MetaClaw技能模式深度解析Agent如何从每段对话中自动提炼新技能附40内置技能库清单【免费下载链接】MetaClaw Just talk to your agent — it learns and EVOLVES .项目地址: https://gitcode.com/gh_mirrors/me/MetaClawMetaClaw 是一个越聊越强的自进化 AI Agent它以透明代理的形式接入你的个人 Agent如 OpenClaw在每一轮对话中自动注入匹配的技能Skills并在会话结束后把经验自动提炼为新的 SKILL.md 技能文件。这就是MetaClaw 技能模式Skills Mode—— 无需 GPU、无需 RL 后端仅靠纯 API 就能让 Agent 从每段真实对话中持续学习。下文深度解析其技能提炼机制并附上完整内置技能库清单。一、什么是技能模式最轻量的对话即学习MetaClaw 提供三种运行模式skills_only纯技能、rl技能强化学习、auto技能RL智能调度器默认。其中技能模式skills_only是最轻量的选择不需要 GPU不需要任何 RL 训练后端只需要一个 OpenAI 兼容的 LLM API。它的工作方式像给 Agent 配了一本随身手册注入每一轮对话MetaClaw 都会从技能库中检索最相关的若干技能作为提示词注入引导 Agent 表现得更好提炼会话结束后或在 RL 模式下检测到失败批次时自动总结对话经验生成新的技能文件沉淀新技能以SKILL.md格式写入~/.metaclaw/skills/目录技能库随使用自然增长。技能本体是短小的 Markdown 指令文件带 YAML 头name / description / category例如--- name: debug-systematically description: Use when diagnosing a bug, unexpected behavior... category: coding --- # Debug Systematically 1. Reproduce → 2. Isolate → 3. Hypothesize → ...一个真实的内置技能示例可参考 debug-systematically/SKILL.md。二、核心机制新技能是如何从对话中长出来的这是 MetaClaw 技能模式最迷人的部分整个闭环涉及两个核心模块2.1 技能检索技能如何精准命中当前任务metaclaw/skill_manager.py 中的SkillManager负责扫描目录下所有SKILL.md并支持两种检索模式检索模式原理特点template默认关键词匹配先判断任务类型编码/研究/数据分析/安全/沟通/自动化/Agent 类再返回对应类别技能零延迟无需额外依赖embedding用 SentenceTransformer 计算余弦相似度语义级匹配更精准每次检索还会固定附带最多 5 条common_mistakes常见错误类技能相当于给 Agent 划好红线。2.2 技能进化从失败对话中提炼新技能metaclaw/skill_evolver.py 中的SkillEvolver是进化引擎触发条件should_evolve()检查最近一批样本的成功率当低于阈值默认 0.4时才启动进化——Agent 只在翻车时认真复盘提炼过程把失败对话的上下文、错误响应与现有技能清单一起交给 LLM要求其生成 1~3 条能防止这类失败再次发生的新技能质量控制新技能必须遵循标准格式小写连字符命名、一句话触发描述、6~15 行可执行内容含 Anti-pattern 反例段重名自动去重无效名称自动分配dyn-NNN序号版本隔离每成功新增技能SkillManager.generation版本号递增RL 训练器会据此丢弃进化前采集的旧样本防止过期经验污染训练。整个流程完全异步不干扰 Agent 正常响应。三、完整内置技能库清单36 个技能持续生长仓库自带技能库位于 memory_data/skills/另有结构化版本 conversation_skills.json。执行cp -r memory_data/skills/* ~/.metaclaw/skills/即可预载。按类别整理如下 通用类general5个技能用途clarify-ambiguous-requests需求模糊时先问一个澄清问题不靠猜structured-step-by-step-reasoning复杂问题先展示推理链再作答verify-before-irreversible-action不可逆操作前必须确认graceful-error-recovery出错先诊断根因再重试audience-aware-communication按读者水平调整表达深度 编码类coding5个debug-systematically系统化调试、git-workflowGit 工作流、secure-code-review安全代码审查、test-before-ship先测试后交付、codebase-navigation代码库导航 研究类research3个source-evaluation来源可信度评估、structured-research-workflow结构化研究流程、uncertainty-acknowledgment明确表达不确定度 数据分析类data_analysis3个data-validation-first先校验数据、sql-best-practicesSQL 最佳实践、visualization-selection图表选型指南 安全类security3个input-validation-and-sanitization输入校验与过滤、secrets-management密钥管理、auth-and-authorization-patterns认证授权模式✉️ 沟通类communication3个professional-email-drafting专业邮件写作、technical-writing-clarity技术写作清晰度、async-communication-etiquette异步沟通礼仪⚙️ 自动化类automation3个idempotent-script-design幂等脚本设计、robust-error-handling-in-scripts脚本健壮错误处理、structured-logging-and-observability结构化日志与可观测性 效率类productivity3个task-decomposition任务分解、prioritize-by-impact按影响力排优先级、structured-progress-update结构化进度汇报 Agent 类agentic4个tool-selection-strategy工具选择策略、plan-before-multi-step-execution多步执行前先计划、context-window-management上下文窗口管理、agent-task-handoff任务交接⚠️ 常见错误类common_mistakes4个avoid-acting-on-assumptions别基于假设行动、avoid-hallucinating-specifics别编造具体细节、avoid-scope-creep防止范围蔓延、do-not-retry-without-diagnosis未诊断前不盲目重试 这只是起点你的每次对话都可能让技能库自动 1。四、关键配置3 个参数玩转技能模式技能相关配置集中在~/.metaclaw/config.yaml核心就 3 项skills: enabled: true # 开启技能注入 dir: ~/.metaclaw/skills # 技能库目录 auto_evolve: true # 开启会话后自动提炼新技能配合retrieval_modetemplate/embedding和top_k每轮注入条数默认 6即可微调行为。想快速体验只需两条命令metaclaw setup # 一次性配置向导 metaclaw start --mode skills_only # 纯技能模式启动五、适合谁、怎么选只想让 Agent 变聪明不想碰训练→skills_only模式零硬件门槛本文主角希望 Agent 连模型权重一起进化→rl或默认的auto模式技能提炼 LoRA 云端训练并行想研究机制→ 重点看 skill_manager.py检索、skill_evolver.py进化、api_server.py注入与进化调度入口。一句话总结MetaClaw 技能模式把对话变成了教材——每轮注入经验、每段对话沉淀技能、每次失败触发进化让你的 Agent 像生物一样持续成长 。【免费下载链接】MetaClaw Just talk to your agent — it learns and EVOLVES .项目地址: https://gitcode.com/gh_mirrors/me/MetaClaw创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
MetaClaw技能模式深度解析：Agent如何从每段对话中自动提炼新技能（附40+内置技能库清单）
MetaClaw技能模式深度解析Agent如何从每段对话中自动提炼新技能附40内置技能库清单【免费下载链接】MetaClaw Just talk to your agent — it learns and EVOLVES .项目地址: https://gitcode.com/gh_mirrors/me/MetaClawMetaClaw 是一个越聊越强的自进化 AI Agent它以透明代理的形式接入你的个人 Agent如 OpenClaw在每一轮对话中自动注入匹配的技能Skills并在会话结束后把经验自动提炼为新的 SKILL.md 技能文件。这就是MetaClaw 技能模式Skills Mode—— 无需 GPU、无需 RL 后端仅靠纯 API 就能让 Agent 从每段真实对话中持续学习。下文深度解析其技能提炼机制并附上完整内置技能库清单。一、什么是技能模式最轻量的对话即学习MetaClaw 提供三种运行模式skills_only纯技能、rl技能强化学习、auto技能RL智能调度器默认。其中技能模式skills_only是最轻量的选择不需要 GPU不需要任何 RL 训练后端只需要一个 OpenAI 兼容的 LLM API。它的工作方式像给 Agent 配了一本随身手册注入每一轮对话MetaClaw 都会从技能库中检索最相关的若干技能作为提示词注入引导 Agent 表现得更好提炼会话结束后或在 RL 模式下检测到失败批次时自动总结对话经验生成新的技能文件沉淀新技能以SKILL.md格式写入~/.metaclaw/skills/目录技能库随使用自然增长。技能本体是短小的 Markdown 指令文件带 YAML 头name / description / category例如--- name: debug-systematically description: Use when diagnosing a bug, unexpected behavior... category: coding --- # Debug Systematically 1. Reproduce → 2. Isolate → 3. Hypothesize → ...一个真实的内置技能示例可参考 debug-systematically/SKILL.md。二、核心机制新技能是如何从对话中长出来的这是 MetaClaw 技能模式最迷人的部分整个闭环涉及两个核心模块2.1 技能检索技能如何精准命中当前任务metaclaw/skill_manager.py 中的SkillManager负责扫描目录下所有SKILL.md并支持两种检索模式检索模式原理特点template默认关键词匹配先判断任务类型编码/研究/数据分析/安全/沟通/自动化/Agent 类再返回对应类别技能零延迟无需额外依赖embedding用 SentenceTransformer 计算余弦相似度语义级匹配更精准每次检索还会固定附带最多 5 条common_mistakes常见错误类技能相当于给 Agent 划好红线。2.2 技能进化从失败对话中提炼新技能metaclaw/skill_evolver.py 中的SkillEvolver是进化引擎触发条件should_evolve()检查最近一批样本的成功率当低于阈值默认 0.4时才启动进化——Agent 只在翻车时认真复盘提炼过程把失败对话的上下文、错误响应与现有技能清单一起交给 LLM要求其生成 1~3 条能防止这类失败再次发生的新技能质量控制新技能必须遵循标准格式小写连字符命名、一句话触发描述、6~15 行可执行内容含 Anti-pattern 反例段重名自动去重无效名称自动分配dyn-NNN序号版本隔离每成功新增技能SkillManager.generation版本号递增RL 训练器会据此丢弃进化前采集的旧样本防止过期经验污染训练。整个流程完全异步不干扰 Agent 正常响应。三、完整内置技能库清单36 个技能持续生长仓库自带技能库位于 memory_data/skills/另有结构化版本 conversation_skills.json。执行cp -r memory_data/skills/* ~/.metaclaw/skills/即可预载。按类别整理如下 通用类general5个技能用途clarify-ambiguous-requests需求模糊时先问一个澄清问题不靠猜structured-step-by-step-reasoning复杂问题先展示推理链再作答verify-before-irreversible-action不可逆操作前必须确认graceful-error-recovery出错先诊断根因再重试audience-aware-communication按读者水平调整表达深度 编码类coding5个debug-systematically系统化调试、git-workflowGit 工作流、secure-code-review安全代码审查、test-before-ship先测试后交付、codebase-navigation代码库导航 研究类research3个source-evaluation来源可信度评估、structured-research-workflow结构化研究流程、uncertainty-acknowledgment明确表达不确定度 数据分析类data_analysis3个data-validation-first先校验数据、sql-best-practicesSQL 最佳实践、visualization-selection图表选型指南 安全类security3个input-validation-and-sanitization输入校验与过滤、secrets-management密钥管理、auth-and-authorization-patterns认证授权模式✉️ 沟通类communication3个professional-email-drafting专业邮件写作、technical-writing-clarity技术写作清晰度、async-communication-etiquette异步沟通礼仪⚙️ 自动化类automation3个idempotent-script-design幂等脚本设计、robust-error-handling-in-scripts脚本健壮错误处理、structured-logging-and-observability结构化日志与可观测性 效率类productivity3个task-decomposition任务分解、prioritize-by-impact按影响力排优先级、structured-progress-update结构化进度汇报 Agent 类agentic4个tool-selection-strategy工具选择策略、plan-before-multi-step-execution多步执行前先计划、context-window-management上下文窗口管理、agent-task-handoff任务交接⚠️ 常见错误类common_mistakes4个avoid-acting-on-assumptions别基于假设行动、avoid-hallucinating-specifics别编造具体细节、avoid-scope-creep防止范围蔓延、do-not-retry-without-diagnosis未诊断前不盲目重试 这只是起点你的每次对话都可能让技能库自动 1。四、关键配置3 个参数玩转技能模式技能相关配置集中在~/.metaclaw/config.yaml核心就 3 项skills: enabled: true # 开启技能注入 dir: ~/.metaclaw/skills # 技能库目录 auto_evolve: true # 开启会话后自动提炼新技能配合retrieval_modetemplate/embedding和top_k每轮注入条数默认 6即可微调行为。想快速体验只需两条命令metaclaw setup # 一次性配置向导 metaclaw start --mode skills_only # 纯技能模式启动五、适合谁、怎么选只想让 Agent 变聪明不想碰训练→skills_only模式零硬件门槛本文主角希望 Agent 连模型权重一起进化→rl或默认的auto模式技能提炼 LoRA 云端训练并行想研究机制→ 重点看 skill_manager.py检索、skill_evolver.py进化、api_server.py注入与进化调度入口。一句话总结MetaClaw 技能模式把对话变成了教材——每轮注入经验、每段对话沉淀技能、每次失败触发进化让你的 Agent 像生物一样持续成长 。【免费下载链接】MetaClaw Just talk to your agent — it learns and EVOLVES .项目地址: https://gitcode.com/gh_mirrors/me/MetaClaw创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
