SkillClaw 是高德/阿里 AMAP-ML 团队出的 agent 技能进化系统：从真实会话数据里把可复用的技能自动去重、改进、验证、进化，让 LLM agent『学到的东西真正算数』。它的卖点不是让 agent 学更多，而是帮它『消化』——多个 agent 共用一个统一技能库、多台设备的技能跟人走、甚至一个共享组里 N 个用户的真实经验喂进同一条进化回路（A 调通一个 bug，B/C/D 立刻受益）。结构上是 Client Proxy（本地 API 代理，拦截 agent 请求、记录会话、管本地技能库）+ 可选的 Evolve Server（读会话、进化技能、写回），经共享存储（OSS/S3/本地）和 SKILL.md 格式打通。集成 Hermes、Codex、Claude Code、QwenPaw 等。Python，MIT，有论文（HF 当日第二）。
来源：README What SkillClaw Brings/Overview/Collective Skill Evolution；GitHub desc，license MIT 查看 GitHub 仓库 →约 1.4k 星，热度来自『agent 技能越攒越乱』这个真实痛点 + 一个新角度：别人做单 agent 自进化，SkillClaw 强调集体进化——多 agent/多设备/多用户共享一个会进化的技能库，A 的经验让 B 受益。叠加阿里 AMAP-ML 出品、登 HF Daily Papers 第二、并集成 Hermes/Codex/Claude Code 等多家 agent，传播力不错。
来源：GitHub 1,425 stars / 131 forks，created 2026-04-10；README News/Collective Skill Evolution从真实 session 数据里把技能自动去重、改进质量、并验证，跨会话沉淀，不打断你的工作流——它不增加 agent 学的量，而是让已学的东西被『消化』成更干净、更高质量的可复用技能。
来源：README What SkillClaw Brings/Overview多个 Hermes/agent 各自会形成孤立技能筒仓，SkillClaw 把它们合并、去重、交叉授粉成统一库再分发回所有 agent——前端 agent 的 React 模式让后端 agent 的 API 设计更好，反之亦然。
来源：README Multiple agents? One unified skill library同一用户不同机器（家里学 React、学校学 ML、公司学 K8s）技能跨环境统一；加入共享组后，每个成员的真实经验都喂进同一条进化回路，N 用户共享一份持续进化的技能。
来源：README Multiple devices/Collective Skill EvolutionClient Proxy 是本地 /v1/chat/completions、/v1/messages 代理，拦截请求、记录会话产物、管本地技能库（起步只需它）；Evolve Server 可选，读共享存储里的会话、进化或新建技能再写回，两个引擎：workflow（固定 3 段 LLM 管线 Summarize→Aggregate→Execute）或 agent（OpenClaw 驱动直接编辑技能）。
来源：README Overview/Deployment Model集成 Hermes（含 per-turn 技能跟踪、doctor hermes）、Codex、Claude Code（代理自动配置）、QwenPaw；共享存储支持 Alibaba OSS/S3/本地，技能统一用 SKILL.md；带双语仪表盘看本地/共享技能、验证进度、版本历史与会话轨迹。
来源：README News/Integration/Optional dashboard两组件 + 共享存储的解耦架构（Python）。Client Proxy（skillclaw/）是本地 API 代理，挡在 agent 与上游 LLM 之间，拦截 /v1/chat/completions、/v1/messages 请求、记录 session 产物、管理本地 SKILL.md 技能库——这是起步唯一必需的。Evolve Server（evolve_server/）是可选服务，从共享存储读 session 数据、进化/新建技能再写回，提供两个引擎：workflow（Summarize→Aggregate→Execute 三段固定管线）和 agent（OpenClaw 驱动的 agent 工作区直接改技能）。两者只通过共享存储（local/OSS/S3）相遇、且共用 SKILL.md 技能格式——因此个人用只装 client、加入团队也只装 client，只有运营共享组的人才跑 evolve server，server 可在本机/远程 VM/任意能访问存储与 LLM 的机器上跑。集成层为各 agent 框架（Hermes/Codex/Claude Code/QwenPaw）做代理自动配置与技能目录默认值。整体是『拦截会话的本地代理 + 离线进化服务 + 共享存储 + 统一 SKILL.md』的集体技能进化系统。
来源：README Overview/Deployment Model；tree（skillclaw/、evolve_server/、scripts/、tests/）中心为项目本体，内环 = 核心功能模块，外环 = 关键技术依赖；按 deep.json 中的 core_features 与 tech_stack.key_deps 自动生成
本地 API 代理（拦截 /v1/chat|messages）Evolve Server（workflow / OpenClaw ag…Alibaba OSS / S3 / 本地存储SKILL.md 技能格式集成 Hermes/Codex/Claude Code/QwenPaw适合：①用 Hermes/Codex/Claude Code 等、技能库越攒越乱想自动去重提质的人；②一个人跑多 agent 或多设备、想让技能统一互通的人；③团队想让成员真实经验汇入同一条技能进化回路、互相受益的场景；④研究 agent 技能进化/集体学习的人（有配套论文）。不适合：不积累/不复用技能的一次性使用；不愿多搭一个代理 + 进化服务 + 共享存储的轻量用户；以及对会话数据经代理记录有隐私顾虑、或不接受技能跨用户共享的场景。
来源：README What SkillClaw Brings/Collective Evolution，结合定位推断仓库无正式 GitHub Release，以主分支持续更新（最近 push 2026-05-22，创建于 2026-04-10）。News 记录了 2026-04 陆续加入 Hermes/Codex/Claude Code/QwenPaw 集成、双语仪表盘、doctor/restore 命令等；登过 HF Daily Papers 第二（arXiv 2604.08377），处于早期但活跃迭代期。
来源：GitHub 无 releases；pushed_at 2026-05-22；README NewsSkillClaw 在『agent 自进化』这一拥挤方向上找到了差异点：不只让单个 agent 越用越强，而是把多个 agent、多台设备、甚至多个用户的真实经验汇进同一条会去重、提质、验证的技能进化回路，直接治『技能库越攒越乱』的通病。解耦设计（client 起步、evolve server 可选、只经共享存储相遇）让个人到团队平滑扩展，集成面也广，加上阿里 AMAP-ML 出品和论文背书，1.4k 星算扎实起步。要权衡的是：本地代理记录会话的隐私敏感性、自动改技能需验证防坏、完整能力的运维门槛，以及集体进化的价值依赖规模。对在用 Hermes/Codex/Claude Code、想把分散技能统一进化（尤其团队）的人，它是当前最对路的方案之一。
来源：综合 README 定位/集体进化/部署、tree 架构、隐私与运维成本的事实判断