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.mdskills/knowledge-distiller/SKILL.md
GitHubknowledge-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"