AMAP-ML/SkillClaw

⭐ 374 Stars 🍴 52 Forks Python MIT

SkillClaw 是一个用于多用户 OpenClaw-style 代理生态系统中技能集体进化的框架,通过从多个用户和代理中自动提取经验,将技能云共享,以实现整个代理集群的持续进化。

来源:据 README 描述 查看 GitHub 仓库 →

为什么值得关注

SkillClaw 通过技能集体进化解决了多用户代理生态系统中技能共享和进化的痛点,填补了现有框架在技能进化方面的空白。它采用了一种独特的基于云的技能共享机制,能够显著提升代理的性能。

来源:综合 README 描述和项目特征

核心功能

技能集体进化

SkillClaw 通过分析用户和代理的交互数据,自动提取和进化可重用的技能,并通过云共享这些技能,实现整个代理集群的技能进化。

来源:据 README 描述
Client Proxy

Client Proxy 是一个本地 API 代理,用于拦截代理请求,记录会话数据,并与共享存储同步技能。

来源:据 README 描述
Workflow Evolve Server

Workflow Evolve Server 是一个固定 3 阶段 LLM 工作流程(总结 → 聚合 → 执行),用于从共享存储中读取会话数据,进化或创建技能,并将它们写回。

来源:据 README 描述
Agent Evolve Server

Agent Evolve Server 是一个基于 OpenClaw 代理的自主进化服务器,它可以直接读取会话,分析模式,并直接写入进化的技能文件。

来源:据 README 描述

技术架构

SkillClaw 采用模块化设计,包括客户端代理、工作流程进化服务器和代理进化服务器。数据通过共享存储层(如 Alibaba OSS)进行流转,所有组件使用相同的技能格式(SKILL.md)。技术决策包括使用 Python 作为主要编程语言,以及选择合适的存储和技能格式。

来源:代码目录结构 + 依赖文件

技术栈

infra: 无特定基础设施,支持本地文件系统和云存储  |  key_deps: OpenAI API, Alibaba OSS / S3, local filesystem  |  language: Python  |  framework: 无特定框架,采用模块化设计

来源:依赖文件 + 代码目录结构

快速上手

1. 克隆仓库并进入目录。 2. 安装 SkillClaw。 3. 配置并启动客户端代理。 4. 启动进化服务器。 5. 管理技能。
来源:README Installation/Quick Start

使用场景

1. 多用户代理生态系统中的技能共享和进化。 2. 提升代理性能,特别是在有限交互和反馈条件下。 3. 在 OpenClaw-style 代理中实现技能自动化进化。

来源:README

优势与局限

优势

  • 优势1:通过技能集体进化提升代理性能。
  • 优势2:支持多种进化服务器,灵活适应不同需求。
  • 优势3:易于安装和使用。

局限

  • 局限1:依赖外部 LLM API 和存储服务。
  • 局限2:目前没有 release 记录,可能存在未公开的更新和改进。
来源:综合 README、代码结构和依赖分析

最新版本

信息不足,待补充

来源:GitHub Releases

总结评价

SkillClaw 是一个值得关注的开源项目,特别是对于需要提升多用户代理生态系统性能的开发者和团队。它提供了一个独特的技能进化框架,能够显著提升代理的智能和效率,适合对技能进化和代理性能提升有需求的团队使用。

来源:综合分析
透明度声明
本页内容由 AI(大语言模型)基于以下公开材料自动生成:GitHub README、代码目录结构、依赖文件、Release 信息。 分析时间:2026-04-12 06:31。质量评分:85/100。 所有结论均标注了数据来源。如发现不准确之处,欢迎反馈。

数据来源: README、GitHub API、依赖文件