技能和持续学习

技能是什么？

技能是 Markdown 文件，其中编码了成功的证明策略、领域内的惯例和常用技巧。它们会在每次任务执行前注入到代理提示词中，从而无需重新训练模型即可提升结果。

技能文件位于 ~/.eurekaclaw/skills/ 目录下。

查看您的技能

eurekaclaw skills

安装内置技能

eurekaclaw install-skills
eurekaclaw install-skills --force   # overwrite existing

从 ClawHub 安装

eurekaclaw install-skills steipete/github

从 ClawHub 下载。需要 clawhub 命令行界面。

EurekaClaw 如何学习

每次学习结束后，ContinualLearningLoop 都会自动运行。它：

1. 从会话中提取独特的故障模式

2. 运用大语言模型提炼成功的证明策略

3. 将新的 .md 技能文件写入 ~/.eurekaclaw/skills/ 目录

这些新技能将在以后的课程中自动应用。

学习模式

在 .env 文件中设置 EUREKACLAW_MODE：

模式	每次会话结束后运行的内容
skills_only (默认)	将失败结果提炼成新的技能文件
rl	技能提炼 + 过程奖励模型对证明轨迹进行评分
madmax	技能提炼 + PRM 评分 + 云端 LoRA 微调 (GRPO)

手动写作技巧

在 ~/.eurekaclaw/skills/ 目录下创建一个 .md 文件：

---
name: my_technique
version: "1.0"
tags: [probability, concentration]
agent_roles: [theory]
pipeline_stages: [theory]
description: When to use Azuma-Hoeffding vs Bernstein
source: manual
created_at: 2026-03-21T00:00:00
---

# Azuma vs Bernstein

Use Azuma-Hoeffding when:
- Bounded differences condition holds
- Variance is unknown

Use Bernstein when:
- You have a bound on the variance
- Gives tighter constant factors for small variance

有关完整的技能系统文档，请参阅技能参考。