Safe Evolver 是一个强大的 AI 进化引擎，它通过分析执行日志来识别性能瓶颈，并应用受安全约束的行为改进。
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 safe-evolver
2. 手动安装
将技能文件夹复制到以下位置之一
~/.openclaw/skills/ <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 safe-evolver。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 Safe Evolver？
Safe Evolver 是一个专门的框架，旨在促进 Openclaw Skills 生态系统中自主智能体的持续改进。它通过捕获详细的运行时历史记录（包括工具交互、响应质量和错误状态）来发挥作用，然后综合这些数据以提出或执行安全优化。
该技能的核心价值在于它能够弥合静态智能体配置与动态学习系统之间的差距。通过利用协议约束进化，Safe Evolver 可确保任何行为转变都保持在安全边界内，防止未经授权或危险的逻辑变更，同时通过数据驱动的洞察力实现效率最大化。
Safe Evolver 应用场景
- 通过识别和合并冗余的工具调用来优化智能体执行速度。
- 检测并纠正持续存在的错误模式，如文件权限问题或 API 超时。
- 在繁重的自主工作负载期间监控并限制资源使用（CPU/Memory）。
- 为 AI 行为生成审计追踪，以确保其符合 Openclaw Skills 内的组织安全标准。
Safe Evolver 工作原理
- 交互捕获：引擎记录 AI 智能体生成的每次工具调用、响应和错误的实时指标。
- 模式分析：使用内置启发式方法或基于 LLM 的分析，根据效率和质量基准评估行为。
- 评分：Safe Evolver 根据工具使用、响应准确性和恢复速度计算多维效率分数 (0-1)。
- 改进生成：系统识别特定的优化机会，例如缓存频繁读取的内容或优化错误处理逻辑。
- 受控应用：根据安全配置，改进措施将自动应用，或呈现给人工审核，以确保操作安全性。
Safe Evolver 配置指南
要将此技能集成到您的环境中，请使用以下命令：
# 通过 ClawHub 安装以实现无缝的 Openclaw Skills 集成
clawhub install safe-evolver
# 通过 NPM 进行替代安装
npm install safe-evolver
在您的项目中进行基本初始化：
const SafeEvolver = require('safe-evolver');
const evolver = new SafeEvolver({
mode: 'auto',
safetyLevel: 'high',
logPath: './logs/evolution.log'
});
Safe Evolver 数据架构与分类体系
Safe Evolver 使用以下结构组织其分析数据，以在 Openclaw Skills 中保持透明度：
| 组件 | 数据类型 | 用途 |
|---|---|---|
| 交互日志 | JSON Array | 存储工具调用、持续时间和成功率的原始指标。 |
| 进化报告 | JSON Object | 包含平均效率和已识别问题的摘要。 |
| 效率指标 | Float (0-1) | 工具、响应和错误恢复性能的定量评分。 |
| 审计追踪 | Log File | AI 行为变更的可读历史记录。 |
Safe Evolver 高级特性
- LLM 驱动的分析：可选择使用 Qwen 等模型对智能体故障进行深度语义分析。
- 协议约束：硬编码的安全边界，防止智能体演变为被禁止的行为模式。
- 细粒度分析切换：启用或禁用特定维度，如资源使用或响应质量分析。
- 自动化操作钩子：在 Openclaw Skills 中达到特定改进阈值时触发自定义代码路径。
- 人工审核界面：支持“人在回路”（Human-in-the-loop）工作流，以批准建议的行为更新。
SKILL.md
加载中
Openclaw 相关技能
S2-Nomad-Agent-Protocol
一种先进的空间管理协议，旨在让 OpenClaw agent 能够在户外环境中安全地导航、认领和协商行星网格槽位。
精选*
