SkillClaw

SkillClaw – 高德开源的 AI Agent 技能集体进化框架

SkillClaw：开启 AI Agent 技能的集体进化与无缝共享新纪元

想象一下，您与 AI Agent 的每一次互动，都在悄然为整个生态系统贡献一份力量。这不再是遥不可及的未来，而是 SkillClaw 带来的现实。SkillClaw，由高德地图机器学习团队（AMAP-ML）倾力打造并开源，是一个性的 AI Agent 技能集体进化框架。它巧妙地通过本地 API 代理拦截 Agent 会话，在后台默默地从真实的交互中提取、去重、优化并归档可复用的技能，从而实现跨设备、跨 Agent、乃至跨团队的技能共享与持续演进。最令人惊喜的是，这一切对用户而言是完全透明的——您只需像往常一样与 Agent 对话，技能的进化过程将全程零额外操作，悄无声息地进行。

SkillClaw 的核心能力

• 静默的自动进化：SkillClaw 采用创新的任务时间循环与进化循环双重架构。一旦任务完成，框架便会在后台自动提炼出有价值的技能，这一过程对用户来说完全是“隐形”的，无需任何干预。
• 广泛的跨框架兼容性：该框架原生支持 Hermes、Claude Code、OpenClaw、Codex、QwenPaw、IronClaw、PicoClaw 等一系列主流 Agent 框架，并且能够无缝对接任何 OpenAI-compatible API，确保了极高的灵活性和广泛的应用范围。
• 集体智慧的共享：团队内任何一位成员通过与 Agent 交互积累的宝贵经验，都能自动沉淀为可共享的技能，让其他成员即刻受益，从而极大地避免了重复“踩坑”的低效循环。
• 技能质量的自我治理：SkillClaw 内置强大的技能质量管理机制，能够自动合并相似的技能，优化质量不高的技能，并及时归档过时的技能，有效防止技能库的膨胀与混乱。
• 双语交互的可视化仪表盘：通过简单的 skillclaw dashboard 命令，即可启动本地可视化面板。用户可以直观地查看技能的版本对比、验证状态以及详细的会话溯源信息。

SkillClaw 的技术基石

• 客户端代理（Client Proxy）：这是一个部署在本地的 API 代理，能够拦截如 /v1/chat/completions 等关键端点。它负责记录 Agent 的会话数据，并将其与共享存储同步，为技能的提取和共享奠定基础。
• 工作流进化服务器（Workflow Evolve Server）：该服务器采用一个固定的三阶段 LLM 流水线。首先是“总结”（Summarize）会话内容，接着是“聚合”（Aggregate）识别其中的重复模式，最后是“执行”（Execute）来进化或创建新的技能，并将这些技能写回存储。
• 智能体进化服务器（Agent Evolve Server）：作为 OpenClaw 的一个可选替代方案，这个服务器能够自主地读取会话数据，深入分析交互轨迹，并直接对技能文件进行编辑和优化。

如何激活 SkillClaw 的力量

• 获取与安装：首先，通过 git clone https://github.com/AMAP-ML/SkillClaw.git 命令克隆项目仓库，然后运行安装脚本，并在一个的 Python 虚拟环境中完成安装。
• 初始化配置：运行 skillclaw setup 命令，按照向导提示选择您的 Agent 框架，配置上游 API 的密钥，并指定您的存储后端（可以是本地存储，也可以是 OSS/S3 等云存储服务）。
• 启动代理服务：执行 skillclaw start --daemon 命令以启动本地 API 代理。此后，所有 Agent 的会话数据都将被自动拦截并记录。
• 正常交互即可：您可以像往常一样与 Agent 进行对话和完成任务。SkillClaw 会在后台静默地捕获整个会话过程，无需您进行任何额外的操作。
• 部署进化服务器（可选）：如果您希望启用自动技能进化功能，请运行 skillclaw-evolve-server 命令来启动后台进化服务。它将负责从会话数据中提炼、优化并归档技能。
• 同步技能库：使用 skillclaw skills pull/push/sync 命令，可以在您的本地环境和共享存储之间实现技能库的双向同步，从而促进团队间的技能共享。
• 探索可视化仪表盘（可选）：要查看技能的详细信息和进化轨迹，可以执行 skillclaw dashboard serve 命令来启动本地可视化面板。

SkillClaw 的关键亮点与使用要求

• 产品名称：SkillClaw
• 研发团队：AMAP-ML（高德地图机器学习团队）
• 开源许可：完全开源，社区活跃（GitHub 1.2K+ Star）
• 系统兼容性：支持 macOS / Linux / Windows 操作系统，需要 Python 版本 ≥ 3.10
• API 接口要求：兼容 OpenAI API 或 AWS Bedrock
• 部署模式灵活性：可支持个人本地部署，也可扩展至团队共享存储（如 OSS/S3）
• 安装便捷性：通过 git clone 和简单的安装脚本即可完成部署
• 启动流程简单：核心命令为 skillclaw setup 和 skillclaw start --daemon
• 可选依赖：openclaw 仅在启用 Agent 进化引擎时需要

SkillClaw 的核心优势

• 真正的零侵入性：SkillClaw 完全不会改变您现有的工作流程。安装后，您只需正常与 Agent 对话，技能的进化过程将悄然无息地完成，对您的日常使用没有任何影响。
• 经验的复利效应：它能够将您在不同设备、不同 Agent 上的经验进行统一的沉淀和积累。在团队协作场景下，一人遇到的问题，全员都能迅速获得解决方案，从而实现效率的指数级提升。
• 框架的无缝兼容：SkillClaw 的设计理念是避免绑定特定的 Agent 生态。它几乎能够覆盖当前市面上绝大多数主流的 CLI Agent，为您提供最大的度。
• 存储的灵活扩展：无论您是个人用户使用本地存储，还是团队需要共享存储（如 OSS/S3），SkillClaw 都能提供平滑的扩展能力，无需进行复杂的架构重构。
• 质量的可控性：框架内置了强大的验证机制（Validation Worker）。任何新生成的技能在正式发布前，都需要经过评分和审批流程，确保了技能库的整体质量和可靠性。

SkillClaw 的项目入口

• GitHub 仓库：https://github.com/AMAP-ML/SkillClaw

SkillClaw 与同类竞品的对比分析

SkillClaw 的广泛应用场景

• 个人开发者：无论是在家、公司还是学校，您在多台设备上使用 Agent 的经验都能实时同步，无需重复训练和配置。
• 多 Agent 协同工作：当一个前端 Agent 学会了特定的 React 模式后，这些知识可以自动共享给后端 Agent，从而极大地提升 API 设计的效率。
• 团队知识沉淀：技术团队可以将日常调试经验、代码规范等宝贵的知识固化为可复用的技能，显著降低新成员的学习门槛和上手时间。
• 自动化技能库运维：SkillClaw 能够有效替代手动整理 .hermes/skills 等技能目录的工作，彻底解决技能重复、过时和混乱等问题。