SkillClaw

让AI智能体集体进化,技能越用越强

SkillClaw 是一个基于 Python 的智能体技能进化框架,灵感来源于 OpenClaw,旨在让 AI 智能体通过集体智能机制持续进化技能。它解决的是单个智能体能力受限、难以适应动态任务的问题,核心能力包括:技能的自适应生成、评估与淘汰,支持多智能体协同进化,以及通过持续学习机制让技能库随使用而优化。项目采用模块化设计,易于集成到现有智能体系统中,适合研究集体智能和自动化技能演化的场景。

开源 free 智能体
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 2639
维护状态 维护中
是否开源 是
定价模式 free

项目数据

分类智能体
开发团队AMAP-ML
所属国家
官网地址
定价模式free
价格说明开源项目,MIT许可证,可免费使用和部署。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型agent,agentic-ai,ai-agent,collective-intelligence,continual-learning,hermes,llm,llms,openclaw,self-evolving,skill-evolution,skill-learning,skills
GitHub 星标★ 2639
30天Star增速
HF 下载量
上线时间2026-04-10 00:00:00
最近更新2026-09-23 00:00:00
维护状态维护中
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数5

使用教程

难度:入门 约 15 分钟 部署方式:本地安装 7 步

环境要求

  • macOS / Linux 可用仓库自带 shell 安装脚本;Windows 需手动创建虚拟环境安装
  • 需要 Python 环境(Windows 手动路径使用 python -m venv 与 pip)
  • 需要一个上游 OpenAI 兼容 LLM 服务及其 API Key(如 Atlas Cloud)
  • 可选:共享存储 local / oss / s3 的访问凭证(多人共用技能库时需要)
  • 可选:服务端使用 --engine agent 时需 Node.js,用于 npm install -g openclaw

安装与启动步骤

  1. 1克隆并安装客户端

    macOS/Linux 用仓库自带安装脚本建立 .venv 并激活,已克隆源码可跳过 git clone。

    git clone https://github.com/AMAP-ML/SkillClaw.git && cd SkillClaw
    bash scripts/install_skillclaw.sh
    source .venv/bin/activate
  2. 2Windows 手动安装

    仓库暂无原生 .ps1 安装脚本,需手动建虚拟环境并用 pip 安装 evolve、sharing、server 三个扩展。

    git clone https://github.com/AMAP-ML/SkillClaw.git
    Set-Location SkillClaw
    python -m venv .venv
    ..venvScriptsActivate.ps1
    python -m pip install -U pip
    python -m pip install -e ".[evolve,sharing,server]"
  3. 3生成配置文件

    运行向导,依次选择 provider、model、本地技能目录、PRM 设置、可选的 CLI 智能体集成与共享存储。

    skillclaw setup
  4. 4启动客户端代理

    以守护进程方式启动本地代理并查看状态;此时已是可用的单用户本地代理,无需进化服务端。

    skillclaw start --daemon
    skillclaw status
  5. 5健康检查

    读取实际配置的 proxy.port 再请求健康接口,默认端口为 30000,不要写死端口。

    PROXY_PORT="$(skillclaw config proxy.port | awk '{print $2}')"
    curl "http://127.0.0.1:${PROXY_PORT}/healthz"
  6. 6启动本地进化服务

    在已启用 local 共享存储的前提下,单机跑通会话采集到技能复用的闭环,可用 list-remote 查看。

    skillclaw-evolve-server --use-skillclaw-config --interval 300 --port 8787
    skillclaw skills list-remote
  7. 7部署共享服务端

    团队共用时只在能访问共享存储和上游 LLM 的机器上跑一个服务端,客户端仍只装客户端。

    git clone https://github.com/AMAP-ML/SkillClaw.git && cd SkillClaw
    bash scripts/install_skillclaw_server.sh
    source .venv-server/bin/activate
    cp evolve_server/evolve_server.env.example evolve_server/.env
    skillclaw-evolve-server --port 8787 --interval 300 --storage-backend oss --oss-endpoint "$EVOLVE_STORAGE_ENDPOINT" --oss-bucket "$EVOLVE_STORAGE_BUCKET" --group-id my-group

关键配置

配置项必填说明示例
provider是setup 向导中选择的上游模型提供方atlascloud
API base是atlascloud 预设的默认 OpenAI 兼容接口地址https://api.atlascloud.ai/v1
proxy.port否客户端本地代理端口,健康检查需跟随该值30000
本地技能目录否默认 ~/.skillclaw/skills;选 Hermes/Codex/Claude Code 时改为对应目录~/.skillclaw/skills
共享存储后端否客户端与服务端唯一的通信通道,可选 local、oss、s3oss
EVOLVE_PUBLISH_MODE否服务端发布模式,validated 时需客户端评审通过才发布validated

如何确认成功

执行 skillclaw status 显示正常,且 curl http://127.0.0.1:/healthz 返回健康响应。

常见问题

Q:Windows 上没有 .ps1 安装脚本怎么办?

A:按 README 手动路径:克隆后创建 .venv、Activate.ps1 激活、升级 pip,再执行 pip install -e ".[evolve,sharing,server]"。

Q:只想自己用,必须跑 evolve server 吗?

A:不必须。单用户本地代理装好客户端即可用;需要自动进化时再加一个 --use-skillclaw-config 的本地服务端。

Q:团队怎么共用一套技能库?

A:多个客户端指向同一共享存储,只在一个能访问该存储和上游 LLM 的机器上运行一个 skillclaw-evolve-server。

Q:什么时候才需要安装 openclaw?

A:只有服务端使用 --engine agent 时需要,先在服务端 npm install -g openclaw;普通客户端操作者不需要。

Q:健康检查端口连不上?

A:默认端口是 30000,但应以 skillclaw config proxy.port 输出的实际值为准,也可用 skillclaw config show 查看全部配置。

注意事项

  • 客户端与服务端只通过共享存储(local、oss、s3)交互,不直接通信
  • 服务端 .env 由 evolve_server.env.example 复制而来,需自行填写 OSS/S3 端点、桶等真实凭证
  • Atlas Cloud 预设使用 chat-compatible 转发,便于 Codex 客户端走 Responses-to-chat 桥接
  • 首次最小化运行建议:CLI 智能体选 none、关闭共享存储、关闭 PRM

核心亮点

  • 实现技能自动生成与淘汰,减少人工干预
  • 支持多智能体协同,利用集体智慧加速进化
  • 模块化设计,易于集成到现有Agent系统

不足之处

  • 文档/社区待观察

适用场景

  • 多智能体协作任务中的技能自动优化
  • 持续学习环境下的Agent能力动态扩展
  • 研究集体智能与技能演化的实验平台

替代项目

OpenClaw、AutoGPT、MetaGPT

项目介绍

SkillClaw 是智能体领域的开源项目,由 AMAP-ML 开发,是 2026 年新上线的项目。

在全站 13,014 个收录项目中,它的 GitHub 星标数(2,639)位列前 30%,在智能体分类的 2,499 个项目里位列前 15%。

近 45 天,它的 GitHub 星标从 2,393 增加到 2,639,净增 246。

项目仍在小幅维护中,最近一次代码更新于 2026-09-23。MIT许可证,可免费使用和部署。

它主要面向的使用场景是:多智能体协作任务中的技能自动优化。同类可对比的替代方案包括 OpenClaw、AutoGPT、MetaGPT。

上一篇:index

下一篇:AgentsMesh

同类项目推荐

xinchao-dynamic-mind 开源

给 AI 装上疲惫和欲望,让交互更真实

独立、可自托管的 AI 动态心智状态引擎:驱动力、念头池、疲惫、睡眠与意图。

★ 199 2026-08-09
deepseek-harness 开源

把 AI 能力拆成乐高积木,拼出你的专属智能体。

DeepSeek Harness: Everything is a Plugin.

★ 233327 2026-08-15
AutoGPT 开源

开箱即用的 AI 员工,交代任务就自己干完

AutoGPT is the vision of accessible AI for everyone, to use and to build on. Our mis···

★ 187492 2026-08-09
EvoAgentX 开源

让 AI 智能体自己迭代变强,越用越聪明

EvoAgentX: Building a Self-Evolving Ecosystem of AI Agents

★ 3351 2026-09-12