skill-self-evolution

Category: Tools & Productivity | Uploader: Arxchibobo | Downloads: 0 | Version: v1.0（Latest）

元级 (Meta-level) Skill，自动分析 OpenClaw 龙虾的工作数据，发现使用模式、评估 session 质量、优化工具权重，实现技能系统的自我进化和持续改进。

Changelog: Source: GitHub https://github.com/Arxchibobo/skill-self-evolution

Directory Structure

Current level: Root

📁 data/
- 📁 examples/
  - 📄 execution_example.json 1.7 KB
  - 📄 feedback_example.json 969 B
  - 📄 patterns_example.json 1.7 KB
  - 📄 weights_example.json 1.3 KB
- 📄 README.md 2.2 KB
📁 hooks/
- 📄 collect-feedback.js 11.4 KB
- 📄 detect-modifications.js 9.4 KB
- 📄 record-execution.js 12.6 KB
📁 reports/
- 📄 .gitkeep 0 B
📁 scripts/
- 📄 ab_testing.py 12.3 KB
- 📄 analyze.py 21.4 KB
- 📄 cleanup.py 11.3 KB
- 📄 framework_evolver.py 7.0 KB
- 📄 knowledge_transfer.py 13.9 KB
- 📄 openclaw_adapter.py 20.2 KB
- 📄 pattern_discovery.py 17.5 KB
- 📄 quality_evaluator.py 15.1 KB
- 📄 scheduler.py 15.4 KB
- 📄 template_generator.py 14.6 KB
- 📄 weekly_report.py 15.8 KB
- 📄 weight_optimizer.py 16.5 KB
📁 tests/
- 📄 __init__.py 41 B
- 📄 test_ab_testing.py 2.9 KB
- 📄 test_weight_optimizer.py 2.6 KB
📄 .gitignore 2.2 KB
📄 cli.py 14.0 KB
📄 config.yaml 6.5 KB
📄 dashboard.html 20.6 KB
📄 EXAMPLES.md 13.1 KB
📄 INTEGRATION.md 12.8 KB
📄 LICENSE 1.0 KB
📄 README.md 27.8 KB
📄 requirements.txt 453 B
📄 run_tests.py 1.5 KB
📄 skill.json 5.6 KB
📄 SKILL.md 3.2 KB
📄 SUMMARY.md 14.1 KB

SKILL.md

# Skill Self-Evolution - 技能自我进化系统

## Description
元级 (Meta-level) Skill，自动分析 OpenClaw 龙虾的工作数据，发现使用模式、评估 session 质量、优化工具权重，实现技能系统的自我进化和持续改进。

## 触发方式
- "分析我的工作模式"
- "skill 进化分析"
- "self-evolution"
- "技能优化"
- "工作质量报告"

## 核心能力

### 1. OpenClaw Session 数据采集
从 `~/.openclaw/agents/main/sessions/*.jsonl` 自动提取：
- 工具调用频率和类型
- 会话时长和效率
- 错误率统计
- 话题分类

### 2. 质量评估（5维度）
| 维度 | 描述 | 权重 |
|------|------|------|
| 效率 | 完成任务速度 | 25% |
| 错误率 | 工具调用成功率 | 25% |
| 完成度 | 交互回合合理性 | 20% |
| 工具多样性 | 合理使用多种工具 | 15% |
| Token 效率 | 输入输出比例 | 15% |

### 3. 模式发现
- 高频工具组合挖掘（Apriori 算法）
- 成功模式识别
- 搜索序列分析

### 4. 权重优化
- 自动调整工具/技能权重
- 时间衰减机制（半衰期 60 天）
- 平滑更新避免剧变

### 5. 知识迁移
- 跨领域相似度计算
- 模式适配和复用

## 使用方式

### 快速分析（推荐）
```bash
# 转换 OpenClaw 数据 + 质量评估 + 汇总
python3 scripts/openclaw_adapter.py --days 30 --evaluate --summary
```

### 完整分析流水线
```bash
# 1. 数据采集
python3 scripts/openclaw_adapter.py --days 30 --evaluate

# 2. 模式发现 + 权重优化 + 仪表板
python3 scripts/analyze.py
```

### 可视化仪表板
```bash
# 打开 dashboard.html 查看趋势图表
```

## 文件结构
```
skill-self-evolution/
├── SKILL.md                    # 本文档
├── config.yaml                 # 配置文件
├── scripts/
│   ├── openclaw_adapter.py     # 🆕 OpenClaw 数据适配器（核心）
│   ├── analyze.py              # 综合分析脚本
│   ├── quality_evaluator.py    # 质量评估器
│   ├── pattern_discovery.py    # 模式发现器
│   ├── weight_optimizer.py     # 权重优化器
│   ├── knowledge_transfer.py   # 知识迁移器
│   ├── framework_evolver.py    # 框架进化器
│   ├── scheduler.py            # 自动化调度器
│   └── weekly_report.py        # 周报生成
├── hooks/                      # Claude Code 兼容 hooks
├── data/                       # 数据存储（自动生成）
├── reports/                    # 报告输出
├── tests/                      # 单元测试
└── dashboard.html              # 可视化仪表板
```

## 依赖
```
PyYAML>=6.0
numpy>=1.24.0
pandas>=2.0.0
scipy>=1.10.0
scikit-learn>=1.3.0
```

## 配置
编辑 `config.yaml` 自定义行为，关键配置：
- `data_collection.retention_days`: 数据保留天数（默认 90）
- `weight_optimizer.update_frequency`: 权重更新频率
- `reporting.update_frequency`: 报告生成频率

## 建议 Tier
`standard` — 需要安装 Python 依赖，适合有分析需求的龙虾。

## 适用场景
- ✅ 了解自己的工作模式和效率
- ✅ 发现高频工具组合
- ✅ 跟踪质量趋势
- ✅ 定期生成自我改进报告
- ❌ 不适合一次性简单任务

Comments 0

Latest | Hot

Please login before commenting.

No comments yet. Be the first one!

skill-self-evolution

Directory Structure

SKILL.md

Report

Notice