knowledge-distiller

Liest MaxClaw-Session-Logs, Workflow-Outputs und ~/docs/system/, destilliert wiederkehrende Muster und schlägt gezielte Skill-Updates vor. Trigger weekly (Sonntag-Cron) oder nach größeren Themen-Phase

SKILL.md

GitHub

knowledge-distiller

MaxClaw's "Wochenrückblick": wertet Logs/Docs aus, findet Wiederholungen und schlägt vor, welche Skills erweitert oder angelegt werden sollten.

When to use

  • Sonntag-Abend-Cron → Wochenrückblick an Basti (Telegram).
  • Nach jeder größeren Themen-Phase (z. B. "GreyHack-Tool v2 fertig").
  • Vor dem Anlegen eines neuen Skills → prüfen, ob's schon Inhalt dafür gibt.

Pattern

1. Distiller-Script (scripts/distill.sh)

#!/usr/bin/env bash
# distill.sh — sammelt Quellen, ruft Python-Analyzer, postet Summary
set -euo pipefail
DOC_DIR="${1:-$HOME/docs/system}"
LOG_DIR="${2:-$HOME/.local/share/maxclaw/logs}"
OUT="${3:-$HOME/.cache/maxclaw/distill-$(date +%Y-W%V).md}"
mkdir -p "$(dirname "$OUT")"

python3 - <<PY > "$OUT"
import os, re, json, collections, datetime
from pathlib import Path

docs  = list(Path("$DOC_DIR").rglob("*.md"))
logs  = list(Path("$LOG_DIR").rglob("*.log"))

# 1) Häufigste Befehle aus Logs (Pattern, nicht Strings)
cmd_re = re.compile(r"\b(greybel build|sqlite3|rsync|openclaw cron|gh pr)\b\S*")
cnt = collections.Counter()
for log in logs[-50:]:                     # letzte 50 Logs
    for m in cmd_re.finditer(log.read_text(errors="ignore")):
        cnt[m.group(0)] += 1

# 2) Themen-Cluster aus Doku-Titeln
titles = [d.stem for d in docs]
clusters = collections.Counter()
for t in titles:
    head = re.split(r"[-_]", t)[0]
    clusters[head] += 1

# 3) Skill-Update-Hinweise: Commands die >3x vorkamen ohne dedizierten Skill
KNOWN_SKILLS = {"greyhack","sqlite","sandbox","telegram","github","bash"}
hints = [c for c, n in cnt.most_common() if n >= 3 and not any(s in c for s in KNOWN_SKILLS)]

print(f"# Wissens-Destillation {datetime.date.today()}\n")
print("## Top-Befehle (Logs, letzte 50)")
for c, n in cnt.most_common(10):
    print(f"- `{c}` ×{n}")
print("\n## Doku-Themen-Cluster")
for c, n in clusters.most_common(10):
    print(f"- **{c}** ({n} Dateien)")
if hints:
    print("\n## 💡 Vorgeschlagene neue Skills")
    for h in hints:
        print(f"- Skill für `{h}` anlegen (kam ≥3x in Logs vor)")
PY

echo "→ $OUT ($(wc -l < "$OUT") Zeilen)"

2. Skill-Update-Vorschlag-Generator

# scripts/suggest_skill_patch.py — vergleicht bekannte Skill mit aktuellen Patterns
import re, sys, pathlib, collections

SKILL_DIR = pathlib.Path(sys.argv[1])
log = pathlib.Path(sys.argv[2]).read_text(errors="ignore")

# Häufige Fehler/Befehle aus letztem Log-Lauf extrahieren
errors = collections.Counter(re.findall(r"ERROR\s+(.+)", log))
for err, n in errors.most_common(5):
    print(f"FEHLER-PATTERN: {err}  (×{n})")
    print(f"  → in SKILL.md unter 'Pitfalls' ergänzen")

3. Wochenrückblick an Telegram koppeln

# In register-workflows.sh ergänzen:
"knowledge-distill|0 23 * * 0|workflows/knowledge-distill.md|knowledge-distiller,telegram-notifier"

Pitfalls

  • ❌ Logs roh pasten → Telegram-Spam. Immer Clustern + Top-N.
  • ❌ Skill-Vorschläge ohne Evidenz ("könnte nützlich sein") → nicht handelbar. Immer mit Log-Count ≥3 belegen.
  • ❌ Distillation über mehrere Wochen kumulativ → Output wächst unkontrolliert. Pro Woche eigenes File (distill-YYYY-Www.md).
  • ✅ Output in ~/docs/system/insights/ archivieren — wird zur Historie.
  • ✅ Reflexions-Frage immer mit rein: "Was hat MaxClaw diese Woche NICHT gut gemacht?" → verhindert Selbst-Zufriedenheit.

Cron-Beispiel

# So 23:00 — Wochenrückblick
0 23 * * 0 /home/bratan/.openclaw/skills/knowledge-distiller/scripts/distill.sh \
    && SILENT_OK=1 notify.sh ok "knowledge-distill: fertig" \
    || notify.sh alert "knowledge-distill: fehlgeschlagen"