这是 MetaClaw 的核心思路：不是在实验室里预训练，不是人工整理数据集，而是从真实对话中持续学习，边用边进化。

GitHub：aiming-lab/MetaClaw

它解决什么问题

现在的 AI Agent（比如 OpenClaw）有一个根本性的静态问题：你使用它，它不会因此变得更好。每次会话结束，它就忘掉一切；你踩过的坑，下次还会再踩；你纠正过的习惯，它不会记住。

MetaClaw 在你的 Agent 和 LLM API 之间插入一个代理层，拦截每一次对话，从中提取学习信号，然后把这些信号转化为两件事：

  1. Skills：总结成可复用的技能文件，下次自动注入到对话上下文中
  2. RL 微调：用真实对话做强化学习，直接更新模型权重（LoRA）

结果是：用得越多，它越懂你。

三种运行模式

MetaClaw 提供三档，按需选择：

Skills-only（最轻量）

不需要 GPU，不需要任何训练基础设施。

代理层拦截对话 → 自动总结出 Skill 文件 → 下次对话时注入相关 Skill。

内置 40+ 预设技能（涵盖编程、安全、Agent 任务），用的时候自动按需检索注入，不占多余 context。

metaclaw start --mode skills_only

RL Mode（强化学习）

在 Skills 之上，加一个 PRM 裁判模型异步打分，用 GRPO 算法做 LoRA 微调。

每次对话 → 裁判评分 → 批量触发 LoRA 训练 → 权重热更新。

还有 OPD（On-Policy Distillation）选项：用更大的"老师模型"蒸馏小模型，成本可控地提升能力。

MadMax Mode（默认推荐）

Skills + RL + 智能调度器。

核心设计：RL 训练不打断你的正常使用。调度器会检测三个窗口才触发训练：

  • 睡眠时间（默认 23:00–07:00）
  • 设备闲置超过 30 分钟
  • 你在开 Google Calendar 会议时

用的时候不训练，训练的时候你不用——醒来发现龙虾昨晚悄悄学了一晚上。

metaclaw start  # 默认就是 madmax

怎么用

两条命令：

metaclaw setup   # 一次性配置向导
metaclaw start   # 启动

向导会问你：

  1. 选哪个 Agent（OpenClaw、CoPaw、IronClaw、PicoClaw、ZeroClaw、NanoClaw、NemoClaw……）
  2. 选 LLM 提供商（Kimi、Qwen、MiniMax 或自定义）
  3. 是否开启 RL 训练

MetaClaw 会自动把你选的 Agent 的模型请求路由到自己的代理端口，不需要改 Agent 的任何配置，透明接管。

支持的 Agent 列表：

Agent 适配方式
OpenClaw 自动修改 models.providers 配置 + 重启 gateway
CoPaw 热更新 ~/.copaw/config.json
IronClaw 修改 .env，重启 service
PicoClaw 注入 model_list 条目
ZeroClaw 修改 config.toml
NanoClaw 通过 Anthropic-compatible 端点适配
NemoClaw 通过 OpenShell 注册 provider

技术底层

Skills 机制

每次会话结束后，Evolver LLM 分析对话内容，自动生成 Markdown 格式的 Skill 文件，存入 ~/.metaclaw/skills/。下次对话时按语义相关度检索注入（支持 template 模式和 embedding 模式）。

从失败的对话里也能提炼 Skill——踩坑本身变成了训练数据。

RL 训练

训练 backend 支持 Tinker（云端 LoRA）和 MinT 两个路径，互相兼容。用 GRPO 算法做 policy optimization，支持 KL 散度约束防止偏离太远。

整个流程完全异步：推理、打分、训练三个组件解耦，Agent 回复不会因为训练而变慢。

为什么这件事很重要

大多数 AI 工具的改进靠的是模型厂商迭代，用户只是等待。

MetaClaw 的方向是：用你自己的使用数据，在你自己的机器上，让你自己的 Agent 变强——不需要发数据给任何人，不需要等官方更新。

不需要 GPU 集群，不需要机器学习背景，两条命令就跑起来。MIT 协议开源，完全自托管。

这是"个人化 AI"的一种具体实现方式：不是通用模型适配所有人，而是每个人的 Agent 都在独立进化。