SkillClaw

让AI智能体集体进化，技能越用越强

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署智能体 🍴 复刻 281 🐛 待处理 35 👀 关注 35

GitHub ↗

GitHub 星标 ★ 2751

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，可免费使用和部署。

项目预览

项目数据

分类智能体

开发团队AMAP-ML

GitHubhttps://github.com/AMAP-ML/SkillClaw

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，可免费使用和部署。

访问状态🔧 仅开源项目，无在线服务，需自行部署

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★ 2751

上线时间2026-04-10 00:00:00

代码更新2026-10-21

仓库体积2.9 MB

本站数据更新2026-11-09

维护状态较活跃

收录时间2026-08-09

浏览次数6

项目介绍

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。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 2751

技术标签

agent agentic-ai ai-agent continual-learning hermes

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
```

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
.\.venv\Scripts\Activate.ps1
python -m pip install -U pip
python -m pip install -e ".[evolve,sharing,server]"

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、s3	`oss`
`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`