MetaClaw：日常對話就能讓智慧體自動進化，空閒時雲端更新權重

很多人部署 AI 智慧體時都會遇到一個尷尬的現實：剛配好的時候挺好使，用上幾天，面對各種具體需求，它就顯得越來越遲鈍。

根本原因在於，絕大多數上線執行的智慧體都是靜態的。要麼只能硬存原始對話記錄，要麼每次重新微調模型都得停機。

aiming-lab 開源的 MetaClaw 試圖打破這個僵局。它給智慧體設計了一套在真實環境中持續進化的元學習架構，讓模型能在日常互動裡自我升級，而且全程不用停機。

白天學技巧，晚上偷偷練內功

MetaClaw 的核心邏輯是把進化拆成一快一慢兩套互相配合的機制。

快的一側叫技能驅動快速自適應。當智慧體任務失敗時，系統會用一個大模型進化器分析失敗路徑，當場提煉出可複用的行為技能，零停機直接生效。

慢的一側則是基於梯度的策略最佳化。它利用雲端 LoRA 和帶過程獎勵模型的強化學習（RL-PRM）來直接微調權重。

問題是，訓練大模型不能打擾使用者幹活。為此 MetaClaw 塞進了一個機會主義排程器 OMLS，專門盯鍵盤閒置狀態、自定義睡眠時間和 Google Calendar 日程，趁你睡覺或開會時在後臺默默微調。

兩套機制還能互相借力：更強的模型權重能產生更具參考價值的失敗樣本，而更豐富的技能庫又能給強化學習輸送更高質量的資料。為了防止舊資料汙染模型，它還用版本控制機制把分析用的資料和強化學習用的資料徹底隔開。

不吃本地顯示卡，套個代理就能跑

最實用的一點在於，你完全不需要在本地準備昂貴的 GPU 叢集。

MetaClaw 採用代理架構，插在個人智慧體和底層大模型 API 之間。除了支援 OpenAI 相容介面，它還給 NanoClaw 這種原生 Anthropic 客戶端提供了專門的介面，同時相容 OpenClaw、CoPaw、IronClaw 等多個平臺。

近期更新裡，它還補上了跨會話的記憶層，幾週前交代過的偏好和專案背景，也能在後續對話中自動檢索注入。

效能測試表現得很直觀。在包含 934 個問題、44 個模擬工作日的 MetaClaw-Bench 上，僅靠技能自適應就能把相對準確率提高最多 32%。

如果跑完整套流程，Kimi-K2.5 的任務準確率直接從 21.4% 衝到 40.6%，咬住了 GPT-5.2 的 41.1% 基準線，端到端任務完成率更是提升了 8.25 倍；在擁有 23 個階段的 AutoResearchClaw 複雜測試裡，單純注入技能也帶來了 18.3% 的綜合魯棒性提升。

為什麼重要

對個人開發者和折騰本地助理的使用者來說，MetaClaw 最大的價值是把「養一個專屬智慧體」的門檻砸了下來。你不用搭微調流水線，也不用準備高效能顯示卡，只需要照常聊天，後臺就能自動把日常踩坑經驗變成模型資產。

在行業層面，它指出了智慧體進化的一個重要方向。過去大家要麼拼長上下文和外掛知識庫，要麼走昂貴離線微調的老路；MetaClaw 這種白天總結 Prompt 級技能、夜間非同步微調權重的雙軌架構，更符合人類認知和工作節奏，很可能會被更多長週期執行的 Agent 專案借用。

我們認為，利用日曆和鍵盤空閒打時間差的思路非常討巧，把雲端 LoRA 的靈活性發揮到了極致。不過目前強化學習微調依然依賴 Tinker 或 MinT 這類雲端訓練後端，如果對話量極大，雲端微調呼叫的成本和演化器總結技能時的幻覺控制，依然是實際落地時需要留意的隱患。