Un cadre robuste de machine à états qui convertit les promesses conversationnelles en fichiers persistants, traçables et à exécution automatique.
Le moyen le plus rapide d'installer une compétence directement depuis le registre.
npx clawhub@latest install commitment-engine
Copiez le dossier de la compétence dans l'un de ces emplacements
~/.openclaw/skills/ <project>/skills/ Priorité : Espace de travail > Local > Intégré
Copiez ce prompt dans OpenClaw pour l'installer automatiquement.
Aide-moi à installer commitment-engine via Clawhub. Si Clawhub n'est pas installé, installe-le d'abord (npm i -g clawhub).
Obtenez les fichiers bruts de la compétence dans une archive ZIP.
Commitment Engine v2 est conçu pour surmonter les limites de la mémoire à court terme dans les LLM. Alors que les fenêtres de contexte traditionnelles perdent des informations au fil du temps, cette skill transforme les intentions en une machine à états persistante basée sur des fichiers. En tirant parti d'Openclaw Skills, il garantit que chaque engagement verbal — qu'il s'agisse d'un rapport récurrent ou d'un suivi ponctuel — est traité comme une garantie au niveau du système plutôt que comme une mémoire faillible.
À sa base, le moteur fonctionne selon la philosophie de convertir la volonté en état. En utilisant un protocole WAL (Write-Ahead Logging), l'agent est obligé d'enregistrer une tâche dans le Commitment Ledger avant même de répondre à l'utilisateur. Cette architecture garantit que les actions planifiées de l'agent sont découplées du contexte de conversation actif, permettant une exécution fiable même après un réveil par heartbeat.
Pour initialiser Commitment Engine, assurez-vous que votre agent a accès au répertoire workspace et configurez le fichier de ledger initial. Pour les tâches récurrentes, intégrez le système cron :
# Ajouter une garantie stricte pour un engagement récurrent
openclaw cron add --name "daily-report-prep" --cron "50 17 * * 1-5" --message "Commitment Engine Trigger: C001. Read commitments.md and execute."
Assurez-vous que l'agent respecte la règle stricte H12 : écrire dans le ledger avant de confirmer la tâche à l'utilisateur.
Le système maintient un Commitment Ledger au format Markdown avec la structure suivante :
| Attribut | Description |
|---|---|
| ID | Identifiant unique de l'engagement |
| Content | Description détaillée de la tâche |
| Type | Classification : récurrente ou ponctuelle |
| Status | active, preparing, awaiting_confirm, executing, completed, failed, overdue, cancelled |
| Trigger Time | L'horodatage cible pour l'exécution |
| Next/Last Execution | Suivi pour la logique récurrente |
Tous les changements d'état sont enregistrés à la fois dans le ledger et dans le fichier de mémoire quotidienne de l'agent.
Chargement
Une solution automatisée pour scraper les notes XiaoHongShu et les republier sur Facebook Meta Business Suite et WordPress via REST API.

QMD Plus améliore la recherche locale markdown en utilisant des LLM pour étendre de simples requêtes en variations de recherche lexicales et sémantiques sophistiquées.

Un moteur d'auto-évolution qui analyse les journaux de recherche et effectue des auto-vérifications système pour optimiser automatiquement les architectures des agents IA.

Harness Research est un moteur d'intelligence automatisé qui suit, analyse et mappe les dernières publications de recherche sur les AI Agents directement vers les objectifs d'amélioration de votre système.

Une skill spécialisée conçue pour détecter, étiqueter et consigner les lacunes de capacité de l'IA et les conflits de règles afin de favoriser une évolution architecturale continue.

Une compétence de diagnostic professionnelle conçue pour renforcer les architectures d'AI Agents longue durée en implémentant des ponts de session structurés et des protocoles de vérification.








































