ユーザーのフィードバックをキャプチャして、AI エージェントのための永続的で価値の高い運用ルールを作成する軽量な行動強化スキル。
インストール＆ダウンロード
1. ClawHub CLI
レジストリから直接スキルをインストールする最速の方法です。
npx clawhub@latest install lessonloop
2. 手動インストール
スキルフォルダを以下のいずれかの場所にコピーしてください
~/.openclaw/skills/ <project>/skills/ 優先順位：ワークスペース > ローカル > バンドル
3. プロンプトのインストール
このプロンプトをOpenClawにコピーするだけで、自動的にインストールされます。
Clawhubを使って lessonloop をインストールして。Clawhubがインストールされていない場合は、先にインストールしてください（npm i -g clawhub）。
ダウンロードをご希望ですか？
ZIPアーカイブで生のスキルファイルを取得します。
LessonLoop とは？
LessonLoop は、経験のキャプチャと行動強化のために設計された Openclaw Skills エコシステム内の専門的なフレームワークです。token を浪費する冗長な自己反省ループとは異なり、LessonLoop は、明示的なユーザーフィードバック、修正、および新しい運用ルールを永続的な指示に変換するための「低コストな意思決定パス」に焦点を当てています。これにより、不要なオーバーヘッドなしに、AI エージェントが間違いから学び、特定の好みに準拠することを保証します。
階層化された処理アプローチ（分類にはローカルモデルを使用し、戦略的なルールの変更にはメインモデルを使用する）を活用することで、LessonLoop はスリムなメモリプロファイルを維持します。これは、一時的な会話と長期的なエージェントの個性の間のギャップを埋め、ルールが一度確立されると、将来の対話に対する厳格な制約として残ることを保証します。
LessonLoop のユースケース
- 特定のフォーマットの好みやトーンを覚えるようエージェントに明示的に指示する。
- 繰り返される間違いを修正し、エージェントが将来その特定のパターンを避けるようにする。
- コスト管理、ルーティング、またはツールの使用に関する新しい運用ルールを確立する。
- ユーザーによる検証後、実験的な行動を長期的な MEMORY.md に昇格させる。
LessonLoop の仕組み
- トリガーチェック: ユーザーが明示的な修正フィードバックを提供するか、エージェントに特定のルールを覚えるよう要求した場合にのみ、スキルがアクティブになります。
- 分類: フィードバックは、好み、ルール、間違い、または優先度の 4 つのバケットのいずれかに分類されます。
- 階層処理: ローカルモデルがレッスンを圧縮するための最初のパスチェックを実行し、リスクの高いルールの変更についてのみメインモデルにエスカレーションします。
- 保存の決定: システムは短期的なコンテキストのために日次メモリに書き込むか、レッスンが永続的な場合はグローバルな MEMORY.md に昇格させます。
- 即時適用: メモリが更新された直後、エージェントは現在のセッション内で行動を適応させます。
LessonLoop のセットアップ
LessonLoop を環境に統合するには、ローカルパスに必要な python スクリプトがあることを確認してください。次のコマンドを使用してキャプチャプロセスを初期化できます。
# Capture a new lesson into daily memory
python scripts/capture_lesson.py --content "Default to short answers and minimal tools"
# Generate a report of recent behavior hardening
python scripts/lessonloop_report.py
LessonLoop のデータスキーマとタクソノミー
LessonLoop は、技術的な正確さを維持しながらメモリの肥大化を防ぐために、データを階層構造に整理します。
| ファイル形式 | 目的 | 保持期間 |
|---|---|---|
memory/YYYY-MM-DD.md |
日次のイベント、新しい修正、およびローカルセッションのコンテキストをキャプチャします。 | 短期 |
MEMORY.md |
永続的で価値の高い運用ルールとグローバルなデフォルト設定を保存します。 | 永久 |
scripts/ |
レッスンの適用、ログ記録、レポート作成のための自動化ツールが含まれています。 | インフラストラクチャ |
references/ |
分類パターンとステータスレポートの形式を保存します。 | ドキュメント |
LessonLoop の高度な機能
- 多層パス: メインモデルの token を節約するために、低コストの事前チェックにローカル/Ollama モデルを使用します。
- 昇格ガードレール: 厳格な昇格ガイドを通じて、一時的な詳細が長期メモリを汚染するのを防ぎます。
- 自動レポート: エージェントの経時的な進化を追跡するために、レッスン活動のコンパクトなレポートを生成します。
- 命令形言語合成: 会話形式のフィードバックを 1〜2 行の命令コマンドに自動的に変換します。
SKILL.md
ローディング
関連するOpenclawのスキル
タロット占い解釈器
深い象徴的洞察と実行可能なガイダンスを提供するために、Rider-Waite-Smith システムに基づいた洗練されたタロット占いおよび解釈ツール。
Tencent Cloud COS スキル
Tencent Cloud オブジェクトストレージと高度な AI 駆動型データ処理機能を組み合わせた、強力なクラウドストレージ統合です。
Quant Risk Dashboard
リアルタイムの VaR 計算、ストレステスト、包括的なリスク指標の可視化を特徴とするプロフェッショナルグレードのクオンツ取引リスク管理システムです。
Quant Trading API
主要な中国証券会社を通じて取引を自動化し、市場データを分析するためのプロフェッショナル向け API 統合ツールです。
特徴*
