MetaClaw：日常对话就能让智能体自动进化，空闲时云端更新权重

很多人部署 AI 智能体时都会遇到一个尴尬的现实：刚配好的时候挺好使，用上几天，面对各种具体需求，它就显得越来越迟钝。

根本原因在于，绝大多数上线运行的智能体都是静态的。要么只能硬存原始对话记录，要么每次重新微调模型都得停机。

aiming-lab 开源的 MetaClaw 试图打破这个僵局。它给智能体设计了一套在真实环境中持续进化的元学习架构，让模型能在日常交互里自我升级，而且全程不用停机。

白天学技巧，晚上偷偷练内功

MetaClaw 的核心逻辑是把进化拆成一快一慢两套互相配合的机制。

快的一侧叫技能驱动快速自适应。当智能体任务失败时，系统会用一个大模型进化器分析失败路径，当场提炼出可复用的行为技能，零停机直接生效。

慢的一侧则是基于梯度的策略优化。它利用云端 LoRA 和带过程奖励模型的强化学习（RL-PRM）来直接微调权重。

问题是，训练大模型不能打扰用户干活。为此 MetaClaw 塞进了一个机会主义调度器 OMLS，专门盯键盘闲置状态、自定义睡眠时间和 Google Calendar 日程，趁你睡觉或开会时在后台默默微调。

两套机制还能互相借力：更强的模型权重能产生更具参考价值的失败样本，而更丰富的技能库又能给强化学习输送更高质量的数据。为了防止旧数据污染模型，它还用版本控制机制把分析用的数据和强化学习用的数据彻底隔开。

不吃本地显卡，套个代理就能跑

最实用的一点在于，你完全不需要在本地准备昂贵的 GPU 集群。

MetaClaw 采用代理架构，插在个人智能体和底层大模型 API 之间。除了支持 OpenAI 兼容接口，它还给 NanoClaw 这种原生 Anthropic 客户端提供了专门的接口，同时兼容 OpenClaw、CoPaw、IronClaw 等多个平台。

近期更新里，它还补上了跨会话的记忆层，几周前交代过的偏好和项目背景，也能在后续对话中自动检索注入。

性能测试表现得很直观。在包含 934 个问题、44 个模拟工作日的 MetaClaw-Bench 上，仅靠技能自适应就能把相对准确率提高最多 32%。

如果跑完整套流程，Kimi-K2.5 的任务准确率直接从 21.4% 冲到 40.6%，咬住了 GPT-5.2 的 41.1% 基准线，端到端任务完成率更是提升了 8.25 倍；在拥有 23 个阶段的 AutoResearchClaw 复杂测试里，单纯注入技能也带来了 18.3% 的综合鲁棒性提升。

为什么重要

对个人开发者和折腾本地助理的用户来说，MetaClaw 最大的价值是把「养一个专属智能体」的门槛砸了下来。你不用搭微调流水线，也不用准备高性能显卡，只需要照常聊天，后台就能自动把日常踩坑经验变成模型资产。

在行业层面，它指出了智能体进化的一个重要方向。过去大家要么拼长上下文和外挂知识库，要么走昂贵离线微调的老路；MetaClaw 这种白天总结 Prompt 级技能、夜间异步微调权重的双轨架构，更符合人类认知和工作节奏，很可能会被更多长周期运行的 Agent 项目借用。

我们认为，利用日历和键盘空闲打时间差的思路非常讨巧，把云端 LoRA 的灵活性发挥到了极致。不过目前强化学习微调依然依赖 Tinker 或 MinT 这类云端训练后端，如果对话量极大，云端微调调用的成本和演化器总结技能时的幻觉控制，依然是实际落地时需要留意的隐患。