# CopilotKit CLiF бере правила для агента з кліків користувачів > CopilotKit CLiF записує дії агента й користувачів в одну стрічку та пропонує навички для агента. Самохостинг є, але дії користувачів поки в early access. - Опубліковано: 15 жовтня 2026 р. (2026-10-15T16:03:03.557107+00:00) - Розділ: Агенти - На основі публікації: [MarkTechPost](https://www.marktechpost.com/2026/10/15/copilotkit-releases-clif-a-continual-learning-platform-that-turns-agent-traces-and-user-actions-into-skills-evals-and-fine-tuning-data/) - Видання: AiiN (https://aiin.news) - URL: https://aiin.news/article?slug=copilotkit-clif-%D0%B1%D0%B5%D1%80%D0%B5-%D0%BF%D1%80%D0%B0%D0%B2%D0%B8%D0%BB%D0%B0-%D0%B4%D0%BB%D1%8F-%D0%B0%D0%B3%D0%B5%D0%BD%D1%82%D0%B0-%D0%B7-%D0%BA%D0%BB%D1%96%D0%BA%D1%96%D0%B2-%D0%BA%D0%BE%D1%80%D0%B8%D1%81%D1%82%D1%83%D0%B2%D0%B0%D1%87%D1%96%D0%B2 --- CopilotKit представила CLiF у ранньому доступі — платформу, яка записує дії агента й користувачів у продукті в одну часову лінію та перетворює їх на навички, евали й дані для файнтюнінгу. Трейс показує, де агент помилився, але може не містити правильного шляху. Приклад, [за даними CopilotKit](https://www.copilotkit.ai/blog/introducing-clif): у підтримку приходить тікет «з мене списали кошти двічі». Оператор перевіряє тариф, знаходить повторне списання і, оскільки клієнт має річний тариф, зараховує кошти на баланс акаунта замість повернення. Так заведено в команді, але жодна документація чи промпт цього не фіксують. CLiF має допомогти виявляти такі правила в діях людей у продукті. ## Чим CLiF відрізняється від звичайного трейсингу агентів? CLiF записує повну траєкторію завдання: і трейс агента — запуски, виклики інструментів, зміни стану, — і дії користувача в продукті — вміст екрана, натискання кнопок та серверні запити. Якщо користувач розмовляв з агентом, ця розмова потрапляє на ту саму часову лінію. CLiF збирає дані через AG-UI — відкритий протокол, який CopilotKit створила для зв'язку агентів із застосунками. AG-UI вже передає події агента на фронтенд, тому дії користувача йдуть тим самим потоком, без окремого аналітичного пайплайну для подальшого об'єднання даних. За словами CopilotKit, CLiF працює з будь-яким агентним harness і будь-якою моделлю, незалежно від того, чи агент працює у вебзастосунку, мобільному клієнті, Slack або Teams. ## Як траєкторія стає навичкою? CLiF перетворює траєкторії на навички за чотири етапи, [за даними MarkTechPost](https://www.marktechpost.com/2026/10/15/copilotkit-releases-clif-a-continual-learning-platform-that-turns-agent-traces-and-user-actions-into-skills-evals-and-fine-tuning-data/), і кожну навичку перед публікацією затверджує людина. - Збір. Сесії потрапляють у learning containers, кожен із яких відповідає одному типу роботи, наприклад підтримці з питань білінгу чи онбордингу. Контейнер для сесії обирає колбек getTrajectoryLearningContainerIds, і кожен контейнер вчиться лише на своїх сесіях. - Пошук патернів. Аналіз запускається за розкладом, коли в контейнері накопичиться задана кількість нових сесій, або вручну. Він працює з фіксованим знімком сесій і формує Insights: повторювані запити, виправлення та труднощі, які користувачі обходять. Кожен Insight посилається на конкретні події та вихідну траєкторію. - Перевірка. Коли доказів достатньо, CLiF пропонує навичку у вигляді файлу SKILL.md. Сервіс аналізу сам нічого не публікує: людина схвалює або відхиляє пропозицію в інтерфейсі CopilotKit Intelligence чи через CopilotKit CLI. Система зберігає версії опублікованих навичок, а команда може відкликати їх будь-коли. - Доставка й експорт. Навички надходять до агента без редеплою, а для стабільності агента можна прив'язати до фіксованої версії навички. Для іншого агента чи MCP-сервера навички можна завантажити файлами командою copilotkit skills download --output . ## Що з цього працює вже сьогодні? CopilotKit повідомляє, що навчання на траєкторіях самого агента вже працює, а траєкторії продукту, тобто дії користувачів, перебувають у ранньому доступі. Траєкторії агента охоплюють його розмови, зокрема виправлення та додатковий контекст від користувача. Команди з раннім доступом також отримують із того самого пайплайну кандидатів для евалів на основі продакшн-даних. CopilotKit заявляє, що команди, які використовують траєкторії продукту, можуть побачити зменшення кількості повторюваних завдань до 80% за перші два тижні. У наданому тексті блогу компанія не описує методику розрахунку й початковий рівень для порівняння. Вона також описує ручний підхід як одне-два виправлення на день, зазвичай після скарги клієнта, а підготовку евалів для ключових сценаріїв — як написання тисяч кейсів вручну. ## Де зберігаються дані і що з приватністю? CLiF можна повністю розгорнути у власній інфраструктурі: CopilotKit Intelligence встановлюють за допомогою Helm-чарту в Kubernetes-кластері або на AWS ECS/Fargate. Потрібні власні Postgres, Redis і провайдер ідентифікації, як-от Okta, Azure AD чи Keycloak. За словами CopilotKit, траєкторії, навички та все вивчене залишаються у вашому VPC чи локальній інфраструктурі, а трейси можна надсилати у власний OpenTelemetry-колектор. Навчання на траєкторіях агента також працює в керованій хмарі CopilotKit. Джерела не пояснюють, як CLiF маскує персональні дані. Опис траєкторії включає вміст екрана користувача, але згадки про безпечне збирання даних не розкривають механізму маскування. ## Як застосувати доступні можливості CLiF? Команда може розділити сесії за типами роботи, зафіксувати версію навички або експортувати схвалені навички для інших агентів. - Для сесій через AG-UI задайте learning containers за типом роботи в колбеку getTrajectoryLearningContainerIds: кожен контейнер вчиться лише на своїх сесіях. - Для стабільності прив'яжіть агента до фіксованої версії навички. - Для агентів поза CopilotKit завантажте схвалені навички командою copilotkit skills download як звичайні файли SKILL.md. --- Теги: AI, AIагенти, CopilotKit, AGUI, Agents, ContinualLearning Джерело: AiiN — https://aiin.news/article?slug=copilotkit-clif-%D0%B1%D0%B5%D1%80%D0%B5-%D0%BF%D1%80%D0%B0%D0%B2%D0%B8%D0%BB%D0%B0-%D0%B4%D0%BB%D1%8F-%D0%B0%D0%B3%D0%B5%D0%BD%D1%82%D0%B0-%D0%B7-%D0%BA%D0%BB%D1%96%D0%BA%D1%96%D0%B2-%D0%BA%D0%BE%D1%80%D0%B8%D1%81%D1%82%D1%83%D0%B2%D0%B0%D1%87%D1%96%D0%B2. Цитуючи, посилайтесь на канонічний URL.