeichnisstruktur
mkdir -p ~/self-improving/projects/ ~/self-improving/domains/ ~/self-improving/archive/
# Initialisieren der Speichervorlagen
touch ~/self-improving/memory.md
touch ~/self-improving/corrections.md
Nach dem Erstellen des Verzeichnisses integrieren Sie die Steuerungsregeln in Ihren Arbeitsbereich, indem Sie sich auf den innerhalb der Skill bereitgestellten setup.md-Leitfaden beziehen. Dies konfiguriert Ihre AGENTS- und HEARTBEAT.md-Dateien, um proaktives Selbstlernen zu aktivieren.
Self-Improving + Proactive Agent Datenschema & Taxonomie
Die Skill organisiert Informationen in einer hierarchischen, abgestuften Struktur, um Token-Nutzung und Relevanz zu optimieren:
| Datei / Pfad | Ebene | Beschreibung |
|---|---|---|
memory.md |
HOT | Globale Regeln und bestätigte Präferenzen (100 Zeilen Limit); immer geladen. |
projects/ |
WARM | Projektbezogene Erkenntnisse und kontextspezifische Regeln; geladen bei Übereinstimmung. |
domains/ |
WARM | Bereichsspezifische Expertise (z. B. Code, Schreiben, Kommunikation). |
archive/ |
COLD | Historische oder veraltete Muster; geladen nur bei expliziter Abfrage. |
corrections.md |
LOG | Die letzten 50 expliziten Benutzerkorrekturen zur Evaluierung. |
heartbeat-state.md |
STATE | Metadaten zur Nachverfolgung der letzten Wartungsläufe und Beförderungs-/Herabstufungsaktionen. |
Self-Improving + Proactive Agent Erweiterte Funktionen
- Automatische Förderung/Herabstufung: Implementiert einen nutzungsbasierten Lebenszyklus, bei dem aktive Muster HOT bleiben und inaktive nach 90 Tagen archiviert werden.
- Namespace-Isolierung: Hält projektspezifische Logik getrennt und verhindert Konfigurationsverschmutzung zwischen Projekten.
- Transparente Zitate: Der Agent kann die Speicherquelle für seine Aktionen explizit zitieren (z. B. „Verwendung von X aus projects/foo.md“).
- Sicherheitsgrenzen: Hardcodierte Einschränkungen verhindern das Speichern von Anmeldeinformationen, Gesundheitsdaten oder sensiblen Informationen Dritter.
- Konfliktlösung: Logik zur Handhabung widersprüchlicher Regeln durch Priorisierung projektspezifischer Anweisungen gegenüber globalen Standardwerten.
SKILL.md
Laden
Verwandte Openclaw-Skills
AceToolz QR Code Generator
Der AceToolz QR Code Generator ermöglicht es KI-Agenten, sofort gehostete QR code-Bilder für jede URL oder jeden Textblock zu erstellen und zu teilen.
AceToolz Passwort-Generator
Eine sichere Echtzeit-Passwort-Generierungs-Skill, betrieben von der AceToolz API für KI-Agenten.
Claude Usage Analyzer
Ein leistungsstarkes Tool zur Nachverfolgung, Analyse und Optimierung Ihres Claude Code Token-Verbrauchs und Ihrer Projektkosten.
EO Quickstart
Ein optimierter Onboarding-Skill, der entwickelt wurde, um das Everything Openclaw Plugin zu konfigurieren und Multi-Experten-KI-Kooperationsprojekte in Minuten zu starten.
Bilibili Automatisierungs-Skill
Ein KI-gestütztes Automatisierungstool für Openclaw Skills, das die Suche, Untertitel-Extraktion und Inhaltszusammenfassung für Bilibili-Videos ermöglicht.
DingTalk CLI Auto Skill
Ein Automatisierungskraftwerk für DingTalk, das die offizielle dws CLI nutzt, um Unternehmenskommunikation, Zeitpläne und Aufgaben über einen KI-Agenten zu verwalten.
Hervorgehoben*
