Un moteur de réflexion minimaliste et intégrable qui permet aux agents IA d'analyser les décisions passées et de détecter les boucles de raisonnement pour une auto-amélioration continue.
Installer & Télécharger
1. ClawHub CLI
Le moyen le plus rapide d'installer une compétence directement depuis le registre.
npx clawhub@latest install agent-memory-reflector
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 agent-memory-reflector 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 Agent Memory Reflector ?
Agent Memory Reflector agit comme un débogueur sophistiqué pour la cognition de l'agent. Il fournit un cadre structuré permettant aux agents IA d'examiner leurs propres interactions historiques, leur permettant d'identifier les modèles de succès ou d'échec dans leurs processus de raisonnement. En intégrant cet outil à votre collection Openclaw Skills, vous dotez vos agents autonomes de la conscience de soi nécessaire pour affiner leur logique et générer des insights exploitables pour les tâches futures.
Ce moteur est particulièrement précieux pour les flux de travail complexes en plusieurs étapes où les agents pourraient autrement tomber dans des boucles répétitives ou des prises de décision incohérentes. En formalisant le processus de réflexion, les développeurs peuvent s'assurer que leurs déploiements IA deviennent plus fiables et efficaces au fil du temps.
Cas d'utilisation de Agent Memory Reflector
- Identifier et briser les boucles de raisonnement récursives dans les planificateurs de tâches autonomes.
- Analyser les scores de confiance de l'agent par rapport à la qualité réelle des résultats pour calibrer les performances.
- Générer des rapports post-mortem automatisés pour les orchestrations complexes multi-agents.
- Auditer l'historique de prise de décision pour garantir la conformité avec des contraintes de sécurité ou de logique prédéfinies.
Comment fonctionne Agent Memory Reflector
- L'agent journalise chaque interaction, y compris le prompt spécifique, la réponse générée et les métadonnées associées (comme les niveaux de confiance et les sources de contexte).
- Le moteur de réflexion stocke ces journaux d'interaction dans un format structuré pour une analyse longitudinale.
- Lors du déclenchement de la commande de réflexion, le moteur analyse les données historiques pour détecter les incohérences, la logique circulaire ou les tendances de confiance décroissantes.
- Le système génère un rapport de réflexion complet contenant des recommandations spécifiques pour que l'agent ajuste ses futures stratégies de raisonnement.
Configuration de Agent Memory Reflector
Pour intégrer ce composant à votre écosystème Openclaw Skills existant, suivez ces étapes CLI :
# Journaliser une interaction spécifique pour une analyse ultérieure
python agent_memory_reflector.py --agent "your_agent_name" \
--prompt "Input prompt text" \
--response "Agent output text" \
--meta '{"confidence":0.9, "retrieved_context":true}'
# Générer le rapport de réflexion et d'auto-amélioration
python agent_memory_reflector.py --agent "your_agent_name" --reflect
Schéma de données et taxonomie de Agent Memory Reflector
La skill organise les journaux d'interaction et les métadonnées cognitives en utilisant une taxonomie claire pour garantir une sortie de réflexion de haute qualité :
| Champ | Description | Type |
|---|---|---|
agent |
Identifiant unique pour la version spécifique de l'agent IA | String |
prompt |
L'entrée ou l'instruction originale fournie à l'agent | String |
response |
La sortie finale générée par l'agent | String |
meta |
Objet JSON contenant la confiance, les drapeaux de contexte et la latence | JSON |
reflection_report |
Analyse générée mettant en évidence les modèles de raisonnement | Markdown |
Fonctionnalités avancées de Agent Memory Reflector
- Support multi-agents pour comparer les performances entre différentes versions de modèles (par exemple, comparer task_planner_v2 vs v3).
- Insights basés sur les métadonnées qui pondèrent la réflexion en fonction de seuils de confiance personnalisés.
- Génération d'insights exploitables pouvant être redirigés directement vers le system prompt de l'agent pour une auto-correction immédiate.
- Architecture légère et intégrable conçue pour fonctionner de manière transparente avec d'autres Openclaw Skills.
SKILL.md
Chargement
Compétences Openclaw associées
Agent Economy
Agent Economy est un wrapper de meta-skill qui permet des paiements automatisés en USDC sur la blockchain pour les interactions des agents IA en utilisant le protocole x402.
Tutor Video
Un agent de montage vidéo propulsé par l'IA qui convertit des séquences brutes en vidéos de tutoriel structurées et polies avec sous-titres automatiques et titres de chapitres.
Clip Assistant
Un éditeur vidéo IA basé sur le cloud qui transforme les enregistrements bruts en clips édités de 1080p en utilisant de simples instructions textuelles.
Générateur de sous-titres média
Une compétence de traitement vidéo pilotée par l'IA qui génère des sous-titres pour les vidéos 1080p à l'aide de commandes en langage naturel.
Uncensored AI Image to Video
Un moteur d'animation par IA sans restriction qui transforme des images statiques en clips vidéo MP4 haute définition 1080p via un rendu GPU dans le cloud.
VPS Guardian
Un agent d'auto-guérison autonome qui surveille la santé du VPS et remédie automatiquement aux problèmes système sans intervention humaine.
En vedette*
