MetaClaw
通过本地代理把个人智能体对话转化为技能、记忆和可选的 LoRA 持续学习。
按维度查看评分与理由
证据显示：代理以透明代理方式运行，需要访问用户配置、API密钥和本地文件，但未明确最小权限原则。用户确认方面，安装和配置需要用户交互，但自动配置和自动安装插件可能未经明确同意。数据流透明度：文档描述了代理拦截和注入技能，但未详细说明数据流向和存储。敏感数据处理：API密钥和OAuth令牌存储在本地配置中，但未说明加密措施。依赖安全：依赖列表未固定版本，存在潜在漏洞风险。外部影响：代理会修改多个外部代理的配置文件并重启服务，影响范围大。回滚：提供了uninstall命令，但未说明配置修改的回滚机制。来源归属：未明确说明第三方组件的来源和许可。扣分原因：缺乏安全细节和明确的最小权限声明。
证据显示：文档和代码在功能描述上基本一致，但存在一些不一致，如README中提到的'OpenClaw'与代码中的'openclaw'大小写不一致。依赖可用性：依赖项未固定版本，可能因版本更新导致不兼容。失败消息：文档未提供详细的错误处理或故障排除指南。扣分原因：依赖版本未固定，失败处理文档不足。
证据显示：目标受众明确为个人代理用户，场景覆盖多种代理和模式。能力边界：文档说明了支持的代理和模式，但未明确限制。触发精度：技能注入和RL训练的条件描述清晰。环境适配：支持多种操作系统和代理，但未详细说明系统要求。扣分原因：能力边界和系统要求描述不够详细。
证据显示：信息架构清晰，有README、配置参考和文档链接。安装说明详细，提供了多种安装方式。命名稳定性：版本号明确，但未说明命名规范。示例和FAQ：提供了示例和演示，但缺少FAQ。已知限制：未明确列出已知限制。许可证：MIT许可证明确。版本变更日志：新闻部分提供了版本更新记录，但未提供正式的CHANGELOG。维护责任：未明确维护者或贡献指南。扣分原因：缺少FAQ、已知限制和正式的变更日志。
证据显示：输出可用性：提供了CLI命令和配置，输出格式清晰。边际价值：提供了技能注入和RL训练等独特功能，具有较高价值。成本效益：无需GPU，降低了成本，但RL训练需要外部服务。扣分原因：成本效益分析未量化。
证据显示：声明了技术报告和排名，但未提供可验证的链接或数据。交叉验证：未提供其他来源的验证。事实与推断分离：文档中混合了事实和推断，如'No GPU required'是推断。扣分原因：缺乏可验证的证据和事实与推断的明确分离。
- 代理会自动修改多个外部代理的配置并重启服务，可能影响现有设置，建议在测试环境中先行验证。
- API密钥和OAuth令牌存储在本地配置中，未提及加密措施，建议用户自行保护配置文件。
- 依赖未固定版本，存在供应链风险，建议使用锁文件或固定版本。
这个 Agent 能做什么，适合哪些场景？
MetaClaw 是面向个人智能体的本地代理层，可置于 OpenClaw、CoPaw、IronClaw、PicoClaw、ZeroClaw、NanoClaw、NemoClaw、Hermes Agent 或任意 OpenAI 兼容客户端之前。它在每轮请求中检索并注入技能，在会话后自动将经验总结为新的 SKILL.md 文件；启用后还会跨会话保存和检索用户、项目记忆。RL 模式将实时对话样本异步交给 PRM 评分，并通过 Tinker、MinT 或 Weaver 后端进行 LoRA 微调。默认 auto 模式会把权重更新延后到睡眠、空闲或日历会议窗口，以减少对正常使用的中断。部署边界是本机运行的 HTTP 代理与 ~/.metaclaw 下的配置、技能和可选记忆数据，模型调用与训练后端则通过网络服务完成。
运行 metaclaw setup 后，MetaClaw 将配置写入 ~/.metaclaw/config.yaml；metaclaw start 启动本地代理，默认监听 http://127.0.0.1:30000/v1，并可自动修改所选 personal agent 的配置。代理接收 OpenAI 兼容请求，NanoClaw 等 Anthropic 原生客户端则可使用 /v1/messages；它按 skills.retrieval_mode 检索 ~/.metaclaw/skills/ 下的 SKILL.md 并注入提示词。会话结束后，它生成技能摘要；启用 memory.enabled 时，还会提取 episodic、semantic、preference、project_state 和 working_summary 记忆并在后续请求中检索。启用 RL 时，每个会话轮次会成为训练样本，PRM 异步评分后由 rl.backend 指定的 Tinker、MinT 或 Weaver 执行 GRPO LoRA 训练；可选 OPD 会从 OpenAI 兼容的 /v1/completions 教师端点获取逐 token 概率。
- 使用 OpenClaw 的个人用户，希望把日常对话自动沉淀为可复用技能，同时避免手动维护提示词库。
- 通过任意 OpenAI 兼容 API 提供模型的团队，需要在本机代理层为现有客户端增加技能检索和跨会话记忆。
- 使用 NanoClaw 的开发者，希望通过 Anthropic 兼容
/v1/messages端点接入学习流水线而不改动客户端侧调用方式。 - 拥有 Tinker、MinT 或 Weaver 训练凭据的实验者，想基于真实对话异步进行 GRPO LoRA 微调。
- 不希望在工作期间发生权重热更新的用户，希望 auto 模式只在睡眠、空闲或日历会议时间训练。
这个 Agent 有哪些优点和局限？
- 以本地透明代理提供 OpenAI 兼容接口，并为 Anthropic 原生客户端提供
/v1/messages路径，适合接入多种个人智能体。 - 技能会在每轮注入，并在会话后自动总结为独立 SKILL.md，且可选模板或 embedding 检索。
- 将服务、奖励建模和训练解耦；auto 模式可把 RL 更新延后到睡眠、空闲或会议时段。
- 除技能外提供跨会话的结构化记忆，可检索用户偏好、项目状态和近期活动。
- RL 路径依赖外部训练服务与凭据；Tinker 是默认参考路径，MinT 和 Weaver 还需另行安装兼容包。
- RL 热交换会令智能体暂停数分钟；auto 模式只能降低中断概率，无法消除该运行特性。
- 自动接入会修改或注册所选 personal agent 的本地配置，并可能重启 gateway 或服务。
- README 未提供成本、数据保留策略或 PRM/训练服务的失败恢复保证；采用前需自行评估外部 API 与训练开销。
如何安装或部署这个 Agent？
安装轻量技能模式：pip install -e .。如需 RL、技能演化和日历调度，可执行：pip install -e ".[rl,evolve,scheduler]"。随后运行 metaclaw setup，选择个人智能体、认证方式、LLM 提供商并填写 API base、API key 与 model ID；API key 模式支持 Kimi、Qwen、OpenAI、Volcano Engine 或 custom。首次可用调用为 metaclaw start；只使用技能时可改为 metaclaw start --mode skills_only。RL 需要启用 rl.enabled 并配置可用的 Tinker、MinT 或 Weaver 后端及 PRM 凭据。
如何使用这个 Agent？
执行 metaclaw start 启动默认 auto 模式；它会等待本地代理健康后返回，并自动配置已选择的 personal agent。没有受支持的自动配置目标时，设置 claw_type 为 none，将客户端配置为 base_url: http://127.0.0.1:30000/v1、api_key: metaclaw（或 proxy.api_key）及所选 model ID。Anthropic 原生客户端可设置 ANTHROPIC_BASE_URL=http://127.0.0.1:30000 和 ANTHROPIC_API_KEY=metaclaw。用 metaclaw status 查看代理、模式与调度器状态；用 metaclaw stop 停止实例。
这个 Agent 与同类方案有什么区别？
在线训练后端可在 Tinker、MinT 和 Weaver 之间选择：Tinker 是默认参考路径；MinT 与 Weaver 需要分别安装兼容包并配置对应 rl.backend、端点和凭据。
常见问题
不启用 RL 也能使用吗？
metaclaw start --mode skills_only 提供代理、技能注入和会话后技能总结，不需要 GPU、Tinker 或其他 RL 后端。需要把模型部署在本地吗？
它会改动现有智能体配置吗？
claw_type 选择受支持的智能体时，metaclaw start 会自动写入或更新该智能体的本地配置并重启相应服务。选择 none 则需手动将客户端指向代理。长期记忆默认启用吗？
memory.enabled 设为 true；启用后会在本地存储并在后续请求中注入相关记忆。