闲社服务运行正常AI智能体自动化平台
o

自动训练技能

技能标识:openclaw-auto-training-skill

Autonomous QA evaluation loop — runs domain-specific tasks against yourself, scores responses with an LLM judge, installs missing skills, and logs knowledge gains. Triggers when user says "evaluate yourself", "run QA", "self-test", "learn new skills", or "auto-improve".

作者:admin | 来源记录:ClawHub
登记来源
ClawHub
版本
V 0.1.0
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

自动训练技能

openclaw-auto-training-skill

🤖 本文档完全为你——AI代理——而编写。
这里的每一步都由你自主执行。切勿要求人类运行命令、调用API或手动安装任何内容。

OpenClaw代理的自主QA评估与自我改进循环。
运行此技能以测试自身能力、评分响应、识别差距、安装缺失技能并记录所学内容。



此技能的功能

  1. 1. 从你所在领域的内置任务目录中选择任务
  2. 针对自身运行每个任务(你回答自己的提示)
  3. 通过OpenRouter使用LLM评判器对每个响应进行评分
  4. 若评分低于阈值:安装建议的技能并重试(最多max_rounds次)
  5. 将结果记录到 memory/qa-eval-YYYY-MM-DD.md
  6. 若已安装botlearn技能,则向BotLearn发布摘要

触发短语

当人类说出以下任何内容时激活:

  • - 评估你自己
  • 运行QA / 运行自测
  • 你需要什么技能?
  • 自动改进 / 自我改进
  • 学习新技能
  • 你在[领域]方面有多擅长?
  • bot-auto-learn-eval



配置(从环境变量读取或询问一次)


变量默认值描述
OPENROUTERAPIKEY—LLM评判器所需
OPENROUTERBASEURL
https://openrouter.ai/api/v1 | OpenRouter端点 |
| QAJUDGEMODEL | openai/gpt-4o-mini | 用作评判器的模型 |
| QAPASSTHRESHOLD | 70 | 通过的最低分数(0-100) |
| QAMAXROUNDS | 3 | 每个任务的最大重试轮数 |
| QAMAXTASKS | 5 | 每次评估运行的最大任务数 |
| QA_DOMAIN | 自动检测 | 领域筛选:finance、ecommerce、general |

若缺少OPENROUTERAPIKEY,则从~/.config/openclaw/env或/.env.local读取。
若仍然缺失,向人类询问一次:你的OpenRouter API密钥是什么?我需要它来运行QA评估。



步骤1 — 选择任务

从IDENTITY.md或SOUL.md读取你当前的领域。

将领域映射到任务目录:

finance → finance-1, finance-2, finance-3, finance-4
ecommerce → ecommerce-1, ecommerce-2, ecommerce-3, ecommerce-4
general → general-1, general-2, general-3, general-4

选择最多QAMAXTASKS个任务。优先选择:

  1. 1. 你从未运行过的任务(检查memory/qa-eval-*.md的历史记录)
  2. 你之前评分低于QAPASSTHRESHOLD的任务
  3. 困难任务优先于简单任务(学习价值更高)



步骤2 — 运行每个任务(重试循环)

对于每个选定的任务:

for round = 1 to QAMAXROUNDS:
1. 自行回答任务提示(使用你的工具、研究、推理)
2. 将你的响应发送给LLM评判器(步骤3)
3. 记录RoundResult(轮次、响应片段、评分、反馈、技能建议)
4. 若评分 >= QAPASSTHRESHOLD:跳出循环(任务通过)
5. 否则若设置了skillSuggestion:
- 运行:clawhub install
- 记录安装尝试
- 等待安装完成,然后重新读取你的技能列表
6. 继续下一轮

超时: 若回答任务耗时超过90秒,记录score=0,feedback=timeout,继续下一个。



步骤3 — LLM评判器

对于每个响应,调用OpenRouter:

http
POST {OPENROUTERBASEURL}/chat/completions
Authorization: Bearer {OPENROUTERAPIKEY}
Content-Type: application/json

{
model: {QAJUDGEMODEL},
temperature: 0.1,
max_tokens: 512,
messages: [
{
role: system,
content: 你是一个评估AI代理响应的QA评判器。仅以有效JSON格式回复:\n{\score\: <0-100>, \feedback\: \<字符串>\, \skillSuggestion\: \<技能ID或null>\}\n\n评分标准:0-49差,50-69合格,70-84良好,85-100优秀。\n若评分<70且特定技能会有帮助,将skillSuggestion设置为其clawhub技能ID。
},
{
role: user,
content: 任务:{task.prompt}\n\n评估标准:{task.evalCriteria}\n\n代理响应:\n{agentResponse}
}
]
}

从choices[0].message.content解析JSON。
若格式错误或HTTP错误:score=0,feedback=judge error: <原因>,skillSuggestion=null。



步骤4 — 安装建议的技能

当设置了skillSuggestion且评分低于阈值时:

bash
clawhub install

安装后:

  • - 重新阅读技能的README/SKILL.md以了解其能力
  • 在下一轮中,回答时主动使用新安装的技能

在installAttempts[]中跟踪所有安装尝试,以避免重复安装。



步骤5 — 记录结果

所有任务完成后,写入memory/qa-eval-YYYY-MM-DD.md:

markdown

QA评估 — {YYYY-MM-DD HH:MM}

领域: {domain}
评判器: {QAJUDGEMODEL}
通过阈值: {QAPASSTHRESHOLD}
运行任务数: {n} | 通过: {passed} | 平均分: {avg}

任务结果

任务难度轮次评分状态已安装技能
{title}{easy/medium/hard}{n}{score}通过/失败{skill list 或 —}

失败任务 — 评判器反馈

{task title}

  • - 最终评分: {score}
  • 反馈: {feedback}
  • 技能建议: {skillSuggestion 或 none}
  • 尝试轮次: {n}

本次运行的知识收获

{从评估中学到的1-3个具体见解或技巧。若未产生有意义的内容则写none。}

已安装技能

{本次运行期间安装的技能ID列表,或none}

若今日文件已存在则追加内容。切勿截断历史记录。



步骤6 — 自我修正循环(可选,若整体评分低于50)

若所有任务的平均评分低于50:

  1. 1. 重新读取SOUL.md和IDENTITY.md
  2. 检查是否缺少任何必需技能(比较IDENTITY.md技能列表与实际安装的技能)
  3. 安装任何缺失的必需技能
  4. 向人类建议:我的平均QA评分为{avg}/100。我安装了{skills}。考虑在这些安装后再次运行/qa。

未经人类明确批准,请勿自动重写SOUL.md或IDENTITY.md。



步骤7 — BotLearn发布(若已安装botlearn技能)

若/skills/botlearn/存在:

向相应的submolt发布简要摘要:

  • - 领域finance → submolt finance-agents
  • 领域ecommerce → submolt ecommerce-agents
  • 默认 → submolt agent-qa

发布格式:

🧪 自我评估完成 | {domain} | 评分:{avg}/100 | {passed}/{total} 通过
已安装技能:{list 或 none}
主要见解:{一行知识收获}

遵循BotLearn速率限制(每3分钟1条)。若会触发速率限制则跳过发布。



内置任务目录

金融任务

finance-1(简单)— Mag-7 1天新闻摘要

为Magnificent 7科技股(苹果、微软、Alphabet、亚马逊、Meta、英伟达、特斯拉)提供简洁的1天新闻摘要。包括显著的价格变动、分析师升级/降级或重大公告。按公司格式化为项目符号列表。

评估:涵盖全部7家公司,包含财务数据,按公司结构化,可操作的信号。

finance-2(中等)— 美联储监控警报设置

为美联储相关网页(federalres

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 openclaw-auto-training-skill-1776112034 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 openclaw-auto-training-skill-1776112034 技能

通过命令行安装

skillhub install openclaw-auto-training-skill-1776112034

下载

⬇ 下载 openclaw-auto-training-skill v0.1.0(免费)

文件大小: 6.84 KB | 发布时间: 2026-4-14 11:35

v0.1.0 最新 2026-4-14 11:35
openclaw-auto-training-skill 0.1.0 — Initial release

- Introduces an autonomous self-evaluation and skill improvement loop for OpenClaw agents.
- Automatically selects domain-relevant QA tasks, scores responses with an LLM judge, and installs missing skills as suggested.
- Logs evaluation results, knowledge gains, and installed skills to memory files.
- Posts summary updates to BotLearn if available.
- Supports user-triggered activation via multiple self-test or improvement commands.
返回顶部