适用于 Openclaw 的 Self-Improving Agent v2

一个三层学习系统,使 AI agent 能够从执行错误中学习,并从复杂的成功任务中自动生成可复用的技能。

haiqingge
v2.0.0
2026年4月14日
0
685
0

安装与下载

1. ClawHub CLI

从源直接安装技能的最快方式。

npx clawhub@latest install haiqing-self-improving-agent

2. 手动安装

将技能文件夹复制到以下位置之一

全局模式
~/.openclaw/skills/
工作区
<project>/skills/

优先级:工作区 > 本地 > 内置

3. 提示词安装

将此提示词复制到 OpenClaw 即可自动安装。

请帮我使用 Clawhub 安装 haiqing-self-improving-agent。如果尚未安装 Clawhub,请先安装(npm i -g clawhub)。

更倾向于下载?

获取包含原生技能文件的ZIP压缩包。

什么是 Self-Improving Agent v2?

Self-Improving Agent v2 是一个为 AI agent 设计的复杂学习框架,灵感源自 Hermes Agent 的“Do-Learn-Correct”循环。它通过捕获错误、纠正和成功模式,将标准的 agent 交互转化为持续的学习体验。此技能通过使用 Openclaw Skills 构建个性化知识库和自动生成的自定义工具库,确保您的 agent 效率逐步提高。

通过实施被动捕获、主动检查和主动技能生成这三层系统,该工具解决了 AI agent 重复犯相同错误的常见问题。它不仅限于简单的记忆,当检测到成功的复杂多步骤工作流或重复的任务模式时,它会主动提议创建新的、可复用的技能,从而显著提高长期生产力。

Self-Improving Agent v2 应用场景

  • 通过自动记录和引用成功的修复方案,防止重复的命令执行失败。
  • 通过纠正日志在不同会话中保留用户特定的编码风格和偏好。
  • 将复杂的、成功的复杂多步骤工作流转换为永久的 Openclaw Skills 以供将来使用。
  • 通过将重复的任务模式概括为可复用的模板来识别并自动化这些任务。

Self-Improving Agent v2 工作原理

  1. 被动捕获:系统监控所有 agent 操作,将命令失败记录到 errors.jsonl,将用户手动纠正记录到 corrections.jsonl。
  2. 主动检查:在执行任何新命令之前,agent 会扫描其内存索引以识别相关的最佳实践或需要避免的历史错误。
  3. 评估:在成功完成复杂任务(通常超过 10 个步骤)或任务重复 3 次以上后,agent 会评估是否应固化该工作流。
  4. 主动技能生成:agent 会请求用户确认以生成新技能,并创建一个包含 SKILL.md 和必要脚本的专用目录。
  5. 注册:新工具会在 skills-registry.json 中注册,从而允许它在未来类似的任务中被自动推荐或触发。

Self-Improving Agent v2 配置指南

要开始使用 Self-Improving Agent 并管理您的 Openclaw Skills,请设置目录结构并初始化内存日志:

# 创建内存和技能生成目录
mkdir -p ~\/.openclaw\/memory\/self-improving
mkdir -p ~\/.openclaw\/skills-generated

# 记录一个初始纠正以测试系统
python3 log_correction.py --topic "code style" --wrong "double quotes" --correct "single quotes"

# 在运行命令前验证内存
python3 check_memory.py --command "npm install"

Self-Improving Agent v2 数据架构与分类体系

该技能使用 Openclaw Skills 环境内的结构化分类法来管理信息:

文件/文件夹 描述 格式
errors.jsonl 失败命令、错误消息和成功修复的日志。 JSONL
corrections.jsonl 跟踪用户提供的关于逻辑或风格的纠正。 JSONL
best_practices.jsonl 存储高价值的快捷方式和最优执行方法。 JSONL
skills_registry.json 所有自动生成技能及其触发器的中央注册表。 JSON
skills-generated\/ 存储新 SKILL.md 文件和可执行脚本的目录。 目录

Self-Improving Agent v2 高级特性

  • 多层学习:结合自动错误记录与主动技能合成,实现完整的智能生命周期。
  • 受 Hermes 启发的固化:检测成功的复杂任务并建议将其转化为永久的 Openclaw Skills。
  • 模式识别:自动识别任务模式是否已重复三次,并建议模板概括。
  • 心跳扫描:主动分析内存文件以检测知识盲点或过时的工具配置。
  • 人在回路控制:确保所有生成的技能在加入永久注册表之前都经过人工审查。

SKILL.md


加载中

Openclaw 相关技能

METADATA

Github Stars: 0
forks: 0

精选*