SkillClaw: Let Skills Evolve Collectively with Agentic Evolver

SkillClaw 论文总结 + 关键章节翻译

一、论文核心总结

1. 主要内容

SkillClaw是面向多用户LLM智能体生态的技能集体进化框架，解决现有智能体技能部署后静态不变、不同用户重复踩坑、经验无法沉淀的问题。

• 核心流程：聚合多用户交互轨迹 → 智能进化器分析成败模式 → 优化/新增技能 → 验证后同步全用户，形成闭环进化。
• 实现方式：中心化架构，自动采集用户会话、按技能分组轨迹，由智能进化器自主推理更新技能，无需人工干预。
• 验证场景：在WildClawBench真实场景基准上，以Qwen3‑Max为基座，6天迭代中社交、检索、创作、安全对齐四大任务均显著提效。

2. 核心创新点

1. 集体进化：把分散用户的孤立交互，转化为全系统共享的技能改进，实现跨用户知识迁移。
2. 全自动闭环：数据采集、技能进化、验证、同步全程自动化，用户无感知。
3. 智能进化范式：用LLM智能体做开放推理更新技能，而非固定规则，适配多样失败模式。
4. 稳健验证机制：夜间在真实环境验证候选技能，只上线有效更新，保证系统不退化。
5. 场景化落地：在办公、代码