SKILLEMALL.ai

AC feedback-learning

Система обучения с обратной связью Zero-LLM для агентов OpenClaw. Обнаруживает обратную связь от пользователя (реакции на эмодзи, текстовые сигналы вроде «переделай»/«круто»), регистрирует события, обнаруживает повторяющиеся закономерности, автоматически продвигает правила и генерирует еженедельные отчеты. Используйте при настройке самосовершенствования агента, настройке обнаружения обратной связи или создании конвейера обучения. Поддерживает русский и английский языки. Ключи API не требуются — работает полностью на shell-скриптах и Python.

машинный переводПоказать оригиналСкрыть оригинал«Zero-LLM feedback learning system for OpenClaw agents. Detects user fe…»

Zero-LLM feedback learning system for OpenClaw agents. Detects user feedback (emoji reactions, text signals like "переделай"/"круто"), logs events, discovers recurring patterns, auto-promotes rules, and generates weekly reports. Use when setting up agent self-improvement, configuring feedback detection, or building a learning pipeline. Supports Russian and English. No API keys needed — runs entirely on shell scripts and Python.

ClawHub Agent Skills автор: Maxim Kravtsov v1.0.0 MIT-0 6 файлов · 1 скрипт тело ≈ 1 232 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Система обучения с обратной связью Zero-LLM для агентов OpenClaw.

Как процесс C 58/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияИИ и агентыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
96/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
89
Прогон на моделях
не было
Процессный рейтинг
C
58/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • 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: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 58/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
    • 55Ошибки и развилки. Развилок: 1
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 8
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1232 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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
    • +3Длина description 431 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 17 заголовков
    • +3Пошаговые инструкции: 8 пунктов
    • +4Есть примеры (12 блоков кода)
    • +3Все 4 скриптов описаны в инструкциях
    • +2Инструкции двуязычные (RU + EN)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 89.

    Внешние проверки

    ClawHub: suspicious
    This skill is local and purpose-aligned, but it stores raw feedback and automatically turns repeated feedback into persistent rules that can affect future agents.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.