CopilotKit hat CLiF als Teil von CopilotKit Intelligence veröffentlicht. Die Plattform erfasst, welche Schritte ein Agent ausführt und wie Nutzer dieselbe Aufgabe im Produkt erledigen. Beide Abläufe werden als gemeinsame „Full-Stack Trajectory“ festgehalten. Nach Angaben von CopilotKit lassen sich daraus Skills, produktionsbasierte Evals und Fine-Tuning-Datensätze erstellen; auch die Rohdaten können exportiert werden.
Für die Erfassung nutzt CLiF AG-UI, das offene Protokoll von CopilotKit zur Verbindung von Agenten mit Anwendungen. Es bringt Agentenereignisse bereits an die Benutzeroberfläche. CLiF ergänzt dies um Nutzeraktionen wie angezeigte Inhalte, Klicks und ausgelöste Serveranfragen. Führt jemand währenddessen ein Gespräch mit dem Agenten, wird auch dieses in derselben zeitlichen Abfolge gespeichert. So können Teams eine Sitzung Schritt für Schritt nachvollziehen, statt Agenten-Trace und Produktnutzung getrennt auszuwerten.
Der Lernablauf ordnet Sitzungen zunächst sogenannten Learning Containers zu, die jeweils eine bestimmte Aufgabenart abdecken können, etwa Abrechnungssupport oder Kunden-Onboarding. Die Zuordnung erfolgt zur Laufzeit und kann später in der Intelligence-Oberfläche geändert werden. Sobald ein Container eine festgelegte Schwelle an neuen Sitzungen erreicht, kann die Analyse automatisch starten; Teams können sie auch manuell auslösen. Dabei wird laut CopilotKit ein eingefrorener Stand der Sitzungen ausgewertet, um wiederkehrende Muster und Korrekturen zu finden.
CopilotKit beschreibt CLiF als vierstufigen Prozess, der aus den erfassten Abläufen Skills, Evals und Trainingsdaten ableitet. Ein Mensch prüft dabei jeden Skill. Die Plattform soll vollständig selbst gehostet laufen. CopilotKit nennt außerdem Evals, zu umfangreichen Kontext, Kosten, getrennte Werkzeuge und nicht genehmigte KI-Nutzung als Probleme, auf die CLiF zielt. Das Unternehmen entwickelt auch das Open-Source-Framework CopilotKit und das AG-UI-Protokoll; CopilotKit gibt für sein Framework mehr als 38.000 GitHub-Stars an.