AC self-evolve
Система самоэволюции для агентов OpenClaw. Обеспечивает непрерывное обучение через отслеживание ошибок, дистилляцию опыта, очереди улучшения навыков и автоматизированные ежедневные/еженедельные циклы эволюции. Вдохновлено самосовершенствующейся архитектурой Hermes Agent, реализовано с использованием нативных возможностей OpenClaw (файлы памяти + cron). 自我进化系统，让 OpenClaw agent 持续学习和改进。 Используйте, когда: (1) настраиваете самоэволюцию для агента, (2) агент хочет учиться на ошибках, (3) фиксируете извлеченные уроки, (4) запускаете циклы эволюции, (5) улучшаете навыки на основе использования, (6) «自我进化», «自我学习», «self-improve», «learn from mistakes», «evolution setup», «进化系统», «经验总结», «复盘». НЕ для: основ управления памятью (используйте AGENTS.md), создания навыков (используйте skill-creator) или разовых напоминаний (используйте cron напрямую).
машинный переводПоказать оригиналСкрыть оригинал«Self-evolution system for OpenClaw agents. Enables continuous learning…»
Self-evolution system for OpenClaw agents. Enables continuous learning through mistake tracking, experience distillation, skill improvement queues, and automated daily/weekly evolution cycles. Inspired by Hermes Agent's self-improving architecture, implemented with native OpenClaw capabilities (memory files + cron). 自我进化系统，让 OpenClaw agent 持续学习和改进。 Use when: (1) setting up self-evolution for an agent, (2) agent wants to learn from mistakes, (3) capturing lessons learned, (4) running evolution cycles, (5) improving skills based on usage, (6) "自我进化", "自我学习", "self-improve", "learn from mistakes", "evolution setup", "进化系统", "经验总结", "复盘". NOT for: memory management basics (use AGENTS.md), skill creation (use skill-creator), or one-off reminders (use cron directly).
Система самоэволюции для агентов OpenClaw.
Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки
Как улучшить
- 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: 5. 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 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
- 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
- 40Согласованность. Имя во frontmatter (self-evolve) не совпадает с папкой (agent-self-evolve)
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 24
- 100Стоимость исполнения. Тело инструкции 1275 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
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 3 примера фраз-триггеров в кавычках
- +4Описание говорит, когда скилл НЕ применять
- +3Длина description 771 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 13 заголовков
- +3Пошаговые инструкции: 24 пунктов
- +4Есть примеры (9 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (2 из 2)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 100.