它到底干了什么
核心思路不复杂：在模型前面放一个兼容 OpenAI 接口的 proxy，OpenClaw 发过来的每一轮对话，proxy 都会从技能库里找到相关的 skill 注入进去。聊完之后，系统自动把这次会话提炼成新的技能，存回技能库。
也就是说，技能库是越用越大的。用得越多，agent 能调用的技能就越丰富，下次碰到类似场景就不用从零开始。
为什么值得关注
我觉得这个设计思路对搞一人公司的人特别有启发。很多时候我们搭 agent，最头疼的就是"上下文不够用"和"每次都要重复教它"。MetaClaw 用技能注入的方式绕开了这两个问题——不是把所有东西塞进 prompt，而是按需加载相关技能，聊完再把新学到的东西沉淀下来。
这其实跟我们自己工作的方式很像：遇到问题，翻笔记找之前的经验，解决之后再把新经验记下来。
架构上的几个关键点
- OpenAI 兼容接口：这意味着你现有的 OpenClaw 配置基本不用改，只要把请求指向 MetaClaw 的 proxy 就行
- 技能自动提炼：会话结束后自动从对话中提取可复用的技能，不需要手动整理
- 按需注入：不是一股脑把所有技能都塞给模型，而是根据当前对话内容匹配相关的 skill，既省 token 又提高准确率
- 支持在线训练（可选）：如果你愿意，还可以开启在线训练，让模型本身也跟着进化
实操建议
如果你已经在用 OpenClaw 搭工作流，可以考虑把 MetaClaw 加上试试。项目在 GitHub 上开源（aiming-lab/MetaClaw），star 数已经到 1.4k 了，说明社区认可度还不错。特别适合那种需要 agent 长期处理某一类任务的场景——比如客服、代码审查、内容生成这些，用得越久效果越好。
不过说实话，这类"自我进化"的方案，技能质量的把控是个隐患，自动提炼出来的技能未必都靠谱，可能需要定期去清理一下技能库。