SkillClaw 中文教程：先看清会话去了哪里，再开启技能演化
SkillClaw 从 Agent 的真实会话中整理 SKILL.md，并可把技能同步给多个设备或用户。它不只是技能目录。Client Proxy 会转发请求和记录会话，可选 Evolve Server 会读取这些素材并改写技能。
1. 当前版本怎样记录
仓库没有 GitHub Release。pyproject.toml 标注版本 0.4.0，要求 Python 3.10 以上。本轮核对的 HEAD 是 3938f753，提交日期 2026-08-17。部署记录应同时保存版本字段和完整 commit，不能把 0.4.0 当作正式 Release。
2. 两个服务分别做什么
| 组件 | 职责 | 接触的数据 |
|---|---|---|
| Client Proxy | 兼容模型 API、注入技能、转发请求、记录会话 | 提示、回复、工具上下文、技能文件 |
| Evolve Server | 从会话生成或更新技能 | 共享会话、候选技能、验证结果 |
| 共享存储 | 在客户端与服务端之间传递素材 | 本地目录、OSS、S3 或 Nacos 对象 |
| Dashboard | 查看技能、版本、验证和会话快照 | 本地 SQLite 与共享存储投影 |
Evolve Server 有两种引擎。workflow 依次 Summarize、Aggregate、Execute；agent 引擎让 OpenClaw 工作区直接编辑技能。两条路径都可能把会话中的错误、秘密或恶意内容写进技能，所以生成成功不等于可以发布。
3. 先固定源码并审查安装脚本
git clone https://github.com/AMAP-ML/SkillClaw.git
cd SkillClaw
git checkout 3938f7537645c961d94498a0a79fc0a977019595
sed -n '1,240p' scripts/install_skillclaw.sh
bash scripts/install_skillclaw.sh
source .venv/bin/activate
skillclaw setup首次 setup 选择不自动配置外部 Agent，关闭共享存储和 PRM，只保留本地技能目录。这样可以先判断代理记录了什么，也不会同时产生 PRM 模型费用或上传会话。
4. 默认监听必须先收紧
源码 config_store.py 的代理默认是 0.0.0.0，API key 为空。即使 README 的健康检查使用 127.0.0.1，服务监听范围仍以配置为准。启动前执行：
skillclaw config proxy.host 127.0.0.1
skillclaw config proxy.api_key "<random-long-secret>"
skillclaw config sharing.enabled false
skillclaw config prm.enabled false
skillclaw config show
skillclaw start --daemon
skillclaw status
PROXY_PORT="$(skillclaw config proxy.port | awk '{print $2}')"
curl "http://127.0.0.1:${PROXY_PORT}/healthz"配置输出可能包含服务地址或敏感字段，排障日志不要直接贴到 issue。远程使用代理时，还需要 TLS、防火墙、来源限制和密钥轮换。
5. 接入外部 Agent 前备份配置
SkillClaw 能自动修改 Codex、Claude Code、Hermes 或 OpenClaw 的模型端点和技能目录。先复制对应配置文件，再执行集成。Hermes 提供 skillclaw doctor hermes 与 skillclaw restore hermes；其他 Agent 也要确认恢复路径，避免代理停机后工具仍指向无效端点。
第一轮只发无敏感信息的测试对话。检查 ~/.skillclaw、record_dir 和技能目录，确认记录内容、文件权限与删除方法，再允许真实工作流进入。
6. 共享技能要经过验证和人工审查
官方 workflow 默认可把接受的演化结果直接写入共享技能路径。团队环境应使用 validated 发布模式，限制对象存储写权限，要求多个独立验证结果，并保留旧版本。验证分数只能辅助筛选，涉及 shell、文件修改、网络请求和凭据的技能仍要人工阅读。
共享组还需要明确谁能上传会话、谁能发布技能、如何撤销恶意版本，以及会话数据何时删除。对象存储加密不能替代最小化收集。
7. 和 SkillRL 的区别
相比 SkillRL，SkillClaw 面向已经在使用的 Agent，通过代理收集真实会话并给多端共享技能。SkillRL 是训练研究框架，把成功与失败轨迹提炼成分层 SkillBank，再结合 SFT、RL 和验证失败更新策略。日常 Agent 集成看 SkillClaw；训练模型与复现 ALFWorld、WebShop、Search 基准看 SkillRL。
8. 当前验证边界
验证边界：未验证健康接口、记录内容、演化质量、配置改写、共享权限、费用和验证阈值。命令是基于当前官方源码的审计路径，不是本机成功运行证明。
这里仅补原教程没有展开的事实和边界。安装命令与操作步骤仍以前文为准。
先判断这个项目是否适合你
近期变化与关注原因
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。
适合谁用
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。
采用建议
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。
原教程未展开的系统信息
核心功能
会话代理与记录
Client 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。
验证后发布
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。
架构与数据流
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。
技术栈和运行条件
语言
Python >=3.10
runtime
FastAPI、Uvicorn、HTTPX、OpenAI 兼容模型接口或 AWS Bedrock
storage
本地文件、S3、阿里云 OSS、Nacos；技能格式为 SKILL.md
interfaces
Client Proxy、Evolve Server、CLI、可选本地 dashboard
license
MIT；模型、对象存储和外部 Agent 各有独立条款与费用
常见问题
SkillClaw 会保存哪些敏感数据？
Client 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。
为什么不能直接使用默认代理监听配置？
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。
第一次需要运行 Evolve Server 吗？
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。
共享组生成的技能可以自动信任吗？
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。
SkillClaw 0.4.0 是正式 GitHub Release 吗？
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。