BC aios-self-improving-agent
В среде AIOS/OpenClaw записывайте ошибки, исправления, опыт, пробелы в знаниях и повторно используемые улучшения текущего агента. Применяется в сценариях, когда команда завершается с ошибкой, пользователь исправляет ответ, обнаруживаются устаревшие знания, возникают сбои внешних инструментов/API, повторяются одни и те же проблемы, требуется закрепить опыт после выполнения сложной задачи или необходимо просмотреть историю обучения в рабочей области текущего агента перед началом важной задачи. Если в среде есть QMD, приоритетно используйте поиск и дедупликацию индекса QMD для каждой рабочей области. Этот навык должен поддерживать логическую изоляцию для каждого агента, записывая и читая только из `.learnings/` в рабочей области текущего агента, не записывая по умолчанию в глобальную рабочую область, рабочую область другого агента, общий каталог навыков или конфигурацию управляющей стороны.
машинный переводПоказать оригиналСкрыть оригинал«在 AIOS/OpenClaw 运行环境中记录当前 agent 的错误、纠正、经验、知识缺口和可复用改进。适用于命令失败、用户纠正回答、发现…»
在 AIOS/OpenClaw 运行环境中记录当前 agent 的错误、纠正、经验、知识缺口和可复用改进。适用于命令失败、用户纠正回答、发现过时知识、外部工具/API 异常、同类问题反复出现、完成复杂任务后需要沉淀经验、或开始重要任务前需要回顾当前 agent workspace 内历史 learnings 的场景。若环境中有 QMD，优先使用 per-workspace QMD 索引检索和去重。该技能必须保持 per-agent 逻辑隔离，只在当前 agent workspace 内读写 `.learnings/`，不得默认写全局 workspace、其他 agent workspace、共享 skill 目录或管理面配置。
В среде AIOS/OpenClaw записывайте ошибки, исправления, опыт, пробелы в знаниях и повторно используемые улучшения текущего агента.
Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 0
✓ Критических и высоких находок нет
Просканировано файлов: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
Процессный рейтинг: все десять параметров 51/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 9, без проверки текущего состояния
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 40
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1762 токенов
- low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 317 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 14 заголовков
- +3Пошаговые инструкции: 40 пунктов
- +4Есть примеры (9 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.