00:00 / 02:14
连播
清屏
智能
倍速
点赞20
00:00 / 02:24
连播
清屏
智能
倍速
点赞NaN
00:00 / 01:29
连播
清屏
智能
倍速
点赞315
在 OpenClaw 的生态中心 ClawHub 中,排名第一的 Skill 是「self-improving-agent」,通过建立一套“记录经验、总结错误、提取规则”的机制,让 Agent 拥有了持久化的“肌肉记忆”。架构设计分为三层: 第一层:日志采集 在项目根目录建立 .learnings/ 文件夹,作为原始数据的蓄水池。它结构化地收集三类信息: · LEARNINGS.md:被用户纠正的认知或更优解 · ERRORS.md:执行失败的命令和异常堆栈 · FEATURE_REQUESTS.md:缺失的能力需求 每条记录都包含唯一 ID、优先级、关联区域和修复方案,确保数据的可追溯性。 第二层:经验晋升 这是该机制最有价值的一环。日志只是原始叙述,当某条经验被验证为跨文件适用的通用规则时,就会被“晋升”到更高层级的配置文件(如 CLAUDE.md、SOUL.md)。晋升的核心在于提炼。例如,将冗长的“尝试 npm 失败,因为项目用 pnpm”压缩为极简的防御性规则:“Package manager: pnpm (not npm)”。这一步完成了从“事故报告”到“行为准则”的质变。 第三层:Skill 提取 当一条经验不仅适用于当前项目,对其他项目也有价值时,可通过内置的 extract-skill.sh 脚本将其提取为独立的通用 Skill。提取门槛要求严格:必须有 2 个以上的关联条目且具备已验证的修复方案。 自动化与防膨胀机制 为了让这套流程运转起来,该 Skill 提供了两个半自动化 Hook: 1. activator.sh:在用户发送消息后轻量级注入提醒,让 Agent 评估是否需要记录经验。 2. error-detector.sh:监听 Bash 执行,一旦检测到非零退出码,自动触发记录流程。 同时,为了防止配置文件无限膨胀,它设计了量化的循环模式检测。只有当同一类问题满足“出现 3 次以上 + 跨 2 个任务 + 30 天内发生”这三个硬性条件时,才会触发晋升。这有效避免了过早晋升导致的冗余,也防止了过晚晋升导致的重复踩坑。 生态兼容性 支持 Codex、Claude Code 等,在 OpenClaw 中的集成最为深入,支持通过 sessions_send 在不同会话间传递经验。 #ai #openclaw
00:00 / 00:24
连播
清屏
智能
倍速
点赞8
00:00 / 03:06
连播
清屏
智能
倍速
点赞2
00:00 / 01:49
连播
清屏
智能
倍速
点赞0
00:00 / 00:10
连播
清屏
智能
倍速
点赞14
00:00 / 01:06
连播
清屏
智能
倍速
点赞56
00:00 / 02:24
连播
清屏
智能
倍速
点赞24
00:00 / 07:34
连播
清屏
智能
倍速
点赞26