agent-system advanced active

Active Learner

Einmal gegebenes und vergessenes Feedback ändert nichts. Active Learner handeln danach.

openclaw active-learner learning meta-learning feedback agent

Was fehlt ohne openclaw active learning agent

Feedback eines einzelnen Nutzers verfälscht Agent-Richtung. Keine Konvergenzkriterien begrenzen Verbesserung. Feedback-Kanäle falsch konfiguriert.

→
Kontinuierliche Qualitätsverbesserung durch Nutzer-Feedback-Schleifen × 155-Sterne fortgeschrittener Skill ÷ 45–60 Minuten ÷ Feedback-Speicher = Agents, die messbar besser werden.

openclaw active learning agent — was es wirklich kann

01
Erbittet Nutzerfeedback nach Aufgaben und speichert Verbesserungssignale
02
Aktualisiert Agent-Verhalten mit /learner update nach 20+ Feedbacks
03
Konfiguriert Feedback-Kanäle in active-learner.config.json
04
Aktiviert Feedback-Prompts nach Aufgaben für jede Agent-Interaktion
05
Nutzt diverse Feedback-Quellen, um Einzelnutzer-Verzerrung zu verhindern

Sicherheitscheck — openclaw active learning agent

Datenschutz-Score: 7/10 — greift nur auf verbundene Plattform-APIs zu. Absichern: OAuth-Berechtigungen vor der Installation prüfen, Linux, macOS; OpenClaw ≥1.2-Kompatibilität bestätigen.

Schnellstart — openclaw active learning agent in 45–60 minutes

Einrichtungszeit: 45–60 minutes

!
Du brauchst:
  • OpenClaw core
  • LLM API key
  • feedback storage configured

Paket installieren:

clawhub install autogame-17/active-learner
1
Install skill
2
Configure feedback channels in active-learner.config.json
3
Enable post-task feedback prompts
4
After 20+ feedbacks, run /learner update to improve

Fehlerbehebung openclaw active learning agent

1
1. Biased feedback from a single user skews learning — use diverse feedback sources
2
2. Without convergence criteria, improvement is unbounded

Kompatibilität & Status

Kompatibel mit: Linux, macOS; OpenClaw ≥1.2 advanced Zuletzt aktualisiert: Okt. 2025 ★ 155 auf GitHub MIT

Offizielle Dokumentation →

Auf GitHub ansehen →

Ähnliche Einträge — mehr wie openclaw active learning agent

Evolver
Core evolution engine for autogame-17 — the base self-modification framework all evolver skills build on.
Self Improving Agent 1 0 11
An OpenClaw agent that improves its own SKILL.md based on usage feedback — the self-upgrading agent pattern.
Capability Evolver
An agent that evolves its own capabilities by analysing task patterns and rewriting its skill config.
Self Improving Agent
Let OpenClaw agents evaluate their own outputs and iteratively improve responses through self-critique loops.
SKYNET OpenClaw
An experimental autonomous multi-agent system framework built on top of OpenClaw.

Weitere Einträge von autogame-17

Capability Evolver
Skills
Evolver
Skills
Feishu Doc
Integrationen
Feishu Calendar
Integrationen

Jeder Agent, der kein Feedback einholt, wiederholt dieselbe Qualitätsgrenze. Installieren, bevor der nächste kritische Workflow messbare Verbesserung braucht.

Auf GitHub ansehen →