人類一離座AI就進化！伯克利開源MetaClaw，靜態Agent慌了

新智元報道

編輯：元宇

【新智元導讀】你開會時，AI竟在偷偷升級？伯克利等四校開源MetaClaw，讓Agent趁你開會、離席、睡覺時持續進化，直接打破「上線即凍結」這條行業鐵律。

又到了每周例會時間。

你的電腦桌面日歷上寫著「周會14:00-15:30」，屏幕鎖定。

與此同時，一個后臺AI進程確認你暫時不會回來，便自動啟動了訓練窗口：

上午剛犯過的錯誤被拆解成規則注入系統提示詞，隨后云端LoRA微調開始接管。

90分鐘后，等你散會回到工位，面前的Agent已經完成了一次自我迭代。

這就是開源MetaClaw框架所實現的功能：

讓一個已經在線服務的Agent，在不中斷服務的前提下持續從失敗中進化。

這項研究打破了「上線即凍結」這條Agent行業默認規則。

MetaClaw框架由北卡羅來納大學教堂山分校、卡內基梅隆大學、加州大學圣克魯茲分校與加州大學伯克利分校聯合推出。

https://arxiv.org/pdf/2603.17187

開源即登頂。

MetaClaw剛剛發布便霸榜HuggingFace，它所代表的「Agent持續進化」理念，已經引起了全球AI研究者和開發者的高度關注。

最能體現其工具鏈成熟度的，是它極具破壞性的部署門檻。

官方倉庫展示的控制臺操作顯示，其龐大的「快慢雙循環」機制與OMLS調度器已經被粗暴地簡化為了兩條命令。

開發者只需輸入「metaclaw setup」完成一次性配置，接著輸入「metaclaw start --daemon」，系統就會作為一個后臺守護進程靜默拉起。

這種開箱即用的封裝，徹底粉碎了學術模型與實際落地之間的壁壘。

打破Agent「上線即凍結」的結構性困境

當前絕大多數Agent在能力迭代上面臨這樣一個殘酷現狀：訓練一次、部署上線、長期不變。

但現實世界卻是在不斷變化的：任務需求在漂移，工作流程在修改，工具鏈與組織規則也在不斷更新。

在OpenClaw這類平臺上，一個Agent可能需要同時連接20多個消息渠道。

任務分布每小時都在變化，但Agent的能力卻仍停留在出廠時刻。

表面上看，行業內已有不少修補方案，例如記錄軌跡、構建靜態技能庫或進行在線強化學習。

但這些方案往往只解決了部分問題：

只存儲原始軌跡而不提煉可遷移知識，會導致信息冗長且碎片化；

靜態技能庫與權重優化彼此脫節；

重新訓練Agent通常意味著必須停機，導致在線服務與持續進化無法兼得。

這正是「靜態Agent」所面臨的現實矛盾：它必須24小時在線，但面對的世界卻在不斷變化。

無法適應新任務分布的Agent，哪怕初始能力再強，也容易在長期的實際應用中顯得刻板。

兩條腿走路

快適配與慢進化

為了打破「不停機與持續進化」之間的沖突，MetaClaw將更新機制拆分為兩條時間尺度完全不同的回路。

MetaClaw的系統架構圖中展示了MetaClaw的「快慢雙循環」學習機制。左側顯示OMLS調度器如何監控用戶的Google Calendar和鍵鼠閑置狀態，右側展示系統如何分離支持集與查詢集，進行技能提取（快適配）與LoRA權重微調（慢進化）。

第一條路徑，是技能驅動的快速適配（Skill-driven fast adaptation）。

當Agent在任務中失敗時，系統會將失敗軌跡交給另一個大模型進行分析，提煉出可復用的行為規則，并立刻將其注入系統提示詞。

這個過程不修改模型權重，不中斷服務，且能立即生效。

論文中列舉了典型的高頻規則：統一時間格式、執行高風險文件操作前先備份、嚴格遵循命名規范。

更重要的是，這些規則并非綁定于單一任務的補丁，而是跨任務的可遷移知識。

一次關于時間格式的糾錯，能夠提升后續所有涉及時間處理任務的穩定性。

第二條路徑，是機會式策略優化（Opportunistic policy optimization）。

在用戶處于不活躍狀態時，系統會結合過程獎勵模型（PRM）和LoRA進行基于梯度的強化學習（RL）權重更新。

前者如同戰術上的快速止血，后者則是戰略上的能力固化。

為了將這兩者有機結合，MetaClaw引入了一個核心設計：支持集與查詢集分離，以及嚴格的技能版本控制。

如果某條失敗樣本已經被新提取的規則修復，系統在強化學習階段繼續使用該樣本就會導致「陳舊獎勵污染」（stale reward contamination）：模型會為一個已經解決的問題繼續受罰。

MetaClaw的做法是為軌跡打上技能版本號，技能庫升級后便清理舊版本的無效樣本，只保留新技能生效后的數據進入RL訓練。

這在本質上實現了「記憶」與「進化」的真正統一。

利用碎片時間訓練

OMLS調度器

模型訓練需要時間與算力，那么MetaClaw如何做到讓用戶幾乎無感？

答案在于其設計的機會式元學習調度器（OMLS）。

OMLS專門監控三類信號：預設的睡眠時段、系統層面的鍵盤鼠標閑置狀態、以及Google Calendar的日程占用情況。

只要觸發任何一個表明用戶暫時離開的信號，訓練窗口就會自動打開。

訓練器支持隨時暫停與繼續，這意味著即便是用戶離開幾分鐘的零碎時間，也能被轉化為AI持續訓練的時間窗口。

過去，AI的升級往往是一次集中式的工程，需要停服、重訓、切換版本再重新上線。

MetaClaw則將人類碎片化的空閑時間，變成了AI持續進化的微型車間。

此外，該框架采用代理架構與云端訓練接口，不強制要求昂貴的本地GPU計算資源，可以直接對接現有的個人Agent和多種模型平臺，支持一鍵部署與持續元學習。

補齊過程性知識

弱模型的數據躍升

這套框架的實際效果在測試數據中得到了直接驗證。

論文團隊構建了MetaClaw-Bench基準測試，包含934道題目，模擬了44個工作日的任務流，專門評估Agent在連續任務流中能否越用越強。

測試結果顯示，在僅進行行為規則注入的情況下，被評測模型的相對準確率最高提升可達32.2%。

在體現真實執行力的端到端任務完成率上，被評測模型從2.0%提升至16.5%，實現了8.25倍的增長。

在另一項包含23個階段的AutoResearchClaw自主研究流水線（涵蓋文獻綜述、實驗設計、代碼生成、結果分析至論文寫作）中，即便不進行權重訓練而僅依賴技能注入，系統的綜合魯棒性也提升了18.3%，階段重試率下降24.8%，迭代優化輪次減少了40%。

測試數據揭示了一個更關鍵的現象：MetaClaw首先是一個Agent持續進化框架，而且對弱底模驅動的Agent增益尤其明顯。

論文分析指出，較弱模型更缺少的是隱式的過程性知識：也就是那些具體的操作規則、執行習慣和格式紀律，而技能庫恰恰把這些知識顯式寫了出來，因此僅靠skill注入，就能帶來更大的準確率提升。

相比之下，GPT-5.2由于起點更高，可提升空間更小，更容易出現天花板效應。

但論文也強調，skills注入主要提升的是規則遵循和部分執行質量，不足以穩定解鎖高強度任務中的端到端完成率。

真正讓被評測模型實現了8.25倍增長的，是skills與權重級策略優化結合后的完整MetaClaw框架。

Agent進化時代的范式轉移

當然，MetaClaw仍存在一定邊界。

論文團隊指出，目前的基準測試在模擬環境中進行，并不完全等同于復雜的生產環境；空閑窗口的檢測也依賴于特定的用戶系統配置。

但MetaClaw明確指向了一個范式轉移的方向：Agent的生命周期正在從「訓練完成后交付」向「交付之后繼續生長」演進。

其GitHub倉庫的持續更新（包括代理式接入、多客戶端支持、跨會話記憶等工程化進展）表明，這套理念正在向可用的工具鏈快速轉化。

把它放回行業坐標里看，意味就更大了。

對比近期普林斯頓團隊提出的OpenClaw-RL（傾向于將所有交互信號直接用于訓練），MetaClaw選擇了「快規則加慢權重」的分層策略。

前者追求立即糾偏，后者追求長期固化，兩者代表了對下一代Agent演進路徑的不同工程思考。

決定未來模型能力上限的，將不再僅僅是出廠時的參數規模，更是其在真實使用場景中持續轉化經驗并自我迭代的閉環機制。

你的日歷、你的鍵鼠狀態、你的每一次離座，都有可能成為AI下一次能力升級的契機。

真正的智能演化，才剛剛在工作現場拉開序幕。

參考資料：

https://arxiv.org/abs/2603.17187

https://github.com/aiming-lab/MetaClaw