Un outil spécialisé implémentant le protocole d'apprentissage actif (Active Learning Protocol) pour gérer la mémoire de l'agent et les demandes d'aide structurées.
Installer & Télécharger
1. ClawHub CLI
Le moyen le plus rapide d'installer une compétence directement depuis le registre.
npx clawhub@latest install active-learner
2. Installation manuelle
Copiez le dossier de la compétence dans l'un de ces emplacements
~/.openclaw/skills/ <project>/skills/ Priorité : Espace de travail > Local > Intégré
3. Installation du prompt
Copiez ce prompt dans OpenClaw pour l'installer automatiquement.
Aide-moi à installer active-learner via Clawhub. Si Clawhub n'est pas installé, installe-le d'abord (npm i -g clawhub).
Vous préférez télécharger ?
Obtenez les fichiers bruts de la compétence dans une archive ZIP.
Qu'est-ce que Active Learner ?
Active Learner est un utilitaire de base conçu pour l'écosystème Openclaw qui implémente le protocole d'apprentissage actif (R3). Il sert de pont entre les expériences opérationnelles d'un agent et sa base de connaissances à long terme. En gérant par programmation les entrées dans MEMORY.md, il garantit que les leçons apprises lors de l'exécution des tâches sont préservées et organisées pour une utilisation future, évitant ainsi la répétition des erreurs passées.
Cette compétence est un composant fondamental pour les développeurs utilisant Openclaw Skills, permettant aux agents d'évoluer leurs capacités de manière autonome tout en maintenant une ligne de communication claire avec les opérateurs humains lorsque des obstacles complexes surviennent. Il se concentre sur la transformation des données d'exécution transitoires en connaissances permanentes et exploitables.
Cas d'utilisation de Active Learner
- Documenter de nouvelles découvertes ou des mises à jour de protocole directement dans la mémoire à long terme de l'agent.
- Standardiser le format des demandes d'aide lorsque l'agent rencontre une contrainte technique inconnue.
- Construire un historique consultable des leçons apprises (protocole R3) sur plusieurs sessions de développement.
- Automatiser le cycle de vie de l'internalisation des connaissances au sein d'un flux de travail de codage IA.
Comment fonctionne Active Learner
- L'agent identifie une information ou un modèle d'échec qui se qualifie comme une leçon réutilisable.
- La commande internalize est déclenchée avec un identifiant unique, une catégorie et un texte descriptif.
- La compétence analyse l'entrée et ajoute les données structurées au fichier MEMORY.md désigné en suivant le protocole R3.
- Si l'agent nécessite une clarification externe, la commande ask génère une demande structurée pour une intervention humaine.
- Le système tient un journal organisé de ces interactions pour assurer l'amélioration continue des Openclaw Skills.
Configuration de Active Learner
Pour intégrer cette compétence dans votre flux de travail, assurez-vous que les scripts sont situés dans votre répertoire skills et utilisez les commandes suivantes :
# Internaliser une nouvelle leçon en mémoire
node skills/active-learner/index.js internalize --id "L1" --category "Protocol" --text "Contenu de la leçon ici..."
# Générer une demande d'aide structurée
node skills/active-learner/index.js ask --text "Je ne comprends pas comment implémenter X..."
Schéma de données et taxonomie de Active Learner
La compétence Active Learner organise les données dans un format structuré au sein du fichier de mémoire du projet. Le schéma suivant est utilisé pour l'internalisation :
| Attribut | Description |
|---|---|
| ID | Un identifiant alphanumérique unique pour la leçon (ex: L101). |
| Catégorie | La classification des connaissances (ex: Protocole, Technique, Logique). |
| Contenu | Le texte réel de la leçon ou de la règle à mémoriser. |
| Métadonnées | Horodatages automatiques et identifiants de cycle fournis par l'environnement Openclaw Skills. |
Fonctionnalités avancées de Active Learner
- Implémentation complète du protocole d'apprentissage actif R3 pour l'évolution de l'agent.
- Gestion de la mémoire persistante via des mises à jour automatisées de MEMORY.md.
- Déclencheurs structurés 'Demander de l'aide' pour réduire l'hallucination de l'agent lors des blocages.
- Intégration transparente avec d'autres Openclaw Skills pour créer une boucle d'agent s'améliorant d'elle-même.
SKILL.md
Chargement
Compétences Openclaw associées
Configuration ClawCoach
Un agent de configuration spécialisé qui construit votre profil de coaching santé IA personnalisé et calcule localement des objectifs nutritionnels précis.
ClawCoach Food
Une compétence sophistiquée de suivi nutritionnel pour Openclaw Skills qui exploite Claude Vision pour analyser les photos de nourriture et enregistrer les macros automatiquement.
Authensor Gateway
Une passerelle de sécurité légère qui intercepte les appels d'outils IA pour appliquer des politiques de sécurité et des approbations humaines.
ETHSkills
Une base de connaissances dynamique fournissant aux agents IA une documentation Ethereum précise et en temps réel pour combler l'écart entre les données d'entraînement obsolètes et la production blockchain moderne.
Skill Auto PR Merger
Le skill Auto PR Merger est un puissant outil d'automatisation conçu pour gérer le cycle de vie complet des pull requests GitHub, du test à la fusion.
Générateur de Tests Automatiques
Un outil de développement qui génère et exécute automatiquement des tests unitaires et d'intégration pour les Openclaw Skills afin de garantir une haute qualité de code.
En vedette*
