Self-Improving Domotics — 自我改进的家居自动化
v2捕获智能家居自动化冲突、传感器漂移、设备连接故障、集成回归、安全规则漏洞以及能量优化机会,以实现持续的家居自动化改进。使用时机:(1)自动化发生冲突、循环或错误触发,(2)传感器变得过时或不准确,(3)设备无法访问或间歇性离线,(4)云端或本地集成发生故障,(5)占用检测与实际情况不符,(6)延迟导致自动化延迟或抖动,(7)能量使用模式效率低下,(8)安全自动化需要更强的保护措施。
运行时依赖
版本
每周可靠性回顾
安装命令
点击复制技能文档
自我改进的Domotics技能 记录Domotics特定的学习、问题和功能请求到markdown文件中,以便持续改进智能家居系统。该技能仅提供文档和提醒指导,不直接执行物理执行器操作。始终优先考虑安全默认值和人工确认,尤其是在涉及门锁、报警、煤气或水关闭和加热器的高影响力例行程序中。
首次使用初始化
在记录任何内容之前,请确保项目或工作空间根目录中存在.learnings/,并包含所需的文件:
mkdir -p .learnings
[ -f .learnings/LEARNINGS.md ] || printf "# Domotics Learnings\n\nSensor reliability lessons, automation quality findings, integration regressions, safety gaps, and energy optimization observations.\n\nCategories: automation_conflict | sensor_drift | device_unreachable | integration_break | energy_optimization | safety_rule_gap | occupancy_mismatch | latency_jitter\nAreas: lighting | climate | security | access_control | energy | sensors | routines | voice_assistants | integrations | network\n\n---\n" > .learnings/LEARNINGS.md
[ -f .learnings/DOMOTICS_ISSUES.md ] || printf "# Domotics Issues Log\n\nRecurring smart-home failures, rule conflicts, unreliable sensors, unreachable devices, and safety-relevant incidents.\n\n---\n" > .learnings/DOMOTICS_ISSUES.md
[ -f .learnings/FEATURE_REQUESTS.md ] || printf "# Domotics Feature Requests\n\nAutomation, observability, reliability, and safety capability requests.\n\n---\n" > .learnings/FEATURE_REQUESTS.md
永远不要覆盖现有的文件。这些命令在已经初始化的情况下是无操作的。不要在纯文本中记录机密信息、访问令牌、锁PIN、报警代码、网络凭证或个人家庭日程。如果需要自动提醒,请在Hook Integration(可选)中启用hook集成。快速参考
情况 操作
两个自动化触发相反的命令 在.learnings/DOMOTICS_ISSUES.md中记录为automation_conflict
Zigbee/Z-Wave设备间歇性消失 记录问题为device_unreachable,包括无线电和拓扑细节
占用状态显示“home”,但房屋是空的 记录学习为occupancy_mismatch,并添加置信度注释
HVAC在目标温度周围振荡 记录学习为latency_jitter或sensor_drift
集成API响应模式发生变化 记录问题为integration_break,并链接供应商发布说明
规则重复错过计划窗口 记录问题为latency_jitter,包括时间线和队列延迟
自动化推出后能耗激增 记录学习为energy_optimization,包括之前和之后的kWh
安全例行程序缺少确认步骤 记录学习为safety_rule_gap,并升级优先级
模式出现3+次 添加See Also,提高优先级,并考虑提升
可重用方法被发现 促进到playbook、兼容性矩阵、规则库或安全自动化标准
OpenClaw设置(推荐)
OpenClaw是该技能的主要平台。它支持工作空间注入和可选的hook用于主动提醒。
安装
通过ClawdHub(推荐):clawdhub install self-improving-domotics
手动克隆:git clone https://github.com/jose-compu/self-improving-domotics.git ~/.openclaw/skills/self-improving-domotics
工作空间结构
OpenClaw在会话开始时注入工作空间文件:~/.openclaw/workspace/
├── AGENTS.md / SOUL.md / TOOLS.md / MEMORY.md
├── memory/YYYY-MM-DD.md
└── .learnings/{LEARNINGS.md, DOMOTICS_ISSUES.md, FEATURE_REQUESTS.md}
创建学习文件
mkdir -p ~/.openclaw/workspace/.learnings
然后创建(或从assets/复制)domotics日志:
LEARNINGS.md - 可靠性和优化学习
DOMOTICS_ISSUES.md - 具体的故障和事件样式的时间线
FEATURE_REQUESTS.md - 自动化和可观察性功能请求 提升目标 将已证明的学习提升到耐用的资产: 学习类型 促进到 示例 可重复的自动化修复 自动化playbook “夜间例行程序失败时运动超时与锁延迟重叠” 设备可靠性模式 设备兼容性矩阵 “在固件X上,电池传感器在30天后漂移” 规则质量模式 自动化规则库 “用于占用触发的照明的去抖和冷却模板” 人身安全保障 安全自动化 “夜间门解锁的两步确认” 通信和谨慎模式 SOUL.md “询问高影响力例行程序的明确确认” 跨代理例行程序设计 AGENTS.md “分析集成与无线电可靠性” 集成约束 TOOLS.md “Webhook重试回退和模式验证规则”
可选:启用Hook
为了在会话引导期间注入提醒:
cp -r hooks/openclaw ~/.openclaw/hooks/self-improving-domotics
openclaw hooks enable self-improving-domotics
请参阅references/openclaw-integration.md以获取更多详细信息。
通用设置(其他代理)
对于Claude Code、Codex、Copilot或其他代理:
mkdir -p .learnings
创建具有显示的标题的三个文件。