新闻详情

新闻详情

首页 / 资讯中心 / 详情

一键安装MetaClaw为OpenClaw插件:2步为AI助手注入技能进化与长期记忆能力

发布时间:2026/11/12 20:19:28来源:尧图网络
一键安装MetaClaw为OpenClaw插件:2步为AI助手注入技能进化与长期记忆能力
一键安装MetaClaw为OpenClaw插件2步为AI助手注入技能进化与长期记忆能力【免费下载链接】MetaClaw Just talk to your agent — it learns and EVOLVES .项目地址: https://gitcode.com/gh_mirrors/me/MetaClawMetaClaw 是一个边聊边进化的 AI Agent 框架把它作为OpenClaw 插件一键安装后只需 2 步就能让 AI 助手获得技能进化与长期记忆能力。整个过程无需 GPU、无需云端所有记忆数据都保存在本地——就像给龙虾 装上了一套会自我升级的大脑。安装前你需要知道MetaClaw 能做什么装好插件后你的 AI 助手会多出一套越用越强的内循环技能进化每次会话结束MetaClaw 自动把对话总结成SKILL.md技能文件存进~/.metaclaw/skills/下一轮对话自动注入相关技能。长期记忆自动抽取用户偏好、项目状态、历史事件等 5 类记忆单元下次提问时自动召回几周前说过的话它还记得。三种运行模式按需选择模式说明是否需要 GPUskills_only技能注入 自动总结最轻量❌rl技能 在线强化学习微调云训练auto默认技能 RL 智能调度只在你睡觉/空闲时训练云训练下图是 MetaClaw 的整体架构左侧的 OpenClaw 等 Agent 通过中间代理连接 LLM右侧的技能子系统与记忆子系统负责让助手持续进化。插件与核心逻辑分别位于 extensions/metaclaw-openclaw/ 和 metaclaw/memory/架构细节可参考 README.md。一键安装步骤2步搞定macOS / Linux第 1 步下载插件包并放入扩展目录从项目 release 页下载metaclaw-plugin.zipv0.4.0 或更新版本解压到 OpenClaw 的扩展目录unzip metaclaw-plugin.zip -d ~/.openclaw/extensionsWindowsPowerShell用户Expand-Archive metaclaw-plugin.zip -DestinationPath $env:USERPROFILE\.openclaw\extensions第 2 步启用插件并重启网关openclaw plugins enable metaclaw-openclaw openclaw gateway restart完成后插件会自动帮你做这些脏活创建隔离的 Python 虚拟环境.venv通过 pip 安装 MetaClaw含[rl, evolve, scheduler]完整依赖安装metaclaw命令行并自动配置 PATH为出站 LLM 请求注入X-Session-Id/X-Turn-Type头让每一轮对话都可被学习。最后运行两条命令完成配置与启动metaclaw setup # 交互式向导选 Agent、认证方式、LLM 提供商和模型 metaclaw start # 默认 auto 模式技能进化 定时 RL 训练想更省事开启全自动模式网关加载时会自动完成 venv、pip 安装、默认配置并直接启动openclaw config set plugins.entries.metaclaw-openclaw.config.oneClickMetaclaw true更多安装细节含中国镜像源、完整配置项见 extensions/metaclaw-openclaw/README.md插件配置模式定义在 openclaw.plugin.json。环境要求Python ≥ 3.11、内存 ≥ 4 GB依赖较重内存不足的机器建议先加 4 GB swap。开启技能进化与长期记忆技能是默认启用的装完即用。长期记忆只需一行命令metaclaw config memory.enabled true开启后记忆层会在后台自动运转记忆类型记录什么episodic过去发生的具体事件与操作semantic关于你或项目的一般性事实preference你说过或推断出的偏好project_state当前目标、未完成任务、近期决策working_summary近期活动的滚动摘要每次会话结束自动抽取存储每次提问自动召回注入——无需重复交代背景。如果希望进程隔离还可以启用独立的记忆边车服务 openclaw-metaclaw-memory/提供 6 类结构化记忆、4 种检索模式和本地整合去重/合并/衰减详见 openclaw-metaclaw-memory/README.md。常见问题速查问题解决方法plugin not found: metaclaw-openclaw确认插件位于~/.openclaw/extensions/metaclaw-openclaw或配置plugins.load.pathsvenv 创建失败安装python3-venvDebian/Ubuntuapt install python3-venvpip 安装失败确认pipPython指向 Python ≥ 3.11安装时系统卡死内存不足被 OOM 杀掉先加 4 GB swap 再重试写在最后MetaClaw 把持续学习从离线训练搬进了日常对话装完插件、配好模型然后正常聊天即可——技能库和记忆库会随着你的使用不断生长。不想要时一条metaclaw uninstall就能干净卸载。更多使用示例可参考 benchmark/README.md 中的多日交互基准评测看看会进化的助手到底强在哪里 【免费下载链接】MetaClaw Just talk to your agent — it learns and EVOLVES .项目地址: https://gitcode.com/gh_mirrors/me/MetaClaw创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/11 13:52:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/10 19:42:40

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/12 9:50:02

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/12 9:25:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/12 15:57:44

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/10 17:14:10

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉