Files
my-project/config/openclaw/skills/skill-self-evolution-enhancer.bak/.learnings/LEARNINGS.md
T

6.2 KiB

Learnings

Corrections, insights, and best practices for skill-self-evolution-enhancer.

Categories: correction | insight | knowledge_gap | best_practice Statuses: pending | in_progress | resolved | wont_fix | promoted

[LRN-20260326-001] insight

Logged: 2026-03-26T04:14:00Z Priority: high Status: resolved Area: 自进化冷启动

Summary

learnings文件初始为空时,需要从heartbeat/cron日志/执行输出中主动提取进化素材

Details

skill自进化需要真实错误数据驱动,但冷启动时.learnings/是空白模板 解决方案:从系统日志(cron状态、资源使用)、执行输出(stderr/stdout)、用户反馈中主动提取

Suggested Action

在HEARTBEAT.md中增加"每次心跳检查时提取一条可进化的错误/改进项"规则

Metadata

  • Source: heartbeat_automation_session
  • Tags: cold-start, self-evolution, data-driven
  • Recurrence-Count: 1

[LRN-20260327-001] insight

Logged: 2026-03-27T08:04:00Z Priority: medium Status: resolved Area: GitHub进化猎手-克隆超时

Summary

GitHub进化猎手在心跳/cron环境中克隆大型仓库容易超时,需要优化分析策略

Details

心跳/cron环境网络受限,克隆⭐49306的deer-flow和⭐20811的agentscope均超时失败 解决方案:改用web_fetch读取README+API分析结构,不依赖git clone

Suggested Action

修改github-intel.sh,增加"克隆前先web_fetch README预览"逻辑,对⭐>20000项目改用API+README分析

Metadata

  • Source: github-intel-cron-20260327
  • Tags: network-timeout, github-analysis, optimization
  • Recurrence-Count: 1

[LRN-20260327-002] insight

Logged: 2026-03-27T08:04:00Z Priority: high Status: in_progress Area: 重大突破性项目发现

Summary

本期发现2个⭐>20000的突破性项目,需要深度研究

Details

发现两个突破性项目:

  1. bytedance/deer-flow (⭐49306) - SuperAgent框架,集成sandbox/memories/tools/skill/subagents/message gateway
  2. agentscope-ai/agentscope (⭐20811) - "Build and run agents you can see, understand and trust"

这两个项目代表了当前Agent架构的最新方向,值得深入研究代码结构

Suggested Action

下次有充足时间时,手动克隆这两个项目分析代码结构

Metadata

  • Source: github-intel-cron-20260327
  • Tags: breakthrough-project, deer-flow, agentscope, agent-framework
  • Recurrence-Count: 1

[LRN-20260327-004] best_practice

Logged: 2026-03-27T12:04:00Z Priority: high Status: resolved Area: GitHub进化猎手-本期深度分析

Summary

本期分析3个高价值项目:last30days-skill、superpowers、dexter

Details

从 mvanhorn/last30days-skill (⭐11702) 学到:

  1. Open Claw原生适配: 明确说明"Designed for Open Claw and similar always-on AI environments",提供open variant
  2. Watchlist + briefings模式: SQLite持久化研究数据,支持自然语言查询历史,支持定时cron触发
  3. 多信号并行 + 质量排序: 10个平台并行搜索,双向文本相似度 + 参与度速度归一化
  4. Comparative Mode: "X vs Y"模式并行3次研究 + 并排对比

从 obra/superpowers (⭐117412) 学到:

  1. Subagent驱动开发: dispatching-parallel-agents + 两阶段review (spec compliance → code quality)
  2. Skills自动触发: agent在执行任务前自动检查相关skills,无需手动调用
  3. brainstorming skill: Socratic设计澄清,在写代码前先确认真正需求
  4. git-worktrees隔离: 每个任务在独立branch的worktree执行,避免污染主分支
  5. skills库生态: 测试/调试/协作/元技能分类,writing-skills指导创建新skill

从 virattt/dexter (⭐19354) 学到:

  1. 自验证循环: 执行任务后检查结果,迭代直到confidence足够
  2. Scratchpad调试日志: 每个query生成JSONL文件,记录tool调用和LLM推理过程
  3. Task Planning自动分解: 复杂query自动拆解为结构化研究步骤
  4. Loop Detection: 内置循环检测和step limits防止无限执行
  5. WhatsApp Gateway: 通过WhatsApp与agent交互

Suggested Action

  1. 考虑为OpenClaw skills增加watchlist/briefings持久化模式
  2. 引入superpowers的"执行前先brainstorm"流程
  3. 学习dexter的scratchpad日志机制用于调试
  4. last30days-skill的"对比模式"可作为GitHub进化的分析模板

Metadata

  • Source: github-intel-cron-20260327-deep-analysis-2
  • Tags: last30days-skill, superpowers, dexter, agent-framework
  • Recurrence-Count: 1

[LRN-20260327-003] best_practice

Logged: 2026-03-27T08:29:00Z Priority: high Status: resolved Area: GitHub进化猎手-多源情报融合设计模式

Summary

oh-my-claudecode的团队协作模式揭示了multi-agent编排的最佳实践

Details

从oh-my-claudecode (⭐13148)学到:

  1. Team Pipeline架构: team-plan → team-prd → team-exec → team-verify → team-fix 循环
  2. Deep Interview技能: Socratic追问 + 数学模糊度门控 (ambiguity ≤ 20%才允许执行)
  3. tmux CLI Workers: 真实终端窗口作为worker,支持多agent并行
  4. AGENTS.md规范: 用guidance_schema_contract定义角色契约,operating_principles + delegation_rules

从last30days-skill (⭐11242)学到:

  1. 多信号质量排序: 8个平台并行搜索,双向文本相似度 + 参与度速度归一化 + 跨平台收敛检测
  2. Polymarket预测市场集成: 用真钱 bets 作为信号源,比Reddit更可靠
  3. Per-project .env配置: 项目级环境变量隔离
  4. 自动归档: 每次运行保存到 ~/Documents/ 构建个人研究库

从agentscope (⭐20827)学到:

  1. "可观测的Agent"理念: Build and run agents you can see, understand and trust
  2. A2A协议支持: Agent间标准通信协议
  3. VNC-powered GUI沙箱: 运行时可视化调试
  4. OTel生产部署: K8s + Docker内置支持

Suggested Action

将team pipeline分阶段架构引入OpenClaw skill编排;考虑增加"模糊度门控"机制在执行危险操作前要求用户确认

Metadata

  • Source: github-intel-cron-20260327-deep-analysis
  • Tags: multi-agent, orchestration, team-pipeline, skill-design
  • Recurrence-Count: 1