Optimiseur Continu Langfuse pour Openclaw

Un moteur d'optimisation automatisé qui ajuste le routage des modèles et l'utilisation des prompts en fonction des données de performance LangFuse en temps réel.

ekalb81
v0.0.2
Mar 2, 2026
1
917
0

Installer & Télécharger

1. ClawHub CLI

Le moyen le plus rapide d'installer une compétence directement depuis le registre.

npx clawhub@latest install langfuse-continuous-optimizer

2. Installation manuelle

Copiez le dossier de la compétence dans l'un de ces emplacements

Global
~/.openclaw/skills/
Espace de travail
<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 langfuse-continuous-optimizer 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 Optimiseur Continu Langfuse ?

L'Optimiseur Continu Langfuse est un outil sophistiqué conçu pour créer un système en boucle fermée pour la performance des agents d'IA. En ingérant les observations et les scores des évaluateurs directement depuis LangFuse, cette compétence permet à vos agents d'adapter leur comportement de manière dynamique. Elle comble le fossé entre l'observabilité et l'exécution, permettant aux développeurs d'automatiser les compromis complexes entre coût, qualité et latence au sein de leur écosystème Openclaw Skills.

Cette compétence est entièrement autonome, fournissant à la fois un constructeur de politique et un démon d'optimisation continue. Elle génère des politiques de routage au niveau des tâches qui garantissent que votre agent utilise le modèle le plus efficace pour des sous-tâches spécifiques, telles que la planification, la sélection d'outils ou la synthèse, sur la base de données de performance historiques plutôt que de configurations statiques.

Cas d'utilisation de Optimiseur Continu Langfuse

  • Basculer automatiquement entre des modèles de haut raisonnement et des modèles rentables en fonction de la performance des tâches.
  • Mettre en œuvre des cycles de promotion sécurisés pour les nouvelles versions de prompts et la logique de routage.
  • Réduire la latence à l'échelle du système en identifiant les tâches où les petits modèles surpassent les grands.
  • Maintenir une mémoire persistante des cycles d'optimisation pour éviter l'instabilité des politiques et permettre un raisonnement de rollback au sein d'Openclaw Skills.

Comment fonctionne Optimiseur Continu Langfuse

  1. Ingestion de Télémétrie : L'optimiseur extrait les observations récentes et les scores de performance de l'API LangFuse dans une fenêtre temporelle définie.
  2. Synthèse de Politique : Il normalise les données de télémétrie et construit un artefact de politique de routage intermédiaire (staged).
  3. Garde-fous de Sécurité : Le système compare la nouvelle politique intermédiaire générée à la politique actuelle en direct pour garantir des gains de qualité.
  4. Promotion Automatisée : Si les critères de promotion sont remplis et que la fonctionnalité est activée, la politique en direct est mise à jour.
  5. Persistance de la Mémoire : Chaque cycle est enregistré dans la mémoire locale, permettant à l'optimiseur de prendre des décisions éclairées sur de longues durées.

Configuration de Optimiseur Continu Langfuse

Pour intégrer cela dans vos Openclaw Skills existants, assurez-vous d'avoir vos identifiants LangFuse prêts. Installez les dépendances et utilisez les commandes suivantes pour démarrer la boucle d'optimisation :

# Exécuter un seul cycle d'optimisation
python scripts/langfuse_openclaw_optimizer.py run-once \
  --langfuse-host https://us.cloud.langfuse.com \
  --window-hours 24 \
  --out-dir ~/.openclaw/optimizer \
  --live-policy-path ~/.openclaw/llm_routing_policy.json \
  --promote-live-policy

# Lancer l'optimiseur en tant que démon d'arrière-plan continu
python scripts/langfuse_openclaw_optimizer.py daemon --interval-min 30 --save-config

Variables d'environnement requises :

  • LANGFUSE_PUBLIC_KEY
  • LANGFUSE_SECRET_KEY

Schéma de données et taxonomie de Optimiseur Continu Langfuse

La compétence gère plusieurs artefacts clés pour assurer un fonctionnement cohérent et la transparence :

Artefact Format Description
llm_routing_policy.json JSON La politique de routage prête pour la production consommée par le runtime LLM.
staged_policy.json JSON La politique candidate générée au cours du cycle actuel pour évaluation.
memory.json JSON Un fichier d'état persistant suivant l'historique des cycles et les gains de performance.
config.json JSON Drapeaux CLI et paramètres de configuration persistés.

Fonctionnalités avancées de Optimiseur Continu Langfuse

  • Mode démon pour des cycles d'optimisation en arrière-plan continus et sans intervention.
  • Gating de promotion explicite pour empêcher les mises à jour destructrices sans atteindre des seuils de qualité spécifiques.
  • Prise en charge du balisage au niveau des tâches pour un contrôle granulaire sur les flux de travail de planification, de récupération et de génération.
  • Intégration avec les runtimes OpenRouter et OpenClaw via le rechargement à chaud des fichiers de politique.
  • Capture instantanée locale de toute la télémétrie LangFuse pour l'analyse et l'audit hors ligne.

SKILL.md


Chargement

Compétences Openclaw associées

METADATA

Requires
Github Stars: 0
forks: 0

En vedette*