Uma arquitetura avançada de auto-evolução e memória de 5 camadas que permite que agentes de AI aprendam com erros, lembrem as preferências do usuário e otimizem o desempenho ao longo do tempo.
Instalar e Baixar
1. ClawHub CLI
A maneira mais rápida de instalar uma habilidade diretamente do registro.
npx clawhub@latest install max-self-improvement
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 max-self-improvement 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 Max-Self-Improvement?
O Max-Self-Improvement é uma estrutura sofisticada projetada para transformar interações padrão de AI em uma experiência de aprendizado contínuo. Ao implementar uma arquitetura de memória estruturada de 5 camadas, ele permite que os agentes vão além das simples janelas de contexto para um mundo de retenção de longo prazo e consciência metacognitiva. Esta habilidade garante que seu AI agent não apenas execute tarefas, mas evolua com cada interação, tornando-se uma pedra angular para aqueles que constroem Openclaw Skills avançados.
O sistema utiliza um repositório de aprendizado dedicado para categorizar erros, solicitações de recursos e melhores práticas. Ao preencher a lacuna entre a memória de trabalho e a memória episódica, o agente pode recordar padrões passados, adaptar-se a correções específicas do usuário e evitar proativamente a repetição de erros anteriores. Isso resulta em um assistente de desenvolvedor altamente personalizado e cada vez mais eficiente que entende as nuances específicas do projeto e as preferências individuais do fluxo de trabalho.
Casos de uso do Max-Self-Improvement
- Contexto Persistente: Mantendo estados de tarefas complexas em várias sessões sem perder o progresso.
- Otimização Personalizada: Registrando preferências específicas do usuário e estilos de codificação para personalizar respostas futuras.
- Análise de Erros: Registrando automaticamente falhas de CLI ou API para gerar lições estruturadas e padrões preventivos.
- Gestão de Conhecimento: Capturando informações específicas do domínio e convenções do projeto descobertas durante o desenvolvimento.
- Evolução de Recursos: Rastreando solicitações de usuários e lacunas identificadas para priorizar futuras capacidades do agente.
Como o Max-Self-Improvement funciona
- Entrada Sensorial: O agente recebe entrada imediata e a processa através de sua L1 Sensory Memory (Context Window).
- Recuperação de Memória: Antes de agir, o agente consulta a L2 Working Memory e a L3 Long-Term Memory para reunir contexto e preferências relevantes.
- Execução e Monitoramento: O agente executa tarefas enquanto monitora gatilhos como erros, correções ou novos padrões de sucesso.
- Registro Estruturado: Se um gatilho for detectado, o agente gera um Entry ID único (LRN, ERR ou FEAT) e registra o evento no diretório .learnings/.
- Promoção de Memória: Aprendizados de alto valor são promovidos de logs temporários para arquivos permanentes como user_preferences.md ou domain_knowledge.md.
- Autocorreção: Em sessões futuras, o agente prioriza instruções explícitas e memórias de longo prazo de alta confiança para refinar seu raciocínio.
Configuração do Max-Self-Improvement
Para integrar o Max-Self-Improvement em seu ambiente Openclaw Skills, certifique-se de que seu espaço de trabalho inclua a estrutura de diretórios necessária para a persistência da memória.
# Create the memory and learning directories
mkdir -p memories/evolution .learnings
# Initialize the core tracking files
touch .learnings/LEARNINGS.md .learnings/ERRORS.md .learnings/FEATURE_REQUESTS.md
touch memories/session_notes.md memories/user_preferences.md
Configure o prompt de sistema do seu agente para priorizar a leitura desses arquivos de memória no início de cada sessão para garantir uma evolução contínua.
Esquema de Dados e Taxonomia de Max-Self-Improvement
A habilidade organiza os dados através de uma taxonomia hierárquica e modelos de entrada rigorosos para garantir a legibilidade por máquina e auditabilidade humana.
| File Path | Content Type | Purpose |
|---|---|---|
/memories/session_notes.md |
Memória de Trabalho | Estado da tarefa atual e objetivos imediatos. |
/memories/user_preferences.md |
Memória de Longo Prazo | Padrões de comportamento e configurações específicas do usuário. |
/.learnings/LEARNINGS.md |
Memória Episódica | Entradas estruturadas para correções e melhores práticas. |
/.learnings/ERRORS.md |
Metacognitivo | Logs de comandos falhos e exceções técnicas. |
Entry ID Format: [TYPE]-[YYYYMMDD]-[XXX] (ex: LRN-20260509-A12).
Recursos avançados do Max-Self-Improvement
- Stack de Memória de 5 Camadas: Segrega dados do contexto sensorial para métricas de desempenho de alto nível.
- Mapeamento de Chave de Padrão: Rotula aprendizados com chaves como simplify.dead_code para permitir o reconhecimento de padrões programáticos.
- Resolução de Conflitos Automatizada: Uma lógica de prioridade integrada que pondera as instruções do usuário sobre comportamentos implícitos.
- Lógica de Promoção de Memória: Move automaticamente insights comportamentais para o armazenamento de longo prazo para evitar a decadência da informação.
- Rastreamento Metacognitivo: Usa metrics.md para avaliar a própria melhoria do agente e as taxas de sucesso ao longo do tempo.
SKILL.md
Carregamento
Habilidades relacionadas do Openclaw
Gerar Briefing Criativo de Anúncio de Recrutamento
Um mecanismo de planejamento impulsionado por IA que gera visuais de campanha, ganchos criativos e briefings estratégicos para promoções de recrutamento.
Gerar Briefing Criativo de Anúncios Imobiliários
Uma habilidade especializada de agente de IA projetada para automatizar o planejamento de visuais e ganchos de marketing para campanhas de anúncios imobiliários de alta conversão.
Use Maskrun
Um utilitário focado em segurança que mascara variáveis de ambiente e segredos sensíveis na saída da linha de comando para evitar exposição acidental em logs e transcrições.
WheelSpotter
WheelSpotter é um rastreador com controle de custos que identifica soluções de software maduras e reutilizáveis antes que você perca tempo construindo do zero.
Gerar Fotos de Mockup de Produto
Uma habilidade de imagem baseada em AI projetada para gerar fotos de mockup de produtos profissionais e de alta fidelidade para plataformas de ecommerce e materiais de marketing.
Skill de Revisão e Alteração de Contratos
Uma ferramenta avançada de automação jurídica que identifica riscos contratuais e modifica programaticamente documentos Word com base em análises jurídicas profissionais.
Apresentou*
