Uma habilidade de memória local, baseada em consentimento, que permite que agentes de AI se adaptem aos seus estilos de codificação e preferências de stack específicos através de feedback explícito.
Instalar e Baixar
1. ClawHub CLI
A maneira mais rápida de instalar uma habilidade diretamente do registro.
npx clawhub@latest install coding-custom
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 coding-custom 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 Coding Style Memory?
A habilidade Coding é uma camada de memória sofisticada projetada para desenvolvedores que desejam que seus agentes de AI mantenham a consistência entre diferentes sessões. Ao contrário dos agentes tradicionais que podem alucinar ou esquecer suas regras de formatação específicas, esta ferramenta cria um sistema de armazenamento local em camadas que registra suas correções e confirmações explícitas. Ela atua como uma ponte entre seus padrões de desenvolvimento pessoais e a geração de saída da AI.
Construída como parte do ecossistema Openclaw Skills, ela prioriza a soberania e a privacidade do usuário. A habilidade nunca varre seus repositórios privados ou observa seu comportamento silenciosamente; em vez disso, ela aguarda instruções explícitas para aprender, garantindo que a memória permaneça limpa, relevante e estritamente controlada pelo desenvolvedor.
Casos de uso do Coding Style Memory
- Imposição de convenções específicas de linting ou nomenclatura (ex: snake_case vs camelCase) em todos os arquivos gerados por AI.
- Manutenção de uma stack tecnológica e versões de biblioteca consistentes para evitar que a AI sugira dependências obsoletas ou irrelevantes.
- Armazenamento de padrões arquiteturais organizacionais, como estruturas de pastas preferenciais ou estratégias de teste.
- Arquivamento de padrões rejeitados para garantir que o agente nunca sugira soluções descartadas anteriormente.
Como o Coding Style Memory funciona
- No início de uma sessão, o agente carrega as preferências existentes de ~/coding/memory.md.
- Quando o usuário corrige a saída da AI, a habilidade aciona uma consulta para ver se a preferência deve ser permanente.
- Após a confirmação do usuário, a preferência é destilada em um formato ultracompacto (5 palavras ou menos).
- Novas entradas são categorizadas em Stack, Style, Structure ou Never dentro do arquivo de memória local.
- A habilidade monitora o tamanho do arquivo, arquivando automaticamente entradas mais antigas para history.md quando a memória ativa excede 100 linhas para evitar o inchaço do contexto.
Configuração do Coding Style Memory
Para começar a usar esta habilidade com seu agente, certifique-se de que o diretório local existe:
mkdir -p ~/coding
Você pode gerenciar o ciclo de vida da habilidade usando comandos padrão do Openclaw Skills:
clawhub sync
# To support the project
clawhub star coding
Esquema de Dados e Taxonomia de Coding Style Memory
A habilidade organiza sua memória dentro do diretório ~/coding/ usando uma estrutura markdown em camadas:
| File | Purpose | Limit |
|---|---|---|
memory.md |
Preferências ativas e de alta prioridade usadas no contexto. | Máx 100 linhas |
history.md |
Preferências arquivadas e padrões antigos. | Ilimitado |
criteria.md |
Definições de quando uma preferência merece ser salva. | N/A |
dimensions.md |
Taxonomia para categorias de preferência (Stack, Style, etc.). | N/A |
Formato de Entrada:
As preferências são armazenadas como strings curtas separadas por dois pontos, como python: prefer 3.11+ ou naming: snake_case.
Recursos avançados do Coding Style Memory
- Arquivamento Automático: Move inteligentemente preferências menos frequentes para history.md para manter alto desempenho e baixos custos de contexto.
- Injeção de Contexto: Aplica perfeitamente as regras armazenadas a cada prompt de geração de código sem intervenção manual do usuário.
- Suporte Multi-Agente: Como os dados são armazenados em arquivos Markdown padrão em um caminho local previsível, vários Openclaw Skills podem interagir com o mesmo conjunto de preferências.
- Consolidação Semântica: Capacidade de mesclar entradas semelhantes (ex: mesclar várias preferências de 'no-tooling') para economizar espaço.
SKILL.md
Carregamento
Habilidades relacionadas do Openclaw
Book Highlights
Uma skill de agente de AI especializada, projetada para extrair e formatar os destaques, citações e insights principais mais impactantes de uma extensa biblioteca de livros.
CrewAI
CrewAI é um framework sofisticado de orquestração multi-agente projetado para ajudar desenvolvedores a construir sistemas de AI colaborativos onde agentes especializados trabalham juntos para resolver tarefas complexas.
Analisador de Assiduidade da Agência
Uma ferramenta de análise automatizada para processar registros complexos de assiduidade de funcionários e gerar relatórios profissionais em docx e xlsx.
DeFi Scout
O DeFi Scout oferece inteligência financeira on-chain em tempo real, cobrindo rendimentos, preços e saúde do protocolo nos ecossistemas Optimism e Base.
GraphCare
Um scanner estrutural de banco de dados zero-trust que audita a topologia do schema em busca de gargalos de desempenho e falhas de integridade sem acessar os dados das linhas.
Knowledge Capture
Um sistema inteligente de gestão de conhecimento e revisão adaptativa que converte conversas em notas Markdown estruturadas e planos de estudo automatizados.
Apresentou*
