Un sistema de memoria persistente que registra las correcciones de los agentes y las inyecta automáticamente en sesiones futuras para evitar errores recurrentes.
Instalar y Descargar
1. ClawHub CLI
La forma más rápida de instalar una habilidad directamente desde el registro.
npx clawhub@latest install correction-memory
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 correction-memory 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 Memoria de Corrección?
La Memoria de Corrección es una utilidad especializada para Openclaw Skills diseñada para resolver el problema persistente de los agentes que repiten los mismos errores en diferentes sesiones. Normalmente, cuando se corrige la salida de un agente, ese conocimiento se pierde una vez que finaliza la sesión. Esta habilidad cierra esa brecha proporcionando un mecanismo dedicado de registro e inyección que captura los comentarios y los aplica a cada futura generación del mismo tipo de agente.
Al integrar la biblioteca correction-tracker en su flujo de trabajo, transforma las correcciones efímeras en una base de conocimientos permanente. Ya sea que esté aplicando estándares de codificación específicos o preferencias estilísticas, esta habilidad garantiza que sus agentes evolucionen y mejoren con el tiempo en lugar de restablecerse a un estado base con cada nueva tarea.
Casos de uso de Memoria de Corrección
- Eliminación de errores repetitivos de formato o sintaxis en el código generado.
- Aplicación de patrones arquitectónicos específicos del proyecto que los agentes suelen ignorar.
- Entrenamiento de agentes de escritura creativa para mantener un estilo y tono constantes en varios capítulos.
- Reducción de la carga de prompts manuales mediante la automatización de la entrega de comentarios anteriores.
Cómo funciona Memoria de Corrección
- El sistema captura las correcciones a través de llamadas programáticas o instrucciones en lenguaje natural proporcionadas al agente principal.
- Las correcciones se registran en archivos .jsonl estructurados categorizados por tipo de agente dentro del directorio de memoria.
- Cuando se genera un subagente, el agent-context-loader identifica el tipo de agente (p. ej., CoderAgent) a partir de la descripción de la tarea.
- El sistema consulta el registro de correcciones para buscar entradas asociadas con ese tipo de agente de los últimos 30 días.
- Se genera un preámbulo de corrección y se antepone al prompt del agente, asegurando que las lecciones pasadas estén presentes para la tarea actual.
Configuración de Memoria de Corrección
Para instalar esta capacidad en su configuración de Openclaw Skills, siga estos pasos:
Paso 1: Instalar el Rastreador
Copie la plantilla del rastreador a su espacio de trabajo local:
cp references/correction-tracker-template.js $OPENCLAW_WORKSPACE/lib/correction-tracker.js
Verifique la instalación:
node $OPENCLAW_WORKSPACE/lib/correction-tracker.js
Paso 2: Integración
Si ya está utilizando la habilidad intent-engineering, el gancho de inyección en agent-context-loader.js es automático. Si no, debe importar manualmente buildCorrectionPreamble de la biblioteca del rastreador en su lógica de generación personalizada.
Esquema de datos y taxonomía de Memoria de Corrección
La habilidad mantiene una base de datos de archivos planos utilizando JSONL para un alto rendimiento y transparencia. Los datos se almacenan en $OPENCLAW_WORKSPACE/memory/corrections/[AgentType].jsonl.
| Campo | Descripción |
|---|---|
agent_type |
La categoría del agente que recibe la corrección (p. ej., CoderAgent, AuthorAgent) |
issue |
Una descripción del comportamiento incorrecto observado |
correction |
La regla o instrucción específica a seguir en el futuro |
timestamp |
Se utiliza para gestionar la expiración automática de 30 días de las reglas obsoletas |
metadata |
Contexto opcional como ID de sesión o canal de comunicación |
Funciones avanzadas de Memoria de Corrección
- Lógica de auto-expiración que elimina las correcciones de más de 30 días para evitar el exceso de prompts.
- Procesamiento de lenguaje natural que le permite registrar correcciones simplemente diciéndole al agente principal qué salió mal.
- Detección de tipo de agente basada en palabras clave que dirige automáticamente las correcciones a la biblioteca correcta.
- Interoperabilidad perfecta con otras Openclaw Skills para crear un entorno de agentes autónomos cohesivo.
SKILL.md
Cargando
Habilidades relacionadas de Openclaw
Marco de Estabilidad del Agente (ASF)
Un sistema integral de defensa de tres capas para prevenir la desviación de personalidad de la IA, fallos técnicos y el desajuste de la esencia en agentes autónomos.
Observador de Video (Video Watcher)
Una herramienta especializada para obtener y leer programáticamente transcripciones de vídeos de YouTube y Bilibili para permitir el análisis impulsado por IA.
Joan Workflow
Un sistema de gestión de conocimiento y tareas basado en espacios de trabajo diseñado específicamente para flujos de trabajo de desarrollo asistidos por IA.
Corpus
Una potente integración para que los agentes de IA interactúen con la biblioteca Corpus AI para la recuperación de contenido, marcadores web y gestión de recordatorios.
Ingeniería de Intenciones
Una capa de intención legible por máquina que garantiza que los subagentes optimicen para sus prioridades reales en lugar de solo métricas de finalización.
Cost Governor
Un sistema de estimación de costos previa al vuelo y puerta de aprobación diseñado para evitar el sobrecosto de API durante despliegues de múltiples agentes.
METADATA
Presentado*
