Un cadre structuré de journalisation et de réflexion qui permet aux agents de codage IA de capturer des erreurs, des corrections et des insights pour une croissance continue à l'échelle du projet.
Installer & Télécharger
1. ClawHub CLI
Le moyen le plus rapide d'installer une compétence directement depuis le registre.
npx clawhub@latest install testaaa
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 testaaa 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 Compétence d'auto-amélioration pour les agents IA ?
La compétence d'auto-amélioration est une méthodologie sophistiquée conçue pour transformer chaque interaction en une opportunité d'apprentissage pour les agents IA. En maintenant un répertoire .learnings/ dédié, les agents peuvent enregistrer systématiquement les échecs de commande, les corrections des utilisateurs et les meilleures pratiques découvertes. Cette compétence garantit que les lacunes en matière de connaissances sont comblées et que les agents évoluent parallèlement au projet qu'ils assistent.
L'intégration avec Openclaw Skills permet de promouvoir ces apprentissages dans des fichiers de mémoire de projet permanents tels que CLAUDE.md ou SOUL.md. Ce processus évite les erreurs récurrentes et affine les modèles de comportement de l'agent, rendant le flux de travail de développement plus efficace et conscient du contexte au fil du temps.
Cas d'utilisation de Compétence d'auto-amélioration pour les agents IA
- Capture d'échecs de commande inattendus ou d'erreurs d'intégration d'API.
- Documentation des corrections des utilisateurs lorsque l'agent fournit une logique obsolète ou incorrecte.
- Identification et journalisation des demandes de fonctionnalités pour les futurs cycles de développement.
- Suivi des modèles architecturaux récurrents pour simplifier et renforcer la base de code.
- Promotion des insights locaux vers des instructions globales pour l'agent afin d'améliorer les performances entre les sessions.
Comment fonctionne Compétence d'auto-amélioration pour les agents IA
- Initialisation : L'agent vérifie l'existence du répertoire .learnings/ et crée des fichiers markdown standardisés pour les apprentissages, les erreurs et les fonctionnalités.
- Observation : Pendant la session, l'agent surveille des déclencheurs spécifiques tels que les codes de sortie non nuls, les retours des utilisateurs ou les meilleures pratiques découvertes.
- Journalisation : L'agent ajoute des entrées structurées aux fichiers journaux appropriés, incluant des métadonnées comme la priorité, la zone et des identifiants uniques.
- Raffinement : Grâce à des examens périodiques ou des hooks automatisés, l'agent identifie les problèmes récurrents et lie les entrées connexes.
- Promotion : Les insights à haute valeur et largement applicables sont promus dans des fichiers de configuration au niveau du projet ou extraits dans de nouvelles compétences autonomes au sein de l'écosystème Openclaw Skills.
Configuration de Compétence d'auto-amélioration pour les agents IA
Pour installer cette compétence via ClawdHub, exécutez la commande suivante :
clawdhub install self-improving-agent
Pour une installation manuelle à la racine de votre espace de travail, créez la structure de répertoire requise :
mkdir -p .learnings
# Initialiser les fichiers journaux standard
printf "# Learnings\n\n" > .learnings/LEARNINGS.md
printf "# Errors\n\n" > .learnings/ERRORS.md
printf "# Feature Requests\n\n" > .learnings/FEATURE_REQUESTS.md
Schéma de données et taxonomie de Compétence d'auto-amélioration pour les agents IA
La compétence gère les informations via une hiérarchie de fichiers et un système de marquage standardisés :
| Fichier | Objet | Champs de métadonnées |
|---|---|---|
| LEARNINGS.md | Corrections et insights | ID, Priority, Status, Area, Pattern-Key |
| ERRORS.md | Échecs de commande et d'outil | ID, Priority, Reproducible, Error Context |
| FEATURE_REQUESTS.md | Fonctionnalités demandées par l'utilisateur | ID, Complexity, Frequency |
Chaque entrée utilise un format d'ID unique (par ex. LRN-YYYYMMDD-XXX) pour faciliter le référencement croisé et le suivi des modèles.
Fonctionnalités avancées de Compétence d'auto-amélioration pour les agents IA
- Communication inter-sessions : Outils pour envoyer et recevoir des apprentissages entre des sessions d'agent actives.
- Extraction automatique de compétences : Scripts pour transformer des apprentissages vérifiés en Openclaw Skills réutilisables et autonomes.
- Automatisation basée sur des hooks : Scripts optionnels qui déclenchent la détection d'erreurs ou des invites de réflexion lors d'événements de cycle de vie spécifiques.
- Détection de modèles : Flux de travail basés sur Grep pour identifier les problèmes systémiques sur plusieurs tâches et périodes.
- Support multi-agents : Compatibilité native avec les environnements de travail Claude Code, Codex, GitHub Copilot et OpenClaw.
SKILL.md
Chargement
Compétences Openclaw associées
Auto-Updater
La compétence Auto-Updater automatise la maintenance de votre environnement d'agent IA en effectuant des vérifications et des mises à jour quotidiennes pour le système central et toutes les compétences installées.
Info Magnet
Info Magnet est un outil de collecte de renseignements automatisé qui surveille les recherches Web, les flux RSS et des URLs spécifiques pour vous envoyer directement les mises à jour pertinentes.
vector-text-fixer
Un puissant utilitaire pour réparer le texte illisible ou corrompu dans les graphiques vectoriels causé par des erreurs d'encodage et d'incorporation de polices.
Voice-to-Protocol Transcriber
Un outil de reconnaissance vocale mains libres conçu pour aider les chercheurs à enregistrer les procédures expérimentales et les observations dans des documents structurés en temps réel.
Benchmark de la documentation produit et des API multi-cloud
Un outil automatisé pour comparer et évaluer la qualité de la documentation et des API chez sept grands fournisseurs de services cloud.
Aliyun DevOps Manage
Une compétence d'automatisation complète pour gérer les ressources Alibaba Cloud DevOps (Yunxiao 2020) via des flux de travail sécurisés OpenAPI et SDK.
En vedette*
