Feedback Loop Skill

反馈循环器 - 一个完整的反馈收集、分析和改进跟踪系统，用于 OpenClaw 代理的持续优化。

功能概述

核心功能

1. 反馈收集（Feedback Collection）

   • 显式反馈：用户主动评分、评论
   • 隐式反馈：从交互模式自动检测（完成、重试、放弃等）
   • 自动检测：基于会话模式智能识别反馈信号

2. 反馈分析（Feedback Analysis）

   • 聚类分析：按类别、情感、评分分组
   • 趋势分析：时间序列趋势检测
   • 情感分析：正/负/中性情感分布
   • 模式检测：识别 recurring issues、行为模式等

3. 改进建议生成（Improvement Suggestions）

   • 基于分析结果自动生成可执行的改进建议
   • 优先级排序（high/medium/low）
   • 包含具体 action items 和预期影响

4. 效果跟踪（Effect Tracking）

   • 跟踪建议实施进度
   • 测量实施前后的影响
   • 生成综合报告

安装

# 通过 ClawHub 安装（推荐）
clawhub install feedback-loop

# 或手动安装
cd ~/.openclaw/workspace/skills/feedback-loop
npm install
npm link

使用方法

CLI 命令

1. 提供反馈（provide）

显式反馈：

feedback-loop provide --type explicit --rating 5 --comment "Excellent response!" --category accuracy

隐式反馈：

feedback-loop provide --type implicit --signal completion --sessionId sess123
feedback-loop provide --type implicit --signal retry --metrics '{"retryCount": 3}'

参数说明：

• --type: feedback 类型（explicit 或 implicit）
• --rating: 评分（1-5, thumbs_up, thumbs_down）
• --comment: 可选评论
• --category: 反馈类别（accuracy, speed, helpfulness 等）
• --signal: 隐式信号类型（completion, retry, abandon, correction 等）
• --sessionId: 会话标识符
• --metrics: JSON 格式的性能指标
• --context: JSON 格式的上下文信息

2. 分析反馈（analyze）

# 分析最近一周的反馈
feedback-loop analyze --range week

# 只分析显式反馈
feedback-loop analyze --explicit-only

# 分析最近一个月的数据，输出 JSON
feedback-loop analyze --range month --output json

参数说明：

• --range: 时间范围（day, week, month, all）
• --explicit-only: 仅分析显式反馈
• --output: 输出格式（json, pretty）

3. 生成建议（suggest）

# 生成最多 5 条建议
feedback-loop suggest --max 5

# 专注于特定类别
feedback-loop suggest --focus quality --max 10

参数说明：

• --max: 最大建议数量
• --focus: 专注的类别
• --output: 输出格式

4. 跟踪进度（track）

# 跟踪建议实施进度
feedback-loop track fb_123456 --phase implementation --status in_progress

# 标记为已完成
feedback-loop track fb_123456 --phase deployed --status completed --notes "Successfully implemented"

参数说明：

• --phase: 实施阶段（planning, implementation, testing, deployed）
• --status: 状态（in_progress, completed, blocked）
• --notes: 附加说明
• --metrics: JSON 格式的进度指标

5. 查看统计（stats）

feedback-loop stats
feedback-loop stats --output json

6. 列出数据（list）

# 列出反馈
feedback-loop list feedback --limit 10
feedback-loop list feedback --type explicit

# 列出建议
feedback-loop list suggestions --status pending
feedback-loop list suggestions --category quality

# 列出跟踪记录
feedback-loop list tracking --phase implementation

7. 生成报告（report）

feedback-loop report
feedback-loop report --output json

8. 导出数据（export）

feedback-loop export --format json --output data.json
feedback-loop export --format csv --output data.csv

编程接口

const FeedbackLoop = require('./src/index');

const fl = new FeedbackLoop();

// 提供反馈
fl.provide({
  type: 'explicit',
  rating: 5,
  comment: 'Great!',
  category: 'helpfulness'
});

// 分析
const analysis = fl.analyze({ timeRange: 'week' });

// 生成建议
const suggestions = fl.suggest({ maxSuggestions: 5 });

// 跟踪
fl.track(suggestionId, {
  phase: 'implementation',
  status: 'in_progress'
});

// 获取统计
const stats = fl.getStats();

// 获取报告
const report = fl.getReport();

触发方式

主动收集

• 在会话结束时自动请求评分
• 定期生成分析报告
• 检测到低满意度时触发改进流程

自动检测

• 高重试率 → 推断用户遇到困难
• 快速完成 → 推断用户满意
• 早期放弃 → 推断响应不符合期望
• 多次追问 → 推断高参与度

数据结构

反馈记录

{
  "id": "fb_1234567890_abc123",
  "timestamp": "2024-01-15T10:30:00.000Z",
  "type": "explicit",
  "sessionId": "sess_123",
  "rating": 5,
  "comment": "Excellent response!",
  "category": "accuracy",
  "metadata": {},
  "source": "cli"
}

隐式反馈

{
  "id": "fb_1234567890_def456",
  "timestamp": "2024-01-15T10:30:00.000Z",
  "type": "implicit",
  "sessionId": "sess_123",
  "signal": "completion",
  "metrics": { "responseTime": 2500 },
  "context": { "autoDetected": true },
  "inferredSentiment": "positive"
}

改进建议

{
  "id": "fb_1234567890_ghi789",
  "timestamp": "2024-01-15T10:30:00.000Z",
  "title": "Address recurring issues in accuracy",
  "description": "5 negative feedback items identified...",
  "category": "accuracy",
  "priority": "high",
  "actionItems": [...],
  "expectedImpact": "Reduce negative feedback...",
  "status": "pending"
}

最佳实践

1. 定期分析：每周运行一次分析，及时发现趋势
2. 快速响应：对高优先级建议立即采取行动
3. 持续跟踪：记录每个建议的实施进度
4. 衡量影响：实施后对比前后数据
5. 闭环管理：确保每个反馈都有对应的改进行动

文件结构

feedback-loop/
├── SKILL.md           # 技能文档
├── package.json       # 项目配置
├── bin/
│   └── cli.js         # CLI 入口
├── src/
│   ├── index.js       # 主入口
│   ├── storage.js     # 数据存储
│   ├── collector.js   # 反馈收集
│   ├── analyzer.js    # 反馈分析
│   ├── suggester.js   # 建议生成
│   └── tracker.js     # 效果跟踪
├── data/              # 数据目录（自动生成）
│   ├── feedback.json
│   ├── analysis.json
│   ├── suggestions.json
│   └── tracking.json
└── test/
    └── run.js         # 测试脚本

注意事项

• 数据存储在 data/ 目录下，定期备份重要数据
• 建议设置定期清理策略，避免数据文件过大
• 敏感反馈数据应注意隐私保护

版本历史

• 1.0.0 - 初始版本
  • 完整的反馈收集功能
  • 多维度分析能力
  • 智能建议生成
  • 效果跟踪系统