CLiF

开源CopilotKit框架与AG‑UI协议背后团队推出CLiF持续学习平台，现已开启早期访问。CLiF能够安全捕获AI代理执行记录与产品内用户操作，将完整会话轨迹转化为可复用代理技能、生产场景评估用例以及微调数据集，原始轨迹支持完整导出。CopilotKit项目在GitHub已有超过38000 Star。

行业痛点：代理观测与用户行为数据相互割裂

目前绝大多数AI代理可观测工具只聚焦代理侧，记录提示词、工具调用、模型输出，只能看到代理出错的地方，但无法获取用户实际完成任务的正确操作路径。而产品埋点、会话录屏这类用户分析数据，设计初衷是业务报表，不能直接用于训练、测试AI代理。两套数据分属不同管线，无法合并到统一时间线，这是大规模部署代理的核心阻碍。

用户在产品里日复一日的操作流程，本身就是最有价值的训练素材，但长期缺少能够被AI代理读取、学习的标准化采集方式。

全栈轨迹：基于AG‑UI协议统一采集

CLiF属于CopilotKit Intelligence组件，核心原语为全栈轨迹，依靠AG‑UI（代理-用户交互开放协议）完成采集。AG‑UI架设在应用前端与代理之间，可同步捕获两类事件到单条时间流，无需后期拼接：

1. 代理轨迹：每一轮推理、工具调用、状态变更与返回结果；
2. 产品轨迹：页面视图、用户点击动作、服务端请求，以及用户和代理的对话内容。

开发者可以在CopilotKit Intelligence里回放完整会话，按时间顺序查看点击、接口请求与AI交互。已有生产代理还可以从LangGraph Server、LangSmith导入历史会话，不用从零采集。

CLiF四阶段持续学习循环

1. 捕获：会话轨迹归入学习容器，按业务场景划分（如客户入职、账单工单），容器仅从对应会话学习，运行时回调分配会话归属，后续可手动迁移会话。
2. 模式挖掘：会话量达到阈值后自动分析，也支持手动触发。引擎识别高频请求、用户反复修正、产品交互摩擦点，生成Insight，每条结论都关联原始会话轨迹。
3. 人工审查：识别出可复用流程后，自动生成SKILL.md技能提案。所有技能必须人工在UI或CLI审批后方可发布，支持版本管理，可随时下线。
4. 交付与导出：技能下发至代理，无需服务重新部署；可固定技能版本保证稳定性。支持命令行批量导出技能文件，同时输出评估案例、微调数据集、原始事件轨迹。

能力输出与多框架适配

同一份全栈轨迹，可产出四类资产，兼容现有开发工具链：

• 代理/MCP服务器可用技能，按需动态加载，不会覆盖系统提示、安全规则；
• 真实业务生成的评估集，包含人工很难提前想到的边缘场景；
• 微调数据集，用来训练轻量化开源模型承接高频工作流，降低推理成本；
• 原始全栈轨迹，可导出到任意可观测性平台。

技能适配器兼容LangGraph、Mastra、Google ADK、Microsoft Agent Framework、CopilotKit内置代理，MCP服务器发布技能后，Claude等外部AI代理也可以加载使用。

实战示例：项目管理Sprint收尾自动化

以项目管理平台Sprint关闭场景举例：产品自带一键迁移未完成任务功能，但真实团队负责人操作流程更加复杂，在一键迁移之后，还会二次处理遗留任务、标记阻塞问题。这类隐性流程不会写在产品文档，普通代理观测工具也捕获不到。

CLiF从大量用户会话中发现这套隐性工作流，生成技能提案。审核上线后，内置代理与接入MCP的外部代理都能遵循该流程；会话样本同时自动转为评估用例与微调数据集。

解决大规模代理五大痛点

• 评估难题：自动挖掘真实用户边缘案例，持续扩充评估套件；
• 上下文膨胀：技能按需加载，不再把全部规则塞进系统提示；
• 推理成本：生产轨迹生成微调数据，高频业务下沉至小模型；
• 技术栈碎片化：依托AG‑UI，兼容任意模型、各类代理框架，AG‑UI得到谷歌、微软、Anthropic等厂商支持；
• 代理管控：全部技能带版本、可追溯，人工审核，方便企业管控影子AI。

部署模式

CLiF支持两种部署方式：托管云快速启用；或者完整自托管，基于Helm Chart部署在K8s、AWS ECS/Fargate，配套自有Postgres、Redis、身份认证系统。所有轨迹与业务数据保留在企业VPC内，不会外流出网，也支持对接OpenTelemetry采集链路数据。

要点小结

1. CopilotKit CLiF进入早期访问，依靠AG‑UI采集「代理行为+用户操作」统一全栈轨迹，打通生产数据到代理能力的闭环。
2. 四阶段学习流程，自动挖掘业务模式生成技能，强制人工审核，技能版本化、可回滚，无需重新部署即可更新代理行为。
3. 输出技能、评估集、微调数据集、原始轨迹四类资产，兼容MCP、主流代理框架，支持外部代理（Claude）加载技能。
4. 面向代理落地常见难题：评估构建、上下文膨胀、成本、多框架碎片化，支持完全自托管保障数据内网留存。