Um motor de reflexão minimalista e incorporável que permite que agentes de IA analisem decisões passadas e detectem loops de raciocínio para autoaperfeiçoamento contínuo.
Instalar e Baixar
1. ClawHub CLI
A maneira mais rápida de instalar uma habilidade diretamente do registro.
npx clawhub@latest install agent-memory-reflector
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 agent-memory-reflector 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 Agent Memory Reflector?
O Agent Memory Reflector atua como um depurador sofisticado para a cognição do agente. Ele fornece uma estrutura organizada para que agentes de IA examinem suas próprias interações históricas, permitindo que identifiquem padrões de sucesso ou falha em seus processos de raciocínio. Ao integrar esta ferramenta à sua coleção de Openclaw Skills, você capacita seus agentes autônomos com a autoconsciência necessária para refinar sua lógica e gerar insights acionáveis para tarefas futuras.
Este motor é particularmente valioso para fluxos de trabalho complexos de várias etapas, onde os agentes poderiam, de outra forma, cair em loops repetitivos ou tomadas de decisão inconsistentes. Ao formalizar o processo de reflexão, os desenvolvedores podem garantir que suas implantações de IA se tornem mais confiáveis e eficientes ao longo do tempo.
Casos de uso do Agent Memory Reflector
- Identificar e quebrar loops de raciocínio recursivo em planejadores de tarefas autônomos.
- Analisar pontuações de confiança do agente em relação à qualidade real da saída para calibrar o desempenho.
- Gerar relatórios automatizados de post-mortem para orquestrações complexas de múltiplos agentes.
- Auditar o histórico de tomada de decisão para garantir a conformidade com restrições de segurança ou lógica predefinidas.
Como o Agent Memory Reflector funciona
- O agente registra cada interação, incluindo o prompt específico, a resposta gerada e os metadados associados (como níveis de confiança e fontes de contexto).
- O motor de reflexão armazena esses registros de interação em um formato estruturado para análise longitudinal.
- Ao disparar o comando de reflexão, o motor analisa os dados históricos para detectar inconsistências, lógica circular ou tendências decrescentes de confiança.
- O sistema gera um relatório de reflexão abrangente contendo recomendações específicas para o agente ajustar suas estratégias de raciocínio futuras.
Configuração do Agent Memory Reflector
Para integrar este componente ao seu ecossistema de Openclaw Skills existente, siga estes passos via CLI:
# Registre uma interação específica para análise posterior
python agent_memory_reflector.py --agent "your_agent_name" \
--prompt "Input prompt text" \
--response "Agent output text" \
--meta '{"confidence":0.9, "retrieved_context":true}'
# Gere o relatório de reflexão e autoaperfeiçoamento
python agent_memory_reflector.py --agent "your_agent_name" --reflect
Esquema de Dados e Taxonomia de Agent Memory Reflector
A skill organiza registros de interação e metadados cognitivos usando uma taxonomia clara para garantir uma saída de reflexão de alta qualidade:
| Campo | Descrição | Tipo |
|---|---|---|
agent |
Identificador único para a versão específica do agente de IA | String |
prompt |
A entrada ou instrução original fornecida ao agente | String |
response |
A saída final gerada pelo agente | String |
meta |
Objeto JSON contendo confiança, sinalizadores de contexto e latência | JSON |
reflection_report |
Análise gerada destacando padrões de raciocínio | Markdown |
Recursos avançados do Agent Memory Reflector
- Suporte a múltiplos agentes para comparar o desempenho entre diferentes versões de modelos (por exemplo, comparar task_planner_v2 vs v3).
- Insights orientados por metadados que ponderam a reflexão com base em limites de confiança personalizados.
- Geração de insights acionáveis que podem ser canalizados diretamente de volta para o prompt do sistema do agente para autocorreção imediata.
- Arquitetura leve e incorporável projetada para funcionar perfeitamente com outras Openclaw Skills.
SKILL.md
Carregamento
Habilidades relacionadas do Openclaw
Agent Economy
Agent Economy é um wrapper de meta-skill que permite pagamentos automatizados em USDC na blockchain para interações de agentes de IA usando o protocolo x402.
Tutor Video
Um agente de edição de vídeo impulsionado por IA que converte material bruto em vídeos de tutorial polidos e estruturados, com legendas automáticas e títulos de capítulos.
Clip Assistant
Um editor de vídeo de IA baseado em nuvem que transforma gravações brutas em clipes editados de 1080p usando instruções de texto simples.
Gerador de Legendas de Mídia
Uma habilidade de processamento de vídeo com tecnologia de IA que gera legendas e títulos para vídeos em 1080p usando comandos em linguagem natural.
Uncensored AI Image to Video
Um motor de animação por IA sem restrições que transforma imagens estáticas em clipes de vídeo MP4 de alta definição em 1080p via renderização em nuvem GPU.
VPS Guardian
Um agente de autocura autônomo que monitora a saúde do VPS e remedia problemas do sistema automaticamente, sem intervenção humana.
Apresentou*
