💡 站外导读：在AI Agent开发浪潮中，团队面临一个普遍痛点：不同成员、不同项目积累的宝贵经验（如调试技巧、优化模式）往往散落各处，无法高效复用，导致重复踩坑和资源浪费。SkillClaw的出现，正是为了解决这一核心瓶颈。它通过一个轻量级本地代理，在后台静默工作，将每一次与Agent的真实交互转化为可沉淀、可共享的“技能”，从而构建一个集体智慧持续进化的系统，为AI工程化落地提供关键基础设施。
SkillClaw是什么
SkillClaw 是 AMAP-ML（高德地图机器学习团队）开源的 AI Agent 技能集体进化框架。框架通过本地 API 代理拦截 Agent 会话，在后台自动从真实交互中提取、去重、优化并归档可复用技能，实现跨设备、跨 Agent、跨团队的技能共享与持续进化。用户只需正常与 Agent 对话，技能进化全程零额外操作。
阅读目录
SkillClaw的主要功能
-
零干预自动进化：采用任务时间循环 + 进化循环双循环架构，任务完成后后台自动提炼技能，对用户完全透明。
-
跨框架广泛兼容：原生支持 Hermes、Claude Code、OpenClaw、Codex、QwenPaw、IronClaw、PicoClaw 等主流 Agent 框架及任意 OpenAI-compatible API。
-
集体技能共享：团队内任一成员的经验可自动沉淀为共享技能，其他成员直接受益，避免重复踩坑。
-
技能质量自治：自动去重合并相似技能、优化低质量技能、归档过时技能，防止技能库膨胀混乱。
-
双语可视化仪表盘：支持
skillclaw dashboard命令启动本地面板，查看技能版本对比、验证状态与会话溯源。
SkillClaw的技术原理
-
Client Proxy（客户端代理）：本地 API 代理（拦截
/v1/chat/completions等端点），记录会话数据并与共享存储同步技能。 -
Workflow Evolve Server（工作流进化服务器）：固定三阶段 LLM 流水线，Summarize（总结会话）→ Aggregate（识别重复模式）→ Execute（进化或创建技能并写回）。
-
Agent Evolve Server（智能体进化服务器）：基于 OpenClaw 的替代方案，可自主读取会话、分析轨迹并直接编辑技能文件。
如何使用SkillClaw
-
克隆并安装：执行
git clone https://github.com/AMAP-ML/SkillClaw.git并运行安装脚本，创建本地 Python 虚拟环境。 -
初始化配置：运行
skillclaw setup，按向导选择 Agent 框架、配置上游 API 密钥及存储后端（本地或 OSS/S3）。 -
启动代理：执行
skillclaw start --daemon启动本地 API 代理，自动拦截并记录 Agent 会话数据。 -
正常对话：像平时一样与 Agent 交互完成任务，SkillClaw 在后台静默捕获会话，无需任何额外操作。
-
部署进化服务器（可选）：运行
skillclaw-evolve-server启动后台进化服务，自动从会话中提炼、优化并归档技能。 -
同步技能库：用
skillclaw skills pull/push/sync在本地与共享存储之间双向同步技能，实现团队共享。 -
查看仪表盘（可选）：执行
skillclaw dashboard serve启动本地可视化面板，查看技能版本对比与进化轨迹。
SkillClaw的关键信息和使用要求
-
产品名称：SkillClaw
-
开发团队：AMAP-ML（高德地图机器学习团队）
-
开源协议：开源（GitHub 1.2K+ Star）
-
系统要求：macOS / Linux / Windows，Python ≥ 3.10
-
API 要求：OpenAI-compatible API 或 AWS Bedrock
-
部署模式：个人本地 / 团队共享存储（OSS/S3/本地）
-
安装方式：
git clone+bash scripts/install_skillclaw.sh -
启动命令：
skillclaw setup→skillclaw start --daemon -
可选依赖：
openclaw（仅 Agent 进化引擎需要）
SkillClaw的核心优势
-
真正零侵入：不改变现有工作流，装好后正常聊天即可，技能进化静默完成。
-
经验可复利：个人多设备、多 Agent 的经验统一沉淀；团队协作时一人踩坑、全员免疫。
-
框架无锁定：不绑定特定 Agent 生态，几乎覆盖当前主流 CLI Agent。
-
存储灵活：支持从纯本地单机到 OSS/S3 团队共享的平滑扩展，无需重构架构。
-
质量可控：内置验证机制（Validation Worker），候选技能需经评分与审批才正式发布。
SkillClaw的项目地址
- GitHub仓库：https://github.com/AMAP-ML/SkillClaw
SkillClaw的同类竞品对比
| 维度 | SkillClaw | Mem0 | Letta（原 MemGPT） |
|---|---|---|---|
| 定位 | Agent 技能集体进化框架 | 通用 AI Agent 记忆层 | Agent 运行时 + OS 式记忆管理 |
| 技能进化 | 从真实会话自动提炼 SKILL.md，自动去重、优化、归档 |
支持程序性记忆（Procedural Memory）存储流程，被动提取事实 | Agent 自主编辑三层记忆，无自动技能提炼与归档 |
| 共享机制 | OSS / S3 / 本地共享存储，团队原生支持 | 云端 API + OpenMemory MCP 本地版，跨应用共享记忆 | 自托管状态化服务，团队需自行部署共享 |
| 框架兼容 | Hermes、Codex、Claude Code、OpenClaw 等多框架即插即用 | 任意 Agent 通过 SDK / REST / MCP 接入 | 需采用 Letta 运行时，Agent 循环与记忆深度绑定，迁移成本高 |
| 去重优化 | 自动合并相似技能、淘汰低质量技能、保持技能库整洁 | 依赖外部实体解析与反射机制去重，无原生技能治理 | 无自动去重，记忆质量完全依赖 Agent 自主判断 |
| 部署方式 | 本地代理 + 可选进化服务器，渐进式扩展 | 托管 SaaS 或开源自托管，轻量接入 | 自托管状态化服务，运维复杂度较高 |
SkillClaw的应用场景
-
个人开发者：在家/公司/学校多台设备上使用 Agent，技能库实时同步，无需重复训练。
-
多 Agent 协作：前端 Agent 学会的 React 模式自动共享给后端 Agent，提升 API 设计效率。
-
团队知识沉淀：技术团队将调试经验、代码规范自动固化为可复用技能，降低新人上手成本。
-
自动化技能库运维：替代手动整理
.hermes/skills等目录，解决技能重复、过时、混乱问题。
📝 站长洞察 (Editor’s Insight)
SkillClaw的发布，标志着AI Agent开发正从“单兵作战”向“集体智能”范式跃迁。其核心价值在于将隐性的、分散的个体经验，转化为显性的、可共享的“技能资产”，这解决了企业级AI落地中最棘手的知识管理问题。它采用了优雅的“双循环”架构（任务循环+进化循环），在不干扰现有工作流的前提下实现知识自动化，这比传统的知识库手动维护或基于文档的RAG更贴近真实开发场景。从趋势看，随着多Agent协作成为常态，一个统一、自治、高质量的技能池将成为团队的核心竞争力。SkillClaw开源生态的兼容性（支持Hermes、Claude Code等主流框架）也为其快速普及奠定了基础，它有可能成为Agent时代不可或缺的‘技能OS’层。
