MetaClaw：无需停机的“野生”进化智能体

资源入口

论文链接：

https://arxiv.org/abs/2603.17187

代码地址：

https://github.com/aiming-lab/MetaClaw?tab=readme-ov-file

2026年3月17日，一篇重磅工作悄然上线：MetaClaw: Just Talk – An Agent That Meta-Learns and Evolves in the Wild。作者团队来自 UNC-Chapel Hill、CMU、UC Santa Cruz 等顶级机构。

这不是又一个“让 LLM 代理更聪明”的工作，而是真正解决了生产级部署后代理无法持续进化的痛点。

论文标题里的“Just Talk”绝非营销噱头——用户只需正常聊天，代理就能边用边学、永不下线地自我升级。

为什么现有 LLM 代理“用着用着就废了”？

真实部署场景（如 OpenClaw 连接 20+ 消息渠道）下，任务分布会随用户需求漂移（task distribution drift）。传统方案三大致命缺陷：

• 记忆类（Reflexion、Mem0）：只存原始轨迹，冗长且无提炼。

• 技能类（Voyager、ExpeL）：技能库静态，与模型权重脱节。

• RL 类（GRPO 等）：能更新权重，但需要停机，且存在数据污染（旧轨迹奖励信号过时）。

MetaClaw 提出持续元学习框架，同时维护两个可进化部件：

元模型 

• ：基础 LLM 策略参数（权重）

• ：可复用行为技能库（自然语言指令集合）

代理动作生成公式：

其中 Retrieve 通过嵌入余弦相似度动态拉取相关技能。

两大机制形成正向闭环：更好策略 → 更有信息量的失败 → 更优技能 → 更高奖励轨迹。

重点机制一：

Skill-driven Fast Adaptation

失败轨迹积累 → LLM Evolver 自动合成新技能 → 立即注入System Prompt。

核心公式：

新技能几秒生效，无需任何权重更新。

重点机制二：

Opportunistic Policy Optimization

OMLS（Opportunistic Meta-Learning Scheduler） 智能检测用户空闲（睡眠窗口 + HID空闲 + Google Calendar），触发云端LoRA + GRPO + PRM（过程奖励模型）更新θ。

核心公式：

架构亮点：

代理模式与防污染设计

它的代理架构 MetaClaw 构建在代理（Proxy）之上，拦截用户与LLM的通信。这意味着它可以适配任何OpenAI兼容的API，无需本地GPU即可实现对生产级大模型（如Kimi-2.5）的持续优化。

它还有版本化防污染设计，为了防止新策略学习旧数据导致性能回退，系统严格分离支持集（Support）和查询集（Query）数据，确保进化数据的纯净性。

实验结果

Kimi-K2.5基线21.4% → MetaClaw Full 40.6%（接近GPT-5.2），文件完成率提升8.25倍。

仅技能注入就提升复合鲁棒性18.3%。

总结

MetaClaw 标志着 Agent 部署从“发布成品”向“发布进化系统”的范式转变。它证明了Agent可以在真实世界的交互中，像生物一样通过“试错-总结-内化”的循环持续成长，真正实现了Just Talk即可进化的愿景。

这才是生产级代理的终极答案。