名称： Self-Evolving Skill
描述： 元认知自学习系统 - 基于预测编码和价值驱动机制的自动化技能演化。
主页： https://github.com/whtoo/self-evolving-bot

Self-Evolving Skill

元认知自学习系统 - 基于预测编码和价值驱动的技能自动演化。

功能

• 残差金字塔分解，量化认知缺口: 通过残差分析识别知识盲区。
• 自适应反思触发: 基于残差能量自动判断何时需要学习。
• 经验回放: 缓存已学模式，降低重复触发频率。
• 价值门控: 仅当变异能提升长期价值时才被采纳。
• 持久化: 经验数据自动保存与加载。

安装

# 技能已安装到 ~/.openclaw/skills/self-evolving-skill
# 或使用 ClawHub 安装
clawhub install self-evolving-skill

架构

self-evolving-skill/
├── core/                      # Python 核心模块
│   ├── residual_pyramid.py     # 残差金字塔（SVD 分解）
│   ├── reflection_trigger.py  # 自适应触发器
│   ├── experience_replay.py   # 经验回放缓存
│   ├── skill_engine.py        # 核心引擎 + 价值门控
│   ├── storage.py             # 持久化存储
│   └── mcp_server.py          # MCP 服务器
├── src/                       # TypeScript SDK
│   ├── index.ts               # 主入口
│   ├── cli.ts                 # 命令行接口
│   └── mcp-tools.ts           # MCP 工具定义
├── skills/                    # OpenClaw 技能目录
│   └── self-evolving-skill/    # 技能封装
├── MCP_CONFIG.md              # MCP 配置说明
└── README.md                   # 项目文档

MCP 工具

使用方式

命令行接口 (CLI)

# 列出所有技能
openclaw skill self-evolving-skill list

# 创建新技能
openclaw skill self-evolving-skill create --name "MySkill"

# 执行技能
openclaw skill self-evolving-skill execute <id> --success

# 分析嵌入向量
openclaw skill self-evolving-skill analyze --embedding '[0.1,0.2,...]'

# 查看统计信息
openclaw skill self-evolving-skill stats

MCP 服务器

# 启动 MCP 服务器
cd ~/.openclaw/skills/self-evolving-skill
./run_mcp.sh

# 或使用适配器调用
python3 mcporter_adapter.py skill_list '{}'

编程调用

import { SelfEvolvingSkillEngine } from 'self-evolving-skill';

const engine = new SelfEvolvingSkillEngine();
await engine.init();

const { skillId } = await engine.createSkill({ name: 'Analyzer' });
const stats = await engine.stats();

核心算法

1. 残差金字塔分解

pyramid = ResidualPyramid(max_layers=5, use_pca=True)
decomposition = pyramid.decompose(embedding)

# 输出:
# - residual_ratio: 残差能量比率
# - suggested_abstraction: POLICY / SUB_SKILL / PREDICATE
# - novelty_score: 综合新颖性评分

2. 三层跃迁规则

3. 自适应阈值

trigger = ReflectionTrigger(
  min_energy_ratio=0.10,     # 初始阈值
  value_gain_threshold=0.20, # 触发阈值
  target_trigger_rate=0.15   # 目标触发率 15%
)

文件位置

相关文档

• README.md - 完整项目文档
• MCP_CONFIG.md - MCP 配置详细说明
• MEMORY.md - 研究笔记