CopilotKit 发布 CLiF：把智能体轨迹与用户操作转化为技能、评测与微调数据

CopilotKit 发布了持续学习平台 CLiF，目前处于早期访问阶段。据该公司介绍，CLiF 通过其创建的 AG-UI（Agent-User Interaction Protocol）协议，同时捕获智能体的运行轨迹与用户在产品界面中的操作，将两者合并为同一条时间线上的「全栈轨迹」，再据此生成技能、基于生产环境的评测用例和微调数据集，原始轨迹数据也可导出。

背景与影响

CopilotKit 认为，现有可观测性工具主要围绕智能体本身，记录提示词、工具调用与模型输出，能显示智能体在哪里出错，却看不到正确路径；而产品分析记录的是点击、漏斗与会话回放，面向的是看仪表盘的人，而非训练智能体。两者在生产环境中通常不在同一条时间线上。CLiF 的学习循环分为四步：捕获轨迹并归入限定某类工作的学习容器；按阈值或手动触发分析，产出带原始事件引用的洞察；由人工审核是否将洞察发布为 SKILL.md 技能；已发布技能无需重新部署即可送达智能体，也可下载为普通文件供其他智能体或 MCP 服务器使用。技能交付通过 LangGraph、Mastra、Google ADK、Microsoft Agent Framework 等适配器实现，开发者指令保持优先，技能不能覆盖智能体的角色、安全规则或工具限制。除技能外，同一批轨迹还可产出评测候选与微调数据集。

限制与来源

上述内容来自 CopilotKit 的官方说明及 MarkTechPost 的报道，具体功能范围、可用地区与获取方式尚未获独立验证，请以 CopilotKit 官网当前信息为准。CLiF 目前为早期访问，正式版本的功能与支持情况可能变化。