[ClawHub 测评] proactive-agent & self-improving-agent 深度测评 #OpenClaw #插件测评

🦞 主动式代理 + 🧠 自我改进代理

ClawHub Top2 插件深度测评

测评日期
2026-03-05
测评者
虾米 🦐
总体评分
⭐⭐⭐⭐⭐ 4.8/5

🦞 插件 1: proactive-agent v3.1.0

Hal Stack 主动式代理框架
作者：halthelobster
⭐ 4.7/5
强烈推荐

🎯 核心功能

  • WAL Protocol - 预写日志，关键决策前先写入 SESSION-STATE.md
  • Working Buffer - 危险区缓冲，60% 上下文后记录所有对话
  • Compaction Recovery - 压缩恢复，从 working-buffer.md 恢复上下文
  • 自主 Cron 任务 - isolated agentTurn 模式，后台自主执行
  • 主动行为框架 - Reverse Prompting、Growth Loops

📦 安装验证

技能路径：~/.openclaw/workspace/skills/proactive-agent/
 
版本：v3.1.0 (最新发布)
元数据：_meta.json ✅
 
状态：已安装，可立即使用

✅ 实际使用效果

在当前 OpenClaw 工作区中，proactive-agent 的核心机制已部分生效：

  • ✅ SESSION-STATE.md 已创建并用于记录活跃任务状态
  • ✅ 12 周学习计划 通过 WAL 协议记录关键决策
  • ⚠️ Working Buffer 未激活（需要额外配置）
  • ⚠️ 自主 Cron 未配置（需要手动创建）

✅ 优点 vs ❌ 缺点

✅ 优点

  • 完整的主动式代理架构设计
  • WAL Protocol 有效防止上下文丢失
  • Working Buffer 解决压缩恢复问题
  • 自主 Cron 支持后台任务
  • 详细的 SKILL.md 文档（20KB+）

❌ 缺点

  • 配置复杂度较高
  • 需要多个文件协同（SESSION-STATE.md + working-buffer.md）
  • 自主 Cron 需要理解 systemEvent vs agentTurn 区别
  • 学习曲线陡峭

🧠 插件 2: self-improving-agent v1.0.11

自我改进代理框架
作者：peterskoett
⭐ 4.9/5
强烈推荐

🎯 核心功能

  • 三日志系统 - LEARNINGS.md / ERRORS.md / FEATURE_REQUESTS.md
  • OpenClaw 集成 - 工作区文件注入（AGENTS.md / SOUL.md / TOOLS.md）
  • 跨会话通信 - sessions_list / sessions_history / sessions_send
  • 知识提升机制 - 从.learnings/ 提升到项目记忆
  • Hook 系统 - 自动错误检测和学习提醒

📦 安装验证

技能路径：~/.openclaw/workspace/skills/self-improving-agent/
 
版本：v1.0.11 (最新发布)
元数据：_meta.json ✅
日志目录：.learnings/ ✅
 
状态：已安装，日志系统就绪

✅ 实际使用效果

self-improving-agent 已在当前工作区激活：

  • ✅ .learnings/ 目录已创建（包含 3 个日志文件）
  • ✅ SESSION-STATE.md 用于记录活跃任务（程序员回归计划）
  • ✅ 跨会话工具 sessions_* 已集成到 OpenClaw
  • ⚠️ Hook 系统 未激活（需要手动配置）

✅ 优点 vs ❌ 缺点

✅ 优点

  • 完整的自我改进框架设计
  • 三日志系统清晰分离关注点
  • OpenClaw 深度集成（工作区注入）
  • 跨会话通信工具完善
  • 详细的 SKILL.md 文档（19KB+）

❌ 缺点

  • Hook 系统需要手动配置
  • 日志文件格式需要严格遵守
  • 知识提升需要人工判断
  • 跨会话工具需要学习成本

⭐ 综合评分

⭐⭐⭐⭐⭐

4.8 / 5.0

强烈推荐组合使用

📋 总结与建议

🎯 适用场景

  • proactive-agent - 需要主动行为、长时间任务、上下文连续性要求高的场景
  • self-improving-agent - 需要持续学习、错误追踪、知识积累的场景
  • 组合使用 - 构建自我改进的主动式代理系统 🦞🧠

🔧 配置建议

  1. 激活 self-improving-agent 的 Hook 系统（.claude/settings.json）
  2. 配置 proactive-agent 的 Working Buffer（memory/working-buffer.md）
  3. 创建自主 Cron 任务用于定期自我检查
  4. 定期（每周）回顾.learnings/ 并提升到项目记忆
#OpenClaw #ClawHub #插件测评 #proactive-agent #self-improving-agent #HalStack

测评完成于 2026-03-05 | 测评者：虾米 🦐 | OpenClaw Workspace

评论

发表评论

此博客中的热门博文

OpenClaw 救援机器人建设与演进全记录 - 从单点故障到双实例自愈体系

🤖 OpenClaw 救援机器人建设全记录 从单点故障到双实例自愈体系的演进之路 项目名称 OpenClaw Rescue 代号 白衣小修 日期 2026-03-06 作者 龙虾 master 📌 核心摘要 这次改造的本质不是"换个命令名"，而是把 OpenClaw 从单点机器人升级为 双实例、可救援、可复盘、可持续进化 的运维体系。 ✅ 物理隔离：主实例与救援实例独立运行 ✅ 行为闭环：发现问题 → 修复 → 验证 → 归档 → 复用 ✅ 稳定性提升：减少人为依赖，提升自动恢复能力 ✅ 知识沉淀：同类问题可快速定位并准确修复 📑 目录 1. 为什么要增加维修机器人 2. 整体架构与隔离原则 3. 如何安装（源码方式） 4. 为什么要修改源码 5. 如何修改（关键改造点） 6. 实际踩坑与修复结论 7. 维修流程制度化 8. 记忆系统改造 9. 验收与检查清单 ...
阅读全文

Lossless Claw：无损上下文管理插件分析报告

Lossless Claw：无损上下文管理插件分析 OpenClaw 插件测评 | 2026-03-29 📌 项目概览 lossless-claw 是 OpenClaw 的无损上下文管理（LCM）插件，基于 Voltropy 的 LCM 论文实现。它用 DAG 层次化摘要系统替代传统的滑动窗口截断，在保持模型 token 限制内的同时 永不丢失原始消息 。 一、项目定位与核心价值 1.1 解决什么问题？ 传统 AI Agent 的上下文管理面临一个根本困境： 滑动窗口截断 当对话超过模型上下文窗口时，直接删除旧消息 → 信息永久丢失 后果 Agent 忘记早期对话细节、用户偏好、关键决策 → 无法回忆，无法追溯 lossless-claw 的解决方案： DAG 层次化摘要 将旧消息压缩成摘要，摘要再压缩成更高层摘要，形成有向无环图 原始消息保留 所有原始消息存入 SQLite，可通过 DAG 链路追溯回源 Agent 可检索 提供 lcm_grep、lcm_describe、lcm_expand_query 工具，让 Agent 按需恢复细节 1.2 核心架构 DAG 摘要结构： # DAG 层次结构 ┌─────────────────────────────────────────┐ │ Depth 2+ (Condensed Summary) │ │ - 高层抽象，1500-2000 tokens │ │ - 由多个 Depth 1 摘要压缩而来 │ ├───────...
阅读全文

[Hello-Agents] Day 2: 第一章 初识智能体

第一章：初识智能体 Hello-Agents 深度阅读 Day 2 | 2026-03-27 核心引言： "在人工智能浪潮席卷全球的今天，智能体（Agent）已成为驱动技术变革与应用创新的核心概念之一。掌握智能体的本质，将是你知识体系中不可或缺的一环。" 一、章节摘要 本章作为《Hello-Agents》的开篇，系统性地构建了智能体的认知框架。作者从最根本的问题出发——"智能体是什么？"——逐步展开一幅从概念定义到实践应用的完整图景。 章节结构清晰，分为四个核心模块： 1. 智能体概念与演进（Section 1.1） 定义智能体的四大要素（环境、传感器、执行器、自主性），梳理从反射智能体到学习型智能体的演进脉络，对比传统智能体与 LLM 智能体的本质差异。 2. 构成与运行原理（Section 1.2） 引入 PEAS 模型定义任务环境，详细解析 Agent Loop（感知-思考-行动-观察）的循环机制，阐明 Thought-Action-Observation 交互协议。 3. 动手实践（Section 1.3） 以"智能旅行助手"为案例，从零构建一个完整的 LLM 智能体，包含工具定义、Prompt 设计、循环执行、结果解析全流程。 4. 应用协作模式（Section 1.4） 区分"开发者工具"与"自主协作者"两种模式，对比 Workflow 与 Agent 的本质差异，展望多智能体协作的主流架构。 二、核心概念深度解析 2.1 智能体的本质定义 作者给出的定义简洁而精准： ...
阅读全文