Una arquitectura avanzada de autoevolución y memoria de 5 capas que permite a los agentes de AI aprender de los errores, recordar las preferencias del usuario y optimizar el rendimiento con el tiempo.
Instalar y Descargar
1. ClawHub CLI
La forma más rápida de instalar una habilidad directamente desde el registro.
npx clawhub@latest install max-self-improvement
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 max-self-improvement 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 Max-Self-Improvement?
Max-Self-Improvement es un marco sofisticado diseñado para transformar las interacciones estándar de AI en una experiencia de aprendizaje continuo. Al implementar una arquitectura de memoria estructurada de 5 capas, permite a los agentes ir más allá de las simples ventanas de contexto hacia un mundo de retención a largo plazo y conciencia metacognitiva. Esta habilidad garantiza que su AI agent no solo ejecute tareas, sino que evolucione con cada interacción, convirtiéndose en una piedra angular para quienes construyen Openclaw Skills avanzados.
El sistema utiliza un repositorio de aprendizaje dedicado para categorizar errores, solicitudes de funciones y mejores prácticas. Al cerrar la brecha entre la memoria de trabajo y la memoria episódica, el agente puede recordar patrones pasados, adaptarse a correcciones específicas del usuario y evitar proactivamente repetir errores anteriores. Esto da como resultado un asistente de desarrollador altamente personalizado y cada vez más eficiente que comprende los matices específicos del proyecto y las preferencias de flujo de trabajo individuales.
Casos de uso de Max-Self-Improvement
- Contexto Persistente: Mantener estados de tareas complejas en múltiples sesiones sin perder el progreso.
- Optimización Personalizada: Registrar preferencias específicas del usuario y estilos de codificación para adaptar las respuestas futuras.
- Análisis de Errores: Registrar automáticamente fallos de CLI o API para generar lecciones estructuradas y patrones preventivos.
- Gestión del Conocimiento: Capturar información específica del dominio y convenciones del proyecto descubiertas durante el desarrollo.
- Evolución de Funciones: Rastrear solicitudes de usuarios y brechas identificadas para priorizar futuras capacidades del agente.
Cómo funciona Max-Self-Improvement
- Entrada Sensorial: El agente recibe una entrada inmediata y la procesa a través de su L1 Sensory Memory (Context Window).
- Recuperación de Memoria: Antes de actuar, el agente consulta la L2 Working Memory y la L3 Long-Term Memory para reunir el contexto y las preferencias relevantes.
- Ejecución y Monitoreo: El agente realiza tareas mientras monitorea activadores como errores, correcciones o nuevos patrones exitosos.
- Registro Estructurado: Si se detecta un activador, el agente genera un Entry ID único (LRN, ERR o FEAT) y registra el evento en el directorio .learnings/.
- Promoción de Memoria: Los aprendizajes de alto valor se promueven de registros temporales a archivos permanentes como user_preferences.md o domain_knowledge.md.
- Autocorrección: En sesiones futuras, el agente prioriza las instrucciones explícitas y las memorias a largo plazo de alta confianza para refinar su razonamiento.
Configuración de Max-Self-Improvement
Para integrar Max-Self-Improvement en su entorno de Openclaw Skills, asegúrese de que su espacio de trabajo incluya la estructura de directorios necesaria para la persistencia de la memoria.
# Create the memory and learning directories
mkdir -p memories/evolution .learnings
# Initialize the core tracking files
touch .learnings/LEARNINGS.md .learnings/ERRORS.md .learnings/FEATURE_REQUESTS.md
touch memories/session_notes.md memories/user_preferences.md
Configure el system prompt de su agente para priorizar la lectura de estos archivos de memoria al comienzo de cada sesión para garantizar una evolución continua.
Esquema de datos y taxonomía de Max-Self-Improvement
La habilidad organiza los datos a través de una taxonomía jerárquica y plantillas de entrada estrictas para garantizar la legibilidad por máquina y la auditabilidad humana.
| File Path | Content Type | Purpose |
|---|---|---|
/memories/session_notes.md |
Memoria de Trabajo | Estado de la tarea actual y objetivos inmediatos. |
/memories/user_preferences.md |
Memoria a Largo Plazo | Patrones de comportamiento y configuraciones específicos del usuario. |
/.learnings/LEARNINGS.md |
Memoria Episódica | Entradas estructuradas para correcciones y mejores prácticas. |
/.learnings/ERRORS.md |
Metacognitivo | Registros de comandos fallidos y excepciones técnicas. |
Entry ID Format: [TYPE]-[YYYYMMDD]-[XXX] (p. ej., LRN-20260509-A12).
Funciones avanzadas de Max-Self-Improvement
- Pila de Memoria de 5 Capas: Segrega los datos desde el contexto sensorial hasta las métricas de rendimiento de alto nivel.
- Mapeo de Claves de Patrón: Etiqueta los aprendizajes con claves como simplify.dead_code para permitir el reconocimiento de patrones programáticos.
- Resolución de Conflictos Automatizada: Una lógica de prioridad incorporada que sopesa las instrucciones del usuario sobre los comportamientos implícitos.
- Lógica de Promoción de Memoria: Mueve automáticamente los conocimientos sobre el comportamiento al almacenamiento a largo plazo para evitar el deterioro de la información.
- Seguimiento Metacognitivo: Utiliza metrics.md para evaluar la propia mejora del agente y las tasas de éxito a lo largo del tiempo.
SKILL.md
Cargando
Habilidades relacionadas de Openclaw
Generar Briefing Creativo de Anuncio de Reclutamiento
Un motor de planificación impulsado por IA que genera elementos visuales de campaña, ganchos creativos y briefings estratégicos para promociones de reclutamiento.
Generar Brief Creativo de Anuncios Inmobiliarios
Una habilidad especializada de agente de IA diseñada para automatizar la planificación de visuales y ganchos de marketing para campañas de anuncios inmobiliarios de alta conversión.
Use Maskrun
Una utilidad centrada en la seguridad que enmascara variables de entorno y secretos sensibles en la salida de la línea de comandos para evitar la exposición accidental en registros y transcripciones.
WheelSpotter
WheelSpotter es un explorador con control de costos que identifica soluciones de software maduras y reutilizables antes de que pierda tiempo construyendo desde cero.
Generar Fotos de Mockup de Producto
Una habilidad de imagen impulsada por AI diseñada para generar fotos de mockup de productos profesionales y de alta fidelidad para plataformas de ecommerce y materiales de marketing.
Skill de Revisión y Modificación de Contratos
Una herramienta de automatización legal avanzada que identifica riesgos contractuales y modifica programáticamente documentos de Word basándose en análisis legales profesionales.
Presentado*
