Sponsored by APIMart - AI API, 99.9% SLA. 언제나 끊김 없이, 나만의 AI를. 대부분의 모델을 20~60% 저렴하게 이용할 수 있으며, nanobanana pro API는 단

AI 광고 라이브러리

Openclaw Skills

Active Learner

Openclaw용 Active Learner

에이전트 메모리 및 구조화된 도움 요청을 관리하기 위해 능동적 학습 프로토콜(Active Learning Protocol)을 구현하는 특화된 도구입니다.

autogame-17

v1.0.0

Feb 17, 2026

설치

정보

Skill.md

설치 및 다운로드

1. ClawHub CLI

레지스트리에서 스킬을 바로 설치하는 가장 빠른 방법입니다.


                  npx clawhub@latest install active-learner

2. 수동 설치

스킬 폴더를 다음 위치 중 하나로 복사하세요

글로벌

~/.openclaw/skills/

워크스페이스

<project>/skills/

우선순위: 워크스페이스 > 로컬 > 번들

3. 프롬프트 설치

이 프롬프트를 OpenClaw에 복사하면 자동으로 설치됩니다.


                  Clawhub를 사용해서 active-learner 설치를 도와줘. Clawhub가 설치되어 있지 않다면 먼저 설치해 줘 (npm i -g clawhub).

다운로드를 원하시나요?

ZIP 아카이브 형태의 원본 스킬 파일을 받으세요.

Active Learner란 무엇인가요?

Active Learner는 능동적 학습 프로토콜(R3)을 구현하는 Openclaw 생태계를 위해 설계된 핵심 유틸리티입니다. 에이전트의 운영 경험과 장기 지식 베이스 사이의 가교 역할을 합니다. MEMORY.md의 항목을 프로그램 방식으로 관리함으로써 작업 실행 중에 배운 교훈이 나중에 사용할 수 있도록 보존되고 정리되도록 보장하며, 과거의 실수를 반복하지 않도록 방지합니다.

이 스킬은 Openclaw Skills를 활용하는 개발자에게 필수적인 구성 요소로, 에이전트가 복잡한 장애물에 직면했을 때 인간 운영자와 명확한 의사소통을 유지하면서 능력을 자율적으로 발전시킬 수 있도록 합니다. 일시적인 실행 데이터를 영구적이고 실행 가능한 지식으로 바꾸는 데 중점을 둡니다.

Active Learner 활용 사례

새로운 발견이나 프로토콜 업데이트를 에이전트의 장기 메모리에 직접 기록합니다.
에이전트가 알 수 없는 기술적 제약에 부딪혔을 때 도움 요청 형식을 표준화합니다.
여러 개발 세션에 걸쳐 검색 가능한 학습 교훈(R3 프로토콜) 이력을 구축합니다.
AI 코딩 워크플로우 내에서 지식 내재화의 수명 주기를 자동화합니다.

Active Learner 작동 원리

에이전트가 재사용 가능한 교훈으로 적합한 정보 조각이나 실패 패턴을 식별합니다.
고유 ID, 카테고리 및 설명 텍스트와 함께 internalize 명령이 트리거됩니다.
스킬은 입력을 분석하고 R3 프로토콜에 따라 지정된 MEMORY.md 파일에 구조화된 데이터를 추가합니다.
에이전트에게 외부 설명이 필요한 경우, ask 명령이 인간의 개입을 위한 구조화된 요청을 생성합니다.
시스템은 Openclaw Skills의 지속적인 개선을 보장하기 위해 이러한 상호 작용의 체계적인 로그를 유지합니다.

Active Learner 설정 가이드

이 스킬을 워크플로우에 통합하려면 스크립트가 skills 디렉토리에 있는지 확인하고 다음 명령을 사용하세요.

# 새로운 교훈을 메모리에 내재화
node skills/active-learner/index.js internalize --id "L1" --category "Protocol" --text "교훈 내용 입력..."

# 구조화된 도움 요청 생성
node skills/active-learner/index.js ask --text "X를 구현하는 방법을 모르겠습니다..."

Active Learner 데이터 스키마 및 분류 체계

Active Learner 스킬은 프로젝트의 메모리 파일 내에서 데이터를 구조화된 형식으로 정리합니다. 내재화를 위해 다음 스키마가 사용됩니다.

속성	설명
ID	교훈에 대한 고유한 영숫자 식별자(예: L101).
카테고리	지식의 분류(예: 프로토콜, 기술, 논리).
내용	기억해야 할 교훈이나 규칙의 실제 텍스트.
메타데이터	Openclaw Skills 환경에서 제공하는 자동 타임스탬프 및 사이클 ID.