Um sofisticado motor de debate multi-modelo que utiliza papéis colaborativos para arquitetar, implementar e testar soluções técnicas através de raciocínio adversarial.
Instalar e Baixar
1. ClawHub CLI
A maneira mais rápida de instalar uma habilidade diretamente do registro.
npx clawhub@latest install adversarial-engine
2. Instalação Manual
Copie a pasta da habilidade para um desses locais
~/.openclaw/skills/ <project>/skills/ Prioridade: Espaço de Trabalho > Local > Integrado
3. Instalação do Prompt
Copie este prompt para o OpenClaw para instalá-lo automaticamente.
Ajude-me a instalar o adversarial-engine usando o Clawhub. Se o Clawhub não estiver instalado, instale-o primeiro (npm i -g clawhub).
Prefere baixar?
Obtenha os arquivos originais da habilidade em um arquivo ZIP.
O que é Adversarial Engine v2.0?
O Adversarial Engine é uma estrutura de alto desempenho projetada para o Openclaw Skills que orquestra quatro papéis distintos de LLM—Arquiteto, Engenheiro, Oficial de Segurança e Árbitro—para alcançar um consenso técnico. Ao simular debates do mundo real e fricções técnicas, ele garante que as soluções propostas não sejam apenas funcionais, mas também seguras e arquitetonicamente sólidas.
Esta skill preenche a lacuna entre a simples geração de código e o design robusto de sistemas. Ela integra um sandbox de código Python ao vivo para validação baseada em execução e RAG (geração aumentada por recuperação) vetorial para eliminar alucinações, proporcionando um ambiente rigoroso para a resolução de problemas complexos.
Casos de uso do Adversarial Engine v2.0
- Design de arquitetura de sistemas de alta concorrência e revisão por pares.
- Varredura automatizada de vulnerabilidades de segurança e simulação de exploits.
- Geração de código multi-agente com execução e validação em sandbox em tempo real.
- Tomada de decisão técnica através de debate adversarial estruturado e arbitragem.
Como o Adversarial Engine v2.0 funciona
- Reforço de Conhecimento: O motor realiza busca vetorial para fundamentar a discussão em conhecimento de domínio verificado.
- Proposta do Arquiteto: O modelo qwen3.5-plus gera uma arquitetura de sistema de alto nível ou estratégia de solução.
- Implementação de Engenharia: O modelo qwen3-coder-plus implementa o código e o executa dentro de um sandbox Python seguro.
- Auditoria de Segurança: O modelo kimi-k2.5 atua como Oficial de Segurança, tentando encontrar vulnerabilidades ou falhas na implementação.
- Arbitragem: O modelo MiniMax-M2.5 avalia o progresso do debate e julga se a solução alcançou convergência.
- Iteração ou Finalização: Se a solução não for ideal, o processo retorna ao Arquiteto; caso contrário, os resultados são persistidos na base de conhecimento.
Configuração do Adversarial Engine v2.0
Para integrar o Adversarial Engine ao seu ambiente Openclaw Skills, inicialize o motor e configure seu servidor WebSocket local ou remoto.
# Instalar dependências (certifique-se de que o Python 3.8+ esteja disponível)
pip install adversarial-engine
# Configure o motor em seu projeto
python -c "from adversarial_engine import AdversarialEngine; engine = AdversarialEngine()"
Esquema de Dados e Taxonomia de Adversarial Engine v2.0
O Adversarial Engine organiza suas operações através de uma estrutura de arquivos modular e um banco de dados persistente para aprendizado a longo prazo:
| Arquivo/Componente | Propósito |
|---|---|
engine.py |
Lógica central para orquestração multi-modelo |
code_sandbox.py |
Ambiente de execução seguro para validação Python |
vector_enhancer.py |
Gerencia processos de RAG e busca vetorial |
ws_server.py |
Manipula atualizações de progresso em tempo real via WebSocket |
database.py |
Gerencia persistência de sessão e solidificação de conhecimento |
Recursos avançados do Adversarial Engine v2.0
- Streaming WebSocket em Tempo Real: Monitore cada rodada de debate e logs de execução ao vivo via endpoint WS dedicado.
- Disjuntor Automatizado: O papel de Árbitro evita loops infinitos detectando condições de convergência ou impasse.
- Retomada de Breakpoint: Capacidade de pausar e retomar debates adversariais complexos sem perder o contexto.
- Validação em Sandbox: Integração direta com execução Python para verificar a veracidade técnica de trechos de código gerados.
SKILL.md
Carregamento
Habilidades relacionadas do Openclaw
TikTok Add Music
Uma habilidade de edição de vídeo baseada em AI que seleciona e sincroniza automaticamente músicas de fundo com seus clipes do TikTok usando um pipeline de renderização em nuvem profissional.
Vision Tool
Uma skill de reconhecimento de imagem simplificada que utiliza Ollama e o modelo qwen3.5:4b para extração de conteúdo de alta precisão em múltiplos canais de comunicação.
Baby Planner
Um assistente tudo-em-um para preparação para gravidez, gestão de saúde, nomes para bebês e geração de conhecimento sobre parentalidade.
Estratégia de Trading Ultracurto de A-Share
Uma habilidade de trading de A-share de nível profissional projetada para arbitragem de curto prazo e alta frequência, focada em líderes de mercado e setores quentes.
Caveman Compress
O Caveman Compress reduz o uso de tokens de entrada de LLM ao traduzir arquivos de workspace em linguagem natural para uma 'linguagem das cavernas' concisa, preservando o significado semântico.
Humanize
Humanize é uma ferramenta especializada de IA que remove padrões robóticos de textos em chinês, garantindo que a comunicação soe natural, credível e autenticamente humana.
Apresentou*
