skillclaw 是 amap-ml（高德地图机器学习团队）开源的 ai agent 技能集体进化框架。该框架通过本地 api 代理拦截 agent 会话，在后台自动从真实交互中提取、去重、优化并归档可复用技能，实现跨设备、跨 agent、跨团队的技能共享与持续进化。用户仅需像往常一样与 agent 对话，整个技能进化过程完全无需人工干预。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
Openclaw Soul Publish
下载
OpenClaw 自我进化框架一键部署。安装宪法(AGENTS.md)、可进化灵魂(SOUL.md)、心跳系统、PARA三层记忆架构、目标管理，并通过场景化对话引导用户定义 Agent 性格。自动配置 EvoClaw（审批制进化）和 Self-Improving Agent（自主学习）。触发场景："setup o...
SkillClaw的核心能力
- 无感式自动进化：依托任务执行循环与后台进化循环双轨机制，任务结束后系统自动提炼有效行为模式，全程对用户不可见。
- 全生态兼容性：原生适配 Hermes、Claude Code、OpenClaw、Codex、QwenPaw、IronClaw、PicoClaw 等主流 Agent 框架，并支持任意符合 OpenAI 接口规范的后端服务。
- 跨主体知识协同：任一用户在使用过程中形成的优质经验，将被自动转化为标准化技能，即时同步至同团队其他成员，打破信息孤岛。
- 技能生命周期自治：智能识别语义相近技能并合并，主动优化低效逻辑，定期归档失效技能，保障技能库长期健康演进。
-
多语言可视化管控台：通过
skillclaw dashboard命令一键启动本地管理界面，支持技能版本比对、验证结果追踪及原始会话溯源分析。
SkillClaw的底层机制
-
Client Proxy（客户端代理）：以轻量级本地代理形式运行，劫持
/v1/chat/completions等标准 API 请求，完整捕获对话上下文、工具调用参数、错误反馈等关键轨迹数据，并与中心化存储保持实时同步。 - Workflow Evolve Server（工作流进化服务器）：采用三阶段 LLM 驱动流水线——先对会话进行结构化摘要（Summarize），再聚合跨会话行为识别高频模式（Aggregate），最后生成或更新技能定义并写入共享库（Execute）。
- Agent Evolve Server（智能体进化服务器）：基于 OpenClaw 构建的增强型引擎，具备自主读取原始轨迹、深度诊断失败根因、直接编辑 SKILL.md 文件的能力，适用于高阶技能治理场景。
SkillClaw的上手流程
-
获取源码并安装：执行
git clone https://www.php.cn/link/dce035888975cf4a2462296ee08f5ef6.git，随后运行安装脚本构建独立 Python 虚拟环境（≥3.10）。 -
初始化配置向导：运行
skillclaw setup，按提示选择目标 Agent 框架、填写上游模型 API 密钥、指定技能存储后端（本地目录 / OSS / S3）。 -
启用会话捕获：执行
skillclaw start --daemon启动代理服务，自动接管所有 Agent 的 API 流量并记录完整交互链路。 - 自然交互即可：照常与 Agent 完成各类任务，SkillClaw 在后台静默采集、分析、提炼技能，零操作负担。
-
开启进化服务（可选）：运行
skillclaw-evolve-server启动后台进化模块，实现从原始轨迹到成熟技能的全自动转化。 -
统一技能分发：借助
skillclaw skills pull/push/sync实现本地与共享仓库之间的双向同步，支撑团队级技能复用。 -
开启可视化看板（可选）：执行
skillclaw dashboard serve启动 Web 控制台，直观掌握技能迭代进度与质量状态。
SkillClaw的关键特性与运行条件
- 项目名称：SkillClaw
- 研发主体：AMAP-ML（高德地图机器学习团队）
- 开源协议：MIT 协议（GitHub 星标数已超 1.2K）
- 平台支持：macOS / Linux / Windows
- 运行依赖：Python ≥ 3.10，OpenAI-compatible API 或 AWS Bedrock 接入能力
- 部署形态：支持单机轻量部署，亦可平滑扩展为 OSS/S3 驱动的团队共享架构
-
安装路径：
git clone + bash scripts/install_skillclaw.sh -
核心命令流：
skillclaw setup → skillclaw start --daemon - 进阶依赖：如需启用 Agent 级自主进化能力，需额外安装 openclaw
SkillClaw的差异化价值
- 真正免改造接入：不侵入现有 Agent 工作流，部署即生效，无需修改任何业务代码或提示词工程。
- 经验资产化沉淀：个人在多终端、多 Agent 上积累的操作智慧自动聚合成可复用技能；团队中一人试错，全员规避同类问题。
- 生态开放无绑定：不锁定特定 Agent 运行时，覆盖当前绝大多数 CLI 类智能体框架，迁移与集成成本极低。
- 存储弹性可伸缩：从单机文件系统起步，无缝升级至对象存储集群，架构演进无需重构。
- 进化结果可验证：内置验证工作单元（Validation Worker），所有候选技能须经真实环境测试与质量评分后方可上线，杜绝退化风险。
SkillClaw的官方资源入口
SkillClaw与主流方案对比分析
| 维度 | SkillClaw | Mem0 | Letta（原 MemGPT） |
|---|---|---|---|
| **定位** | Agent 技能集体进化框架 | 通用 AI Agent 记忆层 | Agent 运行时 + OS 式记忆管理 |
| **技能进化** | 从真实会话自动提炼 SKILL.md，自动去重、优化、归档 | 支持程序性记忆（Procedural Memory）存储流程，被动提取事实 | Agent 自主编辑三层记忆，无自动技能提炼与归档 |
| **共享机制** | OSS / S3 / 本地共享存储，团队原生支持 | 云端 API + OpenMemory MCP 本地版，跨应用共享记忆 | 自托管状态化服务，团队需自行部署共享 |
| **框架兼容** | Hermes、Codex、Claude Code、OpenClaw 等多框架即插即用 | 任意 Agent 通过 SDK / REST / MCP 接入 | 需采用 Letta 运行时，Agent 循环与记忆深度绑定，迁移成本高 |
| **去重优化** | 自动合并相似技能、淘汰低质量技能、保持技能库整洁 | 依赖外部实体解析与反射机制去重，无原生技能治理 | 无自动去重，记忆质量完全依赖 Agent 自主判断 |
| **部署方式** | 本地代理 + 可选进化服务器，渐进式扩展 | 托管 SaaS 或开源自托管，轻量接入 | 自托管状态化服务，运维复杂度较高 |
SkillClaw的典型落地场景
- 个体开发者增效：在家庭电脑、办公笔记本、实验室工作站等多终端间无缝同步技能库，避免重复调试与配置。
- 多角色 Agent 协同：前端 Agent 掌握的 UI 渲染最佳实践，可自动赋能后端 Agent 提升接口响应设计合理性。
- 企业级知识资产化：将运维排障路径、安全合规检查项、CI/CD 流程规范等隐性经验固化为可检索、可复用、可审计的技能资产。
-
自动化技能库治理：替代人工维护
.hermes/skills或skills/目录的传统方式，系统性解决技能冗余、冲突、陈旧等治理难题。
