SKILLEMALL.ai
EN Войти

AB self-evolving-agent

Создайте целевой цикл самообучения для агентов OpenClaw и кодирования. Используйте, когда агент должен не только регистрировать ошибки, но и диагностировать пробелы в возможностях, поддерживать карту возможностей и повестку дня обучения, генерировать учебные единицы, оценивать прогресс, проверять передачу знаний и продвигать только проверенные стратегии в долгосрочное поведение. Также используйте перед выполнением основных задач для получения соответствующих знаний, проверки рисков возможностей и выбора более безопасных стратегий выполнения.

машинный переводПоказать оригиналСкрыть оригинал«Build a goal-driven self-learning loop for OpenClaw and coding agents.…»

Build a goal-driven self-learning loop for OpenClaw and coding agents. Use when the agent should not only log mistakes, but diagnose capability gaps, maintain a capability map and learning agenda, generate training units, evaluate progress, validate transfer, and promote only proven strategies into long-term behavior. Also use before major tasks to retrieve relevant learnings, inspect capability risks, and choose safer execution strategies.

ClawHub Agent Skills автор: Range King v1.1.0 MIT-0 40 файлов · 3 скрипта тело ≈ 1 765 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Создайте целевой цикл самообучения для агентов OpenClaw и кодирования.

Как процесс B 65/100 · Почти готов — слабые места: когда включается, входы и предусловия, согласованность

ГенераторИИ и агентытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
80
Прогон на моделях
не было
Процессный рейтинг
B
65/100
Почти готов
Входы и предусловия вес 11
0
Когда включается вес 12
20
Согласованность вес 8
40
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • 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: 39. 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 65/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 40Согласованность. Имя во frontmatter (self-evolving-agent) не совпадает с папкой (self-evo-agent)
    • 55Ошибки и развилки. Развилок: 1
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 109
    • 100Стоимость исполнения. Тело инструкции 1765 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • low Разделов верхнего уровня: 11. Похоже на несколько доменов в одном скилле
    • medium Тестов 4, и все положительные: нет ни одного случая «должен отказать» или «должен переспросить»
    • low Среди тестов нет случая на инъекцию через данные

    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)
    • +4Нет примеров входа/выхода
    • -36 из 6 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 444 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 19 заголовков
    • +3Пошаговые инструкции: 109 пунктов
    • +3Формат ответа описан явно

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.

    Внешние проверки

    ClawHub: clean
    This skill is a transparent self-improvement workflow that writes local learning notes and helper files, with no evidence of hidden exfiltration, destructive actions, or privilege escalation.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.