SKILL·11EFE5

hivemind-goals

activeloopai
Aktualisiert 27 days ago
4 Ansichten
1,593
105
1,593
Auf GitHub ansehen
Metageneral

Über

Diese Fähigkeit verwaltet sowohl übergeordnete Ziele als auch umsetzbare Aufgaben über das Hivemind-Zielsystem und ersetzt damit die alte Tasks-CLI. Sie erstellt und verfolgt Ziele, KPIs und Arbeitspakete, wenn Nutzer Vorgaben, Meilensteine oder konkrete Aktionen wie „X beheben“ oder „erinnere mich an“ erwähnen. Entwickler sollten die dafür vorgesehenen Tools (wie `hivemind_goal_add`) verwenden, anstatt direkt mit dem Host-Dateisystem zu interagieren.

Schnellinstallation

Claude Code

Empfohlen
Primär
npx skills add activeloopai/hivemind -a claude-code
Plugin-BefehlAlternativ
/plugin add https://github.com/activeloopai/hivemind
Git CloneAlternativ
git clone https://github.com/activeloopai/hivemind.git ~/.claude/skills/hivemind-goals

Kopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren

Dokumentation

Hivemind Goals (openclaw)

OpenClaw exposes purpose-built tools for goals + KPIs. Use them directly — do NOT try to write files via the host filesystem.

Tools

  • hivemind_goal_add({ text }) — create a new goal. Returns goal_id (UUID). Status starts at opened.
  • hivemind_kpi_add({ goal_id, kpi_id, target, unit, name? }) — add a KPI to an existing goal. Only call when the user explicitly asks for KPIs; do NOT auto-generate.
  • hivemind_search({ query }) — search Hivemind shared memory (summaries + sessions). Use this when the user asks "what's already there" before creating a duplicate.
  • hivemind_read({ path }) — read the full content of a specific Hivemind path.
  • hivemind_index({}) — list everything in memory.

Workflow when the user expresses a goal

  1. (Optional) hivemind_search first to surface any existing related goal.
  2. hivemind_goal_add({ text: "<short description>" }) — capture the returned goal_id.
  3. ONLY if the user asks for KPIs: hivemind_kpi_add once per KPI with goal_id + kpi_id (short slug like k-prs) + target (positive int) + unit.
  4. Confirm to the user with the goal_id and that the goal is team-visible.

Capture a task for later (with resumable context)

When the user parks a tangential task mid-session — "save this for later", "remind me to …", "don't let me forget …", "let's do X later" — store enough context to resume cold later, not just a one-liner. Put the full package in the text of hivemind_goal_add:

hivemind_goal_add({ text:
  "Add rate-limiting to the webhook handler\n\n" +
  "Start here: add a per-IP token bucket on the handler entry path\n" +
  "Files: src/webhook/handler.ts:120-160, src/webhook/limits.ts\n" +
  "Branch: feat/webhook-hardening\n" +
  "Run: pnpm test webhook\n" +
  "Why: bursty clients hammer the endpoint; defer until retry-backoff lands" })

Line 1 is the label. Fill Start here / Files / Branch / Run / Why from the conversation; Start here: (the concrete first action) matters most. (OpenClaw's hivemind_goal_add has no provenance flag, so the row is tagged manual — that's fine; the context is what matters.)

Resume a parked task (automatic context transfer)

When the user says "let's work on that task / goal" or "pick up the <X> task":

  1. hivemind_search({ query: "<topic>" }) or hivemind_index({}) to locate the parked goal, then hivemind_read({ path: "memory/goal/<owner>/opened/<goal_id>.md" }) to pull the full context package back.
  2. Read it as your working context and begin from Start here: using the Files / Branch / Run lines — continue as if the context was never lost.

(Status-move tools aren't exposed on OpenClaw, so leave the goal where it is and just resume the work.)

What NOT to do

  • Do NOT write files anywhere under ~/.deeplake/memory/. OpenClaw's runtime does not route filesystem writes to the Deeplake tables — only the hivemind_* tools above do.
  • Do NOT call hivemind_kpi_add unsolicited. Wait for the user to ask.
  • Do NOT use hivemind_search to create anything — it's read-only.

GitHub Repository

activeloopai/hivemind
Pfad: harnesses/openclaw/skills/hivemind-goals
0
aiai-agentsai-memoryanthropicartificial-intelligenceclaude
FAQ

Häufig gestellte Fragen

Was ist der Skill hivemind-goals?

hivemind-goals ist ein Claude Skill von activeloopai. Skills bündeln Anweisungen und Ressourcen, die Claude bei Bedarf lädt, um Aufgaben rund um hivemind-goals ohne zusätzliche Eingaben auszuführen.

Wie installiere ich hivemind-goals?

Verwende die Installationsbefehle auf dieser Seite: Füge hivemind-goals als Plugin zu Claude Code hinzu oder klone das Repository in dein Skills-Verzeichnis. Starte Claude danach neu, damit der Skill geladen wird.

Zu welcher Kategorie gehört hivemind-goals?

hivemind-goals gehört zur Kategorie Meta.

Kann ich hivemind-goals kostenlos nutzen?

Ja. hivemind-goals ist auf AIMCP gelistet und kann kostenlos installiert werden.

Verwandte Skills

content-collections
Meta

Diese Skill bietet eine produktionsgetestete Einrichtung für Content Collections – ein TypeScript-first-Tool, das Markdown/MDX-Dateien in typsichere Datensammlungen mit Zod-Validierung umwandelt. Verwenden Sie ihn beim Erstellen von Blogs, Dokumentationsseiten oder inhaltsstarken Vite + React-Anwendungen, um Typsicherheit und automatische Inhaltsvalidierung zu gewährleisten. Er behandelt alles von der Vite-Plugin-Konfiguration und MDX-Kompilierung bis hin zur Deployment-Optimierung und Schema-Validierung.

Skill ansehen
polymarket
Meta

Diese Fähigkeit ermöglicht es Entwicklern, Anwendungen mit der Polymarket-Prognosemärkte-Plattform zu erstellen, einschließlich API-Integration für Handel und Marktdaten. Sie bietet außerdem Echtzeit-Datenstreaming über WebSocket, um Live-Trades und Marktaktivitäten zu überwachen. Nutzen Sie sie zur Implementierung von Handelsstrategien oder zur Erstellung von Tools, die Live-Marktaktualisierungen verarbeiten.

Skill ansehen
creating-opencode-plugins
Meta

Diese Fähigkeit unterstützt Entwickler dabei, OpenCode-Plugins zu erstellen, die in über 25 Ereignistypen wie Befehle, Dateien und LSP-Operationen eingreifen. Sie bietet die Plugin-Struktur, Event-API-Spezifikationen und Implementierungsmuster für JavaScript/TypeScript-Module. Nutzen Sie sie, wenn Sie den Lebenszyklus des OpenCode KI-Assistenten mit benutzerdefinierter ereignisgesteuerter Logik abfangen, überwachen oder erweitern müssen.

Skill ansehen
sglang
Meta

SGLang ist ein hochperformantes LLM-Serving-Framework, das sich auf schnelle, strukturierte Generierung für JSON, Regex und agentenbasierte Workflows unter Verwendung seines RadixAttention-Prefix-Cachings spezialisiert. Es bietet deutlich schnellere Inferenz, insbesondere für Aufgaben mit wiederholten Präfixen, was es ideal für komplexe, strukturierte Ausgaben und Mehrfachdialoge macht. Wählen Sie SGLang gegenüber Alternativen wie vLLM, wenn Sie constrained decoding benötigen oder Anwendungen mit umfangreicher Präfix-Weitergabe entwickeln.

Skill ansehen