闲社服务运行正常AI智能体自动化平台
l

学习协调器

技能标识:learning-coordinator

Coordinates learning signals, pattern promotion, and stage management

作者:admin | 来源记录:ClawHub
登记来源
ClawHub
版本
V 2.0.0
检测标记
后台标记通过
免费
免费获取
0
收藏
来源与检测标记为平台登记信息,并不代表已展示可复核的检测报告。使用前请核对版本、依赖和所需权限,建议先在隔离环境中运行。
概述
安装方式
版本历史

学习协调器

何时使用

  • - 需要检查某个模式或修正的学习阶段
  • 希望从重复修正中识别新兴模式
  • 需要协调模式在记忆层级间的提升/降级
  • 与修正记录器和偏好追踪器集成以支持学习工作流

架构

NeverOnce 增强功能

  • - ✅ 有效性反馈集成:从增强版correction-logger获取有效性分数,跟踪修正使用历史
  • ✅ 动态阶段转换算法:基于有效性的自动阶段提升/降级
- 高有效性模式 → 加速确认 - 低有效性模式 → 自动降级或标记
  • - ✅ 反馈循环监控:跟踪模式有效性趋势,识别高/低效学习模式
  • ✅ 学习速度计算:基于有效性和反馈趋势的学习速度评估
  • ✅ 增强报告生成:模式有效性报告、反馈循环统计、学习进度跟踪
  • ✅ 自动调整规则:基于置信度的自动阶段调整,减少人工干预

增强算法

  1. 1. 阶段置信度计算:

confidence = (repetitioncount 0.4) + (effectivenessscore 0.4) + (time_factor * 0.2)

  1. 2. 学习速度评估:

learningspeed = (helpratio 0.6) + (effectiveness_trend 0.4)

  1. 3. 自动调整阈值:
- 自动提升: confidence ≥ 0.8 - 自动降级: effectiveness ≤ 0.2

集成说明

  • - 依赖: 增强版correction-logger v2.0.0+(可选,但推荐)
  • 数据源: 从纠正记录器获取有效性分数和反馈历史
  • 兼容性: 原有API完全兼容,新增增强方法可选使用

该插件提供一个LearningCoordinator类,其功能包括:

  1. 1. 监控学习信号 – 通过各自的适配器观察修正和偏好。
  2. 管理学习阶段 – 跟踪模式在各阶段间的流转:暂定、新兴、待定、已确认、已归档。
  3. 协调提升/降级 – 应用规则决定模式何时在阶段和层级间移动。
  4. 暴露学习统计信息 – 报告学习进度和模式演化。

该插件不存储自身数据;它依赖现有的适配器(correction‑logger、preference‑tracker)和学习规则文件(learning.md)。

安装

bash
clawhub install learning-coordinator

或手动将插件目录复制到工作区技能文件夹。

配置

默认配置加载学习规则文件并引用其他适配器:

yaml
learningrulesfile: ~/self-improving/learning.md
correctionadapter: correctionlogger
preferenceadapter: preferencetracker
auto_create: true

API 参考

LearningCoordinator 类

python
from learning_coordinator import LearningCoordinator

coordinator = LearningCoordinator(config=None)

获取学习统计信息

stats = coordinator.getlearningstats()

检查新兴模式

emerging = coordinator.getemergingpatterns(threshold=2)

提升模式(用户确认后)

result = coordinator.promotepattern(correctionids=[1, 2, 3], new_status=confirmed)

获取各阶段计数

stagecounts = coordinator.getstage_counts()

健康检查

health = coordinator.health_check()

适配器接口

该插件包含一个LearningCoordinatorAdapter,符合星型架构的MemoryAdapter基类,提供以下功能:

  • - healthcheck() – 报告所需适配器和规则文件的可用性
  • getstats() – 返回学习统计信息(阶段计数、提升率等)
  • search(query, limit=10) – 在学习规则和模式描述中搜索
  • sync() – 确保协调器状态同步(此插件无操作)
  • getlearningstats(), getemergingpatterns(), promote_pattern() – 便捷方法

与星型架构集成

安装后,其适配器注册到星型架构注册表中,其他插件可通过适配器工厂查询学习协调功能:

python
from integration.adapter_factory import AdapterFactory

factory = AdapterFactory()
coordinatoradapter = factory.getadapter(learning_coordinator)
if coordinator_adapter:
stats = coordinatoradapter.getlearning_stats()
emerging = coordinatoradapter.getemerging_patterns(threshold=2)

学习规则

该插件读取learning.md文件(参见SIPA技能)以获取:

  • - 触发定义 – 什么算作学习信号
  • 确认流程 – 如何以及何时请求用户确认
  • 阶段演化 – 阶段间移动的规则
  • 反模式 – 不应学习的内容

该文件被视为只读;修改必须手动进行。

故障排除

缺少适配器 – 如果correction‑logger或preference‑tracker适配器不可用,协调器将以有限功能运行。

规则文件未找到 – 如果learning.md不存在,插件将基于SIPA技能的默认内容创建一个最小版本。

权限错误 – 确保进程对学习规则文件具有读取权限。

相关插件

  • - correction‑logger – 记录用户修正和系统改进
  • preference‑tracker – 管理用户偏好和模式
  • heartbeat‑manager – 管理心跳状态和日志
  • reflection‑logger – 记录自我反思条目

版本历史

  • - v0.1.0 – 从SIPA技能初始拆分,基本协调功能,星型架构适配器。

错误码

错误码描述解决方案
E001未知错误检查日志,联系开发者
E002
配置错误 | 验证配置文件格式 | | E003 | 依赖缺失 | 安装所需依赖包 |

标签

skill ai

通过对话安装

以下为平台配置的接入选项,并非逐项实测通过。能否安装取决于客户端支持、技能来源和运行环境:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 learning-coordinator-1776125783 技能

方式二:设置 SkillHub 为优先技能安装源

设置 SkillHub 为我的优先技能安装源,然后帮我安装 learning-coordinator-1776125783 技能

通过命令行安装

skillhub install learning-coordinator-1776125783

下载

⬇ 下载 learning-coordinator v2.0.0(免费)

文件大小: 15.41 KB | 发布时间: 2026-4-14 11:46

v2.0.0 最新 2026-4-14 11:46
learning-coordinator 2.0.0 – Initial standalone release, split from SIPA skill.

- Coordinates learning signals, pattern promotion, and stage management across memory tiers.
- Monitors corrections and preferences to identify emerging patterns and manage learning stages.
- Integrates with Memory Sync Enhanced star architecture via adapter, with optional correction-logger v2.0.0+ support.
- Exposes learning statistics, pattern evolution, and handles automatic stage adjustments based on feedback.
- Provides a `LearningCoordinator` class and a star-architecture compatible adapter for querying learning data.
返回顶部