Una meta-skill sofisticada que permite a los agentes de IA mejorar sus propias capacidades autónomamente a través del análisis de ejecución basado en feedback.
Instalar y Descargar
1. ClawHub CLI
La forma más rápida de instalar una habilidad directamente desde el registro.
npx clawhub@latest install auto-skill-evolver-1-5-1
2. Instalación manual
Copia la carpeta de la habilidad a una de estas ubicaciones
~/.openclaw/skills/ <project>/skills/ Prioridad: Espacio de trabajo > Local > Integrado
3. Instalación del prompt
Copia este prompt en OpenClaw para instalarlo automáticamente.
Ayúdame a instalar auto-skill-evolver-1-5-1 usando Clawhub. Si Clawhub no está instalado, instálalo primero (npm i -g clawhub).
¿Prefieres descargar?
Obtén los archivos originales de la habilidad en un archivo ZIP.
¿Qué es Auto Skill Evolver?
Auto Skill Evolver es una meta-utilidad diseñada para cerrar el ciclo de feedback para agentes de IA. Funciona como un optimizador especializado que observa cómo un agente realiza una tarea, evalúa los logs de ejecución (traces) y luego reescribe la definición de la skill subyacente para corregir errores o mejorar el rendimiento. Al tratar las skills como documentos vivos, esta herramienta asegura que su biblioteca de Openclaw Skills se mantenga precisa y se adapte a los casos extremos encontrados durante el uso en el mundo real.
La skill está construida con una mentalidad de seguridad primero, empleando escrituras atómicas y una lista blanca (whitelisting) estricta de secciones para asegurar que solo se modifiquen las partes deseadas de un archivo de skill. Cierra la brecha entre las actualizaciones manuales de los desarrolladores y la evolución autónoma del agente, proporcionando un marco robusto para el despliegue continuo de skills con aprobación humana (human-in-the-loop).
Casos de uso de Auto Skill Evolver
- Ajuste de rendimiento iterativo para tareas complejas de codificación o investigación donde los prompts iniciales pueden fallar.
- Automatización de la generación de ejemplos de uso refinados basados en traces de ejecución del mundo real.
- Definiciones de skill de autorreparación que se adaptan a cambios en APIs externas o interfaces de línea de comandos.
- Gestión y aprobación de mejoras propuestas por el agente a través de interfaces de chat móvil utilizando Openclaw Skills.
Cómo funciona Auto Skill Evolver
- El agente ejecuta una tarea objetivo usando su definición de skill actual.
- Los traces de ejecución y el feedback del usuario se capturan en archivos de log locales.
- Un subagente optimizador especializado analiza el trace para identificar cuellos de botella o fallos.
- El optimizador genera una propuesta para un archivo SKILL.md actualizado.
- Escáneres de seguridad integrados comprueban la propuesta en busca de comandos de alto riesgo o marcadores de prompt injection.
- Se crea una propuesta formal, que requiere un token de aprobación humano (hash o un sí interactivo).
- Tras la aprobación, la skill se actualiza de forma atómica y se almacena una copia de seguridad versionada para mayor seguridad.
Configuración de Auto Skill Evolver
Asegúrese de tener instalados Python 3.8+ y OpenClaw CLI. Para comenzar a optimizar una skill, utilice el bucle de entrenamiento:
python skills/auto-skill-evolver/scripts/train_loop.py \
--skill-path "skills/target-skill/SKILL.md" \
--command "[\"your-agent-command\", \"--task\", \"do the thing\"]" \
--iterations 5 \
--interactive-each-iteration
Para disparadores basados en chat, asegúrese de que su entorno pueda enrutar intenciones de lenguaje natural al script optimize_skill.py.
Esquema de datos y taxonomía de Auto Skill Evolver
La skill gestiona su ciclo de vida a través de un directorio estructurado y un sistema de archivos dentro de la raíz de las Openclaw Skills objetivo:
| Archivo/Directorio | Propósito |
|---|---|
SKILL.md |
La definición de skill primaria que se está optimizando. |
.skill_versions/ |
Almacena copias de seguridad históricas de la skill para su restauración. |
.proposed |
El archivo de preparación para la nueva versión de la skill antes de la aprobación. |
.proposed.meta.json |
Almacena metadatos de la propuesta, incluidos hashes SHA256 y niveles de riesgo. |
.secure_workspace/ |
Un directorio aislado para el procesamiento temporal de traces y escaneos de seguridad. |
Funciones avanzadas de Auto Skill Evolver
- Reconocimiento de intenciones en varios idiomas, compatible con disparadores de conversación en inglés y chino.
- Sistema de control de versiones integral que permite reversiones instantáneas a cualquier estado anterior.
- Flujo de trabajo de propuesta primero que impone una puerta de seguridad obligatoria con intervención humana (human-in-the-loop).
- Whitelisting seguro de secciones para proteger el frontmatter central de la skill y los metadatos contra modificaciones accidentales.
- Modo de salida JSON legible por máquina para una integración perfecta con paneles de agentes móviles e interfaces de usuario.
SKILL.md
Cargando
Habilidades relacionadas de Openclaw
Edición de video con Canva AI
Una poderosa habilidad de edición de video impulsada por AI que automatiza transiciones, superposiciones de texto y música de fondo utilizando una canalización de renderizado en la nube.
Ciclo de Experimentos de Alto Ritmo
Un marco de experimentación semanal disciplinado que transforma las pruebas ad-hoc en un motor de crecimiento acelerado y compuesto.
Planificador de Experimentos de Monetización
Un marco impulsado por datos para que los equipos de crecimiento clasifiquen modelos de negocio, analicen cohortes de ingresos y ejecuten experimentos de precios y ventas adicionales de alto impacto.
Sistema de Consultoría de IA
Un marco de consultoría de IA integral para PYMES que aprovecha las metodologías de McKinsey para diagnosticar necesidades comerciales, diseñar soluciones técnicas y realizar un seguimiento del ROI.
Planificador de Estructura de Equipos de Growth
Una herramienta estratégica de IA para diseñar equipos de crecimiento multifuncionales y redactar propuestas ejecutivas para escalar startups.
Acpx Harness Delegation
Un protocolo estandarizado para delegar tareas desde un agente coordinador a ejecutores externos como Claude Code o Codex mediante el runtime ACP.
Presentado*
