SkillClaw 是让 Agent 从真实会话中整理、验证并共享 SKILL.md 的 Python 系统。它由本地 Client Proxy 和可选 Evolve Server 组成，可接 OpenAI 兼容接口或 AWS Bedrock，并与 Codex、Claude Code、Hermes、OpenClaw 等 Agent 集成。
来源：github.com/AMAP-ML/SkillClaw 查看 GitHub 仓库 → 📘 使用教程 →保留教程的依据是项目公开了会话到技能演化、跨设备共享和验证发布的完整代码与论文，当前 pyproject 版本为 0.4.0。
来源：github.com/AMAP-ML/SkillClaw/blob/main/README.mdClient Proxy 提供 OpenAI Chat Completions、Responses 和 Anthropic Messages 兼容入口，转发模型请求并保存会话素材与技能库。
来源：github.com/AMAP-ML/SkillClaw/blob/main/README.mdEvolve Server 可用固定的 Summarize、Aggregate、Execute 工作流或 OpenClaw agent 引擎，把会话素材整理成技能。
来源：github.com/AMAP-ML/SkillClaw/blob/main/README.md客户端与服务端通过本地目录、S3、阿里云 OSS 或 Nacos 交换技能、会话和验证素材，可让多个 Agent 或用户共用技能库。
来源：github.com/AMAP-ML/SkillClaw/blob/main/README.md可让空闲客户端验证候选技能，再按批准数、平均分与拒绝数阈值发布；该模式需要显式启用。
来源：github.com/AMAP-ML/SkillClaw/blob/main/README.md本地 Agent 先把请求发给 Client Proxy。代理转发上游模型、记录会话素材，并从本地技能目录注入匹配技能。可选 Evolve Server 定时从共享存储读取会话，通过 workflow 三阶段或 agent 引擎生成候选技能，再写回本地、OSS、S3 或 Nacos。客户端可自动拉取更新，也可承担后台验证。仪表盘读取本地快照、会话和版本记录，不是独立权限边界。
来源：github.com/AMAP-ML/SkillClaw/blob/main/README.md适合在受控环境研究会话经验如何变成可复用技能、统一个人多设备技能库，或为团队建立候选技能审查流程。它会接触完整提示、回复、会话记录和存储凭据，不适合未经同意收集客户对话，也不应把共享组产出的技能直接视为可信代码。上游模型、PRM 与对象存储可能产生费用。
来源：github.com/AMAP-ML/SkillClaw/blob/main/README.md官方没有 GitHub Release 或 tag。当前 pyproject 标注 0.4.0；本轮核对的仓库 HEAD 为 3938f753，提交日期是 2026-08-17，修复 dashboard status 在没有 LLM key 时的行为。教程把源码包版本与仓库提交分开记录。
来源：github.com/AMAP-ML/SkillClaw/blob/main/pyproject.tomlstatus: official_source_checked_not_installed_or_run | checked_at: 2026-09-23 | environment: 核对官方 README、pyproject.toml、config.py、仓库 HEAD 与 Releases 页面；未执行安装脚本，未启动代理或服务端，未配置模型、对象存储或外部 Agent | limitations: 未验证健康接口、会话记录内容、技能演化质量、配置改写、共享存储权限、费用、并发或验证阈值的实际行为 | observed_output: pyproject 版本为 0.4.0，Python 要求 >=3.10；仓库没有 GitHub Release；核对到的 HEAD 为 3938f753，提交日期 2026-08-17；config.py 默认 proxy_host=0.0.0.0、proxy_api_key 为空
来源：github.com/AMAP-ML/SkillClaw/blob/main/pyproject.toml相比 SkillRL，SkillClaw 面向已经在使用的 Agent，通过代理收集真实会话，再把技能同步给多端和多人；SkillRL 是研究训练框架，把成功与失败轨迹整理成分层 SkillBank，并在 SFT、RL 与验证失败之间递归更新策略。需要日常 Agent 集成和共享技能库时看 SkillClaw；需要训练模型、复现 ALFWorld、WebShop 或 Search 基准时看 SkillRL。
来源：github.com/AMAP-ML/SkillClaw (1) · github.com/aiming-lab/SkillRL (2)SkillClaw 适合愿意审计会话数据和共享技能的 Agent 团队。先在本机固定 commit、限制代理监听、关闭共享与自动配置，再用无敏感对话观察记录内容；团队部署前必须补权限、候选验证和技能回滚。
来源：github.com/AMAP-ML/SkillClaw/blob/main/README.mdClient Proxy 会转发模型请求并记录会话素材，演化和共享还可能上传会话、验证结果与技能。接入前要检查 record_dir、共享后端和保留期，并排除密钥、客户数据与受限制代码。
源码 config.py 的 proxy_host 默认为 0.0.0.0，proxy_api_key 默认为空。应先改成 127.0.0.1 并设置随机 key；远程访问还要加 TLS、来源限制和防火墙。
不需要。官方单用户路径允许只运行 Client Proxy。先关闭共享、PRM 和外部 Agent 自动配置，确认代理与本地技能目录后，再决定是否增加演化服务。
不能。其他用户的会话可能含错误或恶意指令。应使用 validated 发布模式、限制验证者与存储写权限，并在技能进入生产 Agent 前做人工代码和数据审查。
不是。0.4.0 来自当前 pyproject，官方 Releases 页面为空。部署时应同时固定仓库 commit；本文核对的 HEAD 是 3938f753，日期为 2026-08-17。