4-Schichten-Selbstaudit-System für die Verhaltensentwicklung von OpenClaw

Ein Entwickler, der OpenClaw seit 6 Wochen als dauerhaften KI-Assistenten betreibt, identifizierte ein wiederkehrendes Problem: Claudes Selbstprüfung des eigenen Verhaltens erzeugte blinde Flecken, was zu wiederholten Fehlern führte, wie etwa das Deklarieren von Korrekturen als "erledigt" ohne Tests oder das Beschreiben geplanter Arbeiten mit derselben Zuversicht wie abgeschlossener Arbeiten.

Das 4-Schichten-Prüfsystem

Die Lösung ist ein 4-Schichten-System, das für Verhaltensentwicklung statt Modelltraining konzipiert ist. Die Gewichte ändern sich nicht, aber die Betriebsanweisungen werden durch diese Schichten intelligenter:

• Nachkorrektur-Verifizierung: Korrektur + Test + Nachweis als ein atomarer Schritt. Kein "korrigiert" ohne Beweis.
• Mustererkennung: Wöchentlicher Cron-Job, der das Fehlerprotokoll liest und nach Clustern sucht (gleicher Fehler 2+ Mal = Systemproblem).
• Externe Spiegelung: Sitzungszusammenfassungen an Gemini oder ein anderes LLM mit der Aufforderung "finde heraus, worauf dieser Assistent blind ist" senden. Unterschiedliche Architekturen erzeugen unterschiedliche blinde Flecken.
• Erwartung vs Realität: Tägliche Prüfung, um zu verifizieren, ob die "korrigierten" Punkte von gestern tatsächlich korrigiert blieben.

Ergebnisse und Implementierung

Im ersten echten Test fand Gemini 2 Muster, die Claude bei der Selbstprüfung völlig übersehen hatte. Beides waren echte Probleme, die aus dem System heraus nicht erkannt worden wären.

Das System enthält Sicherheitsvorkehrungen: menschliche Genehmigung für Verhaltensänderungen, geschützte Dateien, die tabu sind, und maximal 3 Korrekturen pro Zyklus. Der Code ist auf GitHub verfügbar unter https://github.com/oscarsterling/reasoning-loop.