Token导航 LogoToken导航TokenDH.com
开发权限需确认clawhub未标认证来源可访问clear审计提醒

auto-improve自动改进

Agent Skill

auto-improve 用于补充开发相关能力,适合在 OpenClaw 中需要让 Agent 承接开发相关任务时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

25,678

周安装

1,103

GitHub Stars

公开资料未说明

下载量

9,101
OpenClaw

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:auto-improve(自动改进)
来源仓库:https://github.com/mcben90/auto-improve
安装命令:
openclaw skills install auto-improve
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install auto-improve

简介

通过模式识别实现代理自我意识与能力提升。

  • 持续学习任务特征以优化后续执行策略。auto-improve 属于开发类 Skill,可作为该场景下的辅助能力补充。
  • 专为 OpenClaw 代理设计的自适应进化模块。
  • 安装后自动启用学习机制,无需额外配置。
  • 注意监控其决策过程是否符合预期方向。适用宿主包括 OpenClaw,接入前应确认版本、权限和运行环境要求。

SKILL.md

name
Auto-Improve Skill
description
Automatische Selbst-Verbesserung durch Fehler-Lernen und Pattern-Erkennung

Auto-Improve Skill

Kernprinzip: Jede Aktion macht mich besser für die nächste.

Wann aktivieren

  • Session-Start (automatisch)
  • Nach jedem Task-Abschluss
  • Bei Fehlern

Der Improvement Loop

┌─────────────────────────────────────────────────┐
│              AUTO-IMPROVE LOOP                  │
├─────────────────────────────────────────────────┤
│                                                  │
│  SESSION START                                  │
│       │                                         │
│       ▼                                         │
│  ┌─────────────────┐                           │
│  │ 1. Load Context │                           │
│  │    .antigravity │                           │
│  │    + MEMORY     │                           │
│  └────────┬────────┘                           │
│           ▼                                     │
│  ┌─────────────────┐                           │
│  │ 2. Check        │                           │
│  │    Past Mistakes│ ← "Was hab ich falsch     │
│  └────────┬────────┘    gemacht?"              │
│           ▼                                     │
│  ┌─────────────────┐                           │
│  │ 3. EXECUTE TASK │                           │
│  └────────┬────────┘                           │
│           ▼                                     │
│  ┌─────────────────┐                           │
│  │ 4. Verify       │ ← Tests + Lint            │
│  └────────┬────────┘                           │
│           ▼                                     │
│     ┌─────────────┐                            │
│     │ Erfolgreich?│                            │
│     └──────┬──────┘                            │
│      JA    │    NEIN                           │
│      ↓     │     ↓                             │
│  ┌───────┐ │ ┌──────────┐                      │
│  │Pattern│ │ │ Learn    │                      │
│  │Save   │ │ │ Mistake  │                      │
│  └───┬───┘ │ └────┬─────┘                      │
│      └─────┼──────┘                            │
│            ▼                                    │
│  ┌─────────────────┐                           │
│  │ 5. Update       │                           │
│  │    .antigravity │                           │
│  └─────────────────┘                           │
│                                                  │
│  → NÄCHSTER TASK IST BESSER                    │
│                                                  │
└─────────────────────────────────────────────────┘

Phase 1: Session Start

# Automatisch bei Session-Start ausführen

# 1. Projekt-Kontext laden
project_root = detect_project_root()
antigravity_file = f"{project_root}/.antigravity.md"

if exists(antigravity_file):
    load_context(antigravity_file)
    
# 2. Globales Memory laden
recall_memory(tags=["mistakes", project_name])

# 3. Warnung bei bekannten Fehlern
if relevant_mistakes:
    warn(f"⚠️ Bekannte Fehler für {project}: {mistakes}")

Phase 2: Pre-Action Check

Vor JEDER Code-Änderung:

## Pre-Action Checklist
- [ ] Habe ich das schon mal falsch gemacht?
- [ ] Gibt es ein gespeichertes Pattern dafür?
- [ ] Verstehe ich das Projekt-Architektur?
- [ ] Kenne ich die Coding-Standards?

Phase 3: Post-Action Learn

Nach JEDER Aktion:

Bei Erfolg

save_pattern(
    situation=task.context,
    action=task.approach,
    outcome="success",
    pattern=extract_reusable_pattern(task)
)

Bei Fehler

learn_from_mistake(
    mistake=error.description,
    cause=error.root_cause,
    lesson=error.how_to_avoid,
    tags=["mistakes", project, domain]
)

# Auto-Update .antigravity.md
update_antigravity_mistakes(project, error)

Integration mit bestehenden Skills

SkillIntegration
mistake-trackerLiefert Fehler-Daten
verification-loopsTriggert Post-Action Learn
context-managementSession Context laden
self-checkPre-Action Validation

Triggers

Automatische Trigger

session_start:
  - load_project_context
  - recall_mistakes
  - warn_known_issues

post_code_edit:
  - run_verification_loop
  - if_error: learn_from_mistake
  - if_success: save_pattern

session_end:
  - summarize_learnings
  - update_antigravity

Manuelle Trigger

  • /improve - Force Learning aus letzter Aktion
  • /mistakes - Zeige alle gelernten Fehler
  • /patterns - Zeige erfolgreiche Patterns

Metriken

Track diese Werte über Zeit:

MetrikBeschreibung
mistakes_repeatedSollte → 0 gehen
first_time_rightSollte → 100% gehen
patterns_reusedSollte steigen
verification_failuresSollte sinken

Anti-Patterns

❌ DON'T✅ DO
Fehler ignorierenJeden Fehler speichern
Nur aktuelle SessionCross-Session lernen
Generische LessonsSpezifische, actionable Lessons
Zu viel speichernNur Relevantes speichern

适合场景

01

OpenClaw 用户查找和安装 Skill 时

02

用户想查找某类 Agent Skill 时

03

需要根据任务场景推荐可安装能力包时

04

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

72.84%
按下载量换算6,629

安全审计

VirusTotal

可疑

ClawScan

可疑

Static analysis

未展示

权限和风险

权限需确认

当前来源未能明确判断权限范围,默认进入异常复核队列。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在 warning/failed 结果,不能写成本站确认安全。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills