1. 项目定位与用途
MetaClaw定位为对话式AI智能体系统，核心用途是通过与用户的自然对话实现智能体的元学习与技能进化。用户只需与智能体交谈，系统便会自动从对话历史中提取经验，更新技能库并优化决策策略，使智能体在后续交互中表现更佳。它提供了一种无需人工标注轨迹、无需GPU算力的自我进化路径，适用于构建长期陪伴的个性化助手或研究对话智能体的持续学习机制。
项目档案命令行工具
MetaClaw AI智能体系统：对话学习与进化 - 安装使用指南
MetaClaw是一个无需GPU的AI智能体，通过对话实现元学习和技能进化。本文详细介绍其核心功能、安装步骤、CLI命令、记忆系统架构及适用场景，助你快速部署自我进化助手。
AI 总结
MetaClaw是一个基于对话的AI智能体系统，通过元学习和进化机制使智能体能在真实交互中持续提升能力，无需GPU支持，提供跨会话记忆和技能管理，实现一键部署的自我进化助手。
中文项目介绍
MetaClaw是一个创新的AI智能体框架，允许用户通过自然对话与智能体交互，智能体从每次对话中提取经验并自动进化其能力。它解决了传统智能体难以在真实场景中持续学习、且部署成本高昂的问题，无需GPU集群，仅需接入API即可运行。系统适用于资源受限环境、个人助理场景以及智能体研究原型，核心功能包括技能管理、强化学习训练、长期记忆维护和异步自升级。技术层面采用异步架构（FastAPI + asyncio），记忆系统基于SQLite+FTS5实现分层存储与多模式检索，支持自适应策略优化和离线回放评估，并通过CLI提供一键安装与配置。
详细信息与使用说明
2. 核心功能与解决的问题
MetaClaw主要解决两个问题：一是传统AI智能体在真实对话中难以持续学习与适应，能力固化；二是部署和训练成本高，通常依赖GPU集群。其核心功能包括：技能管理器（自动注入与检索工具调用技能）、强化学习训练器（基于对话数据微调模型，支持Tinker/MinT后端）、长期记忆系统（跨会话事实与偏好持久化）以及异步自升级机制（在空闲时自动优化检索策略）。这些功能共同实现智能体在野外的自我进化。
3. 适用场景
适用场景包括：1) 资源受限环境，如个人电脑或树莓派，无需GPU即可运行；2) 需要长期记忆和多会话连贯性的个人助理应用；3) 对话式智能体元学习的研究与实验；4) 作为OpenClaw等客户端的插件，增强现有智能体能力；5) 需要自动化技能进化与模型更新的生产环境。系统设计强调低门槛部署，适合开发者、研究人员及爱好者快速搭建可进化智能体。
4. 安装方式
安装需满足Python 3.10+环境。通过pip安装MetaClaw包（包名为aiming-metaclaw）：`pip install aiming-metaclaw`。如需完整功能（RL训练、嵌入检索、技能进化、指标日志、调度器），可安装额外依赖：`pip install "aiming-metaclaw[all]"`。安装后运行`metaclaw setup`执行一次性配置向导，设置API密钥、LLM后端等参数。仓库中未明确给出系统级依赖（如数据库），但记忆模块使用SQLite，通常无需额外安装。
5. 使用方式
主要通过CLI命令控制：`metaclaw start`启动默认自动模式（同时启用技能与定时RL训练）；`metaclaw start --mode rl`仅进行强化学习训练；`metaclaw start --mode skills_only`仅使用技能模式，不进行RL。系统行为可通过配置文件调整，如记忆检索策略、RL后端选择（tinker/mint）、调度策略等。此外，MetaClaw作为OpenAI兼容API代理运行，可通过HTTP端点集成；同时提供`metaclaw memory`子命令管理记忆数据，以及9个REST端点（/v1/memory/*）用于监控与维护。
6. 实现特点与架构
MetaClaw采用异步架构，API服务器基于FastAPI，记忆升级worker为asyncio后台任务，避免阻塞。记忆系统是核心子系统，采用分层设计：底层store使用SQLite+FTS5持久化；manager作为门面编排检索、合并与策略；retriever支持关键词、嵌入、混合及自动模式；policy模块实现可配置检索策略并基于遥测自动优化；self_upgrade流水线通过候选生成、离线回放评估、晋升门控实现策略自进化，确保生产安全。系统还支持多Claw后端（OpenClaw、IronClaw等）与多种LLM平台（OpenRouter、Anthropic等），并通过sidecar或插件方式透明集成。
思维导图
MetaClaw
CLI
setup（配置向导）
start（启动）
memory子命令
Memory System
Store (SQLite+FTS5)
Manager (门面与编排)
Retriever (多模式检索)
Policy (策略与优化)
Self-Upgrade Worker
Skill Manager
技能注入
技能检索
RL Trainer
Tinker后端
MinT后端
调度集成
Scheduler
空闲窗口检测
Google Calendar集成
API Server
FastAPI异步服务
OpenAI兼容接口
记忆注入/提取
常见问题
MetaClaw是否需要GPU支持？
不需要。根据README描述，MetaClaw设计为无需GPU集群，只需通过API接入现有LLM服务即可运行，适合资源受限环境。
如何安装和配置MetaClaw？
确保Python 3.10+环境，使用pip安装aiming-metaclaw包，然后运行metaclaw setup进行一次性配置向导，包括设置API密钥和LLM后端参数。
MetaClaw支持哪些运行模式？
支持三种模式：默认auto模式（结合技能与定时RL训练）、rl模式（仅强化学习训练）、skills_only模式（仅技能模式，无需RL）。通过metaclaw start --mode指定。
记忆系统如何持久化数据？
记忆系统基于SQLite与FTS5构建，支持跨会话事实、偏好和项目状态的持久化存储，并提供自适应检索策略和后台自升级机制，详见docs/memory目录文档。
MetaClaw是否开源？使用什么许可证？
是，项目采用MIT许可证（从README badge可见），源代码公开于GitHub仓库aiming-lab/MetaClaw，允许自由使用、修改和分发。