Un marco de aprendizaje recursivo que permite a los AI agents registrar errores, rastrear correcciones de usuarios y evolucionar a través de una memoria de proyecto persistente.
Instalar y Descargar
1. ClawHub CLI
La forma más rápida de instalar una habilidad directamente desde el registro.
npx clawhub@latest install learning-agent
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 learning-agent 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 Habilidad de Self-Improvement?
La habilidad de Self-Improvement es un sofisticado bucle de retroalimentación recursivo diseñado para AI coding agents. Proporciona una metodología estructurada para que los agents reconozcan sus errores, capturen los comentarios de los usuarios y documenten nuevos conocimientos técnicos en tiempo real. Al utilizar un directorio dedicado para los logs, la habilidad garantiza que no se pierda ninguna lección valiosa entre sesiones, transformando las correcciones puntuales en conocimiento institucional permanente.
Diseñada para funcionar a la perfección con Openclaw Skills, esta herramienta permite a los agents promover aprendizajes de alto valor a archivos principales del proyecto como CLAUDE.md o SOUL.md. Esta arquitectura evita la repetición de errores y permite que el comportamiento del agent se alinee cada vez más con las preferencias del desarrollador y las convenciones específicas del proyecto con el tiempo.
Casos de uso de Habilidad de Self-Improvement
- Un comando de terminal o una operación de build falla inesperadamente y requiere documentación de la causa raíz.
- Un desarrollador corrige la lógica o el estilo de código de un agent, lo que requiere un cambio de comportamiento persistente.
- Un agent identifica una API obsoleta o una brecha de conocimiento que debe rastrearse para futuras actualizaciones.
- Un usuario solicita una característica recurrente que actualmente no existe en el conjunto de capacidades del agent.
- Una sesión de depuración compleja produce una 'mejor práctica' que debe estandarizarse en todo el código base.
Cómo funciona Habilidad de Self-Improvement
- El agent detecta un activador, como un fallo de comando, una corrección de usuario o una mejor práctica descubierta.
- El agent genera una entrada estructurada con un ID único (por ejemplo, LRN-YYYYMMDD-XXX) y la añade al archivo markdown correspondiente en la carpeta .learnings.
- A las entradas registradas se les asignan metadatos que incluyen la prioridad, el área (frontend, backend, etc.) y el recuento de recurrencia.
- Durante las revisiones periódicas o el inicio de las sesiones, el agent escanea los logs existentes para evitar repetir errores pasados.
- Los aprendizajes de alto valor y ampliamente aplicables se promueven a archivos permanentes del espacio de trabajo para influir en el comportamiento global del agent.
Configuración de Habilidad de Self-Improvement
Para comenzar con la configuración recomendada de Openclaw Skills, use los siguientes comandos:
# Install via ClawdHub
clawdhub install self-improving-agent
# Create the required directory structure
mkdir -p ~\/.openclaw\/workspace\/.learnings
# Optional: Enable automatic hooks for reminders
openclaw hooks enable self-improvement
Esquema de datos y taxonomía de Habilidad de Self-Improvement
La habilidad organiza los datos dentro de un directorio .learnings\/ utilizando tres archivos markdown especializados principales:
| Archivo | Propósito | Metadatos clave |
|---|---|---|
LEARNINGS.md |
Correcciones, brechas de conocimiento y mejores prácticas. | Area, Pattern-Key, Source |
ERRORS.md |
Log de fallos de comandos y stack traces. | Reproducible, Related Files |
FEATURE_REQUESTS.md |
Capacidades y sugerencias solicitadas por el usuario. | Complexity, Frequency |
Todas las entradas siguen un formato de encabezado estandarizado que incluye un ID único, una marca de tiempo ISO-8601, prioridad y estado (pendiente, resuelto o promovido).
Funciones avanzadas de Habilidad de Self-Improvement
- Extracción Automática de Skills: Scripts integrados para convertir aprendizajes recurrentes y resueltos en habilidades de AI completamente nuevas y reutilizables.
- Seguimiento de Patrones: Utiliza un sistema Pattern-Key para detectar y contar problemas recurrentes, activando aumentos de prioridad para problemas sistémicos.
- Comunicación entre Sesiones: Herramientas para compartir aprendizajes entre diferentes sesiones de agents activos a través de session_send y session_history.
- Integración de Hooks: Admite hooks UserPromptSubmit y PostToolUse para la detección automática de errores y avisos de aprendizaje.
- Compatibilidad Multi-Agent: Configuraciones específicas disponibles para la integración con Claude Code, Codex y GitHub Copilot.
SKILL.md
Cargando
Habilidades relacionadas de Openclaw
Skill Publisher
Un conjunto de herramientas integral de gestión y distribución para publicar capacidades de agentes OpenClaw en plataformas globales y regionales.
LLM Testing Skill
Un conjunto integral de prompts de seguridad y wordlists diseñados para evaluar la seguridad, robustez y alineación ética de Large Language Models.
Amazon Review Management
Un agente de AI inteligente dedicado a gestionar reseñas de productos de Amazon, respuestas profesionales y estrategias de crecimiento de calificación conformes.
Institutional Site Builder
Una habilidad de AI avanzada que transforma activos de marca, PDFs y logos en sitios web institucionales de alto rendimiento en React usando Vite y Tailwind CSS 4.
Habilidad de Análisis de Flashloan
Una habilidad técnica especializada para analizar operaciones de flashloan, evaluar la seguridad de protocolos DeFi y gestionar datos de referencia on-chain.
Session Recovery
Un sistema de gestión de sesiones de AI que optimiza el uso del context y permite una recuperación rápida del flujo de trabajo a través de una estrategia de documentación estructurada de 3 niveles.
Presentado*
