夜雨聆风
让 AI Agent 的技能自动进化:SkillClaw 是什么、怎么用、值不值得装
开源项目研究 · 2026-05-02
KEY TAKEAWAY
SkillClaw 是一个给 AI Agent 加「进化能力」的中间层。它在你和 Agent 之间加一个本地代理，默默记录每次对话，然后自动从中提炼、去重、改进可复用的技能文件（SKILL.md）。多个 Agent、多台机器、多个人可以共享同一个技能库。
1.1k
GitHub Stars
20 天
项目年龄
MIT
开源协议
先看懂：这到底解决什么问题
你用 AI Agent（不管是 Claude Code、Codex、Hermes 还是 OpenClaw）干活，每次对话都在积累经验。但这些经验散落在各处——上一次对话解决了的 bug，下一次换个 Agent 又从头踩一遍；这台电脑上学会的操作，换台电脑又忘了。
SkillClaw 的核心思路很直接：在你和 Agent 之间插一层代理，自动从真实对话中提炼技能、去重、改进，然后写成标准化的 SKILL.md 文件。你不需要改变任何工作习惯，正常聊天就行，进化在后台静默发生。
项目来自高德地图的 ML 团队（AMAP-ML），有 arXiv 论文支撑（曾登上 Hugging Face 日榜 #2），Python 实现，MIT 协议。截至 2026 年 5 月 1 日，1.1k Star，发布不到一个月。
架构：Client Proxy + Evolve Server
系统分两层，可以只装客户端，也可以加上服务端：
Client Proxy（必装）
本地 API 代理，拦截 /v1/chat/completions
记录会话数据、管理本地技能库
默认端口 30000，装完就能用
Evolve Server（可选）
读取会话数据，自动进化技能
支持两种引擎：workflow（固定流水线）
和 agent（OpenClaw 驱动的自由编辑）
两者通过共享存储通信，不走 API 调用。存储支持本地文件系统、阿里云 OSS、S3 三种后端。这意味着客户端和服务端可以跑在同一台机器上，也可以一个在笔记本、一个在远程服务器。
三个核心能力
1. 自动提炼技能
Evolve Server 的 workflow 引擎跑一条固定流水线：Summarize → Aggregate → Execute。从原始会话中提炼出可复用的技能描述，写成标准 SKILL.md 格式。你不需要手动整理，对话完技能就自动沉淀了。
2. 跨 Agent 共享
你用 Hermes 写前端学到了 React 模式，用 Claude Code 调后端学到了 API 设计——两个 Agent 的技能库自动合并、去重、交叉验证。你的前端经验让后端 Agent 也变聪明了，反之亦然。
3. 多用户集体进化
加入一个共享组（通过 OSS/S3/本地目录），团队成员的会话数据汇入同一个进化循环。A 踩过的坑提炼成技能，B/C/D 自动受益。支持后台验证机制——进化出的技能经过闲时客户端验证通过后才正式发布。
兼容性
SkillClaw 本身不挑 Agent，它通过本地代理层工作，兼容任何 OpenAI 兼容 API 的系统。目前已明确支持：
▸ Hermes（NousResearch）— 原生集成，自动配置
▸ Claude Code（Anthropic）— 4 月 20 日新增，代理自动配置
▸ Codex（OpenAI）— 同期新增
▸ OpenClaw — 标记为 supported
▸ QwenPaw / IronClaw / PicoClaw / ZeroClaw / NanoClaw / NemoClaw — 均有集成
▸ 任何 OpenAI 兼容 API — 理论上无限制
安装：5 分钟跑通
前提：Python 3.10+、一个 OpenAI 兼容的 API Key。
Step 1：克隆 + 安装
git clone https://github.com/AMAP-ML/SkillClaw.git cd SkillClaw bash scripts/install_skillclaw.sh source .venv/bin/activate
Step 2：初始化配置
skillclaw setup
向导会依次问你：用哪个 Agent（或 none）、API 提供商、模型名、技能目录。新手建议先选 none + 本地存储，跑通再加功能。
Step 3：启动 + 验证
skillclaw start --daemon skillclaw status curl http://127.0.0.1:30000/healthz
看到 {"ok": true} 就行了。到这一步，SkillClaw 作为本地代理已经在运行。
Step 4（可选）：加 Evolve Server 跑完整循环
skillclaw-evolve-server \ --use-skillclaw-config \ --interval 300 --port 8787
每 5 分钟扫描一次会话数据，自动进化技能并写入本地技能库。
开发状态
客观评价：
● 非常早期 — 2026 年 4 月 10 日开源，不到一个月，1.1k Star
● 更新活跃 — 最后一次 push 4 月 29 日，基本保持每周更新
● 贡献者少 — 主要靠 2-3 人推动，社区协作还未形成
● 有学术背书 — arXiv 论文（2604.08377），Hugging Face 日榜 #2
● 无正式 Release — 目前没有版本发布，还是 main 分支直接用
● 中文支持 — 有中文 README、微信群，对国内用户友好
值不值得装
判断 概念很好，落地还早。适合愿意尝鲜、有多个 Agent 在用的开发者；不适合追求稳定、只想用一个 Agent 的用户。
适合你的情况：
▸ 你同时用 2+ 个 Agent（比如 Claude Code + Codex + OpenClaw），想统一技能库
▸ 你有多台机器，不想每台重新教 Agent 同样的东西
▸ 你带团队，想让所有人的 Agent 经验共享
▸ 你是 Agent 生态的研究者或早期采用者
不需要急着装的情况：
● 你只用一个 Agent，且对当前技能管理满意
● 你不想在 Agent 和模型之间多加一层代理
● 你对「项目还很早期、没有正式版本」这件事有顾虑
先跑 Path A（单机本地模式）验证效果，5 分钟就能出结果。确认有价值再加 Evolve Server 和团队共享。
SOURCES
GitHub — https://github.com/AMAP-ML/SkillClaw
arXiv 论文 — https://arxiv.org/abs/2604.08377
Hugging Face — https://huggingface.co/papers/2604.08377