エージェントと話すだけ,学習し、進化する。

脳の学習メカニズムに着想を得て。あなたの 🦞 を日常の会話からメタ学習・進化させます。GPU不要。Kimi、Qwen、Claude、MiniMax など対応。

🇺🇸 English • 🇨🇳 中文 • 🇰🇷 한국어 • 🇫🇷 Français • 🇩🇪 Deutsch • 🇪🇸 Español • 🇧🇷 Português • 🇷🇺 Русский • 🇮🇹 Italiano • 🇻🇳 Tiếng Việt • 🇦🇪 العربية • 🇮🇳 हिन्दी

概要 • クイックスタート • 設定 • スキルモード • RL モード • Auto モード • 引用

metaclaw setup              # 初回設定ウィザード
metaclaw start              # デフォルト: auto モード — スキル + スケジュール RL トレーニング
metaclaw start --mode rl    # スケジューラなし RL（バッチが満たされ次第即時トレーニング）
metaclaw start --mode skills_only  # スキルのみ、RL なし（Tinker 不要）

🔥 ニュース

• [2026/04/11] v0.4.1 — インクリメンタル・メモリ取り込み：メモリ層がセッション終了時だけでなく N ターン（デフォルト 5）ごとに抽出・永続化するようになり、セッション途中のメモリ空白期間が短縮。新しい /buffer_turn・/flush_session サイドカーエンドポイント、--buffer-turns フラグ付きベンチマーク、実験比較レポートを追加。
• [2026/03/25] v0.4.0 — Contexture layer（コンテキスチュア レイヤー）：MetaClaw がユーザーとプロジェクトのメモリをセッションをまたいで永続化。関連する事実・好み・プロジェクト履歴を自動取得してプロンプトに注入。適応型メモリポリシー、バックグラウンド統合、オプションのメモリサイドカーサービスを含む。
• [2026/03/16] v0.3.2 マルチ Claw サポート：IronClaw・PicoClaw・ZeroClaw・CoPaw・NanoClaw・NemoClaw が OpenClaw に加えて利用可能に。NanoClaw は新規 /v1/messages Anthropic 互換エンドポイント経由で、NemoClaw は OpenShell 推論ルーティング経由で接続。OpenRouter を LLM プラットフォームとして追加。
• [2026/03/13] v0.3.1 MinT バックエンドサポート：RL トレーニングが Tinker と MinT の両方で動作。rl.backend（auto/tinker/mint）で設定可能。
• [2026/03/13] v0.3 継続的メタ学習サポート：RL 重み更新を睡眠時間・アイドル時間・Google Calendar 会議中にのみ実行。サポート/クエリセット分離を追加し、古い報酬信号によるモデル更新の汚染を防止。
• [2026/03/11] v0.2 metaclaw CLI によるワンクリック展開。スキルはデフォルト有効、RL はオプトイン方式に。
• [2026/03/09] MetaClaw をリリース。エージェントと話すだけで自動進化。GPU デプロイ不要。API に接続するだけ。

🎥 デモ

https://github.com/user-attachments/assets/d86a41a8-4181-4e3a-af0e-dc453a6b8594

📖 概要

MetaClaw は、実環境でメタ学習し進化し続けるエージェントです。 いつも通りエージェントと話すだけで、MetaClaw はすべてのライブ会話を学習シグナルに変換し、オフライン学習だけに頼るのではなく、実際のデプロイを通じてエージェントを継続的に改善します。

内部では、モデルを OpenAI 互換プロキシの背後に配置し（NanoClaw などの Anthropic ネイティブエージェントには /v1/messages 互換エンドポイントも提供）、OpenClaw・NanoClaw・NemoClaw などの対応エージェント経由でインタラクションをインターセプト。各ターンで関連スキルを注入し、蓄積された経験からメタ学習します。セッション終了後にスキルが自動集約され、RL 有効時にはメタ学習スケジューラがウェイト更新をアイドル時間帯に延期し、アクティブ利用中のエージェント中断を防ぎます。

GPU クラスタは不要です。MetaClaw は任意の OpenAI 互換 LLM API で動作し、クラウドベースの LoRA トレーニングには Tinker 互換バックエンドを利用します。Tinker が標準の参照パスで、必要に応じて MinT や Weaver を別途互換パッケージ経由で有効化できます。

🤖 主な機能

ワンクリック展開

metaclaw setup で一度設定したら、metaclaw start でプロキシ起動・スキル注入・OpenClaw 接続まで自動化。手動シェルスクリプト不要。

3つの動作モード

長期記憶

MetaClaw はセッションをまたいで事実・好み・プロジェクト履歴を保持し、各ターンで関連するコンテキストを注入できます。数週間経っても、エージェントがあなたの話した内容を覚えています。

設計レベルでの非同期処理

サービング、報酬モデリング、トレーニングは完全に分離。エージェントが応答し続ける間、スコアリングと最適化が並列で実行されます。

🚀 クイックスタート

1. インストール

OpenClaw（ワンクリック）: リリース v0.4.0 を使い、下のコマンドを実行してから metaclaw setup と metaclaw start。詳細（Windows、ミラー、設定、トラブルシューティング）: extensions/metaclaw-openclaw/README.md。

curl -LO https://github.com/aiming-lab/MetaClaw/releases/download/v0.4.0/metaclaw-plugin.zip
unzip metaclaw-plugin.zip -d ~/.openclaw/extensions
openclaw plugins enable metaclaw-openclaw && openclaw gateway restart

pip (PyPI or this repo):

pip install -e .                        # skills_only モード（軽量）
pip install -e ".[rl]"                  # + RL トレーニングサポート（torch、transformers、tinker）
pip install -e ".[evolve]"              # + OpenAI 互換 LLM によるスキル進化
pip install -e ".[scheduler]"           # + Google Calendar スケジューラ統合
pip install -e ".[rl,evolve,scheduler]" # 推奨：完全 RL + スケジューラセットアップ

（任意）WeChat 統合は公式 @tencent-weixin/openclaw-weixin プラグインを使用します。WeChat が有効な場合、MetaClaw が自動インストールします:

metaclaw config wechat.enabled true
metaclaw start

プラグインは MetaClaw 起動時に自動インストールされます。手動でインストールすることもできます:

npx -y @tencent-weixin/openclaw-weixin-cli@latest install

WeChat アカウントを切り替えるには (新しい QR コードで再度ログイン):

metaclaw start --wechat-relogin

rl.backend=mint を使う場合は、同じ環境に MinT 互換パッケージを別途インストールしてください。たとえば mindlab-toolkit です。rl.backend=weaver を使う場合は nex-weaver を別途インストールしてください。MetaClaw はこれらの依存をデフォルトパッケージに含めず、RL 利用者が Tinker、MinT、Weaver を明示的に選べるようにしています。

2. 設定

metaclaw setup

対話ウィザードでは次を尋ねます:

1. 個人用エージェントを選ぶ — openclaw、copaw、ironclaw、picoclaw、zeroclaw、nanoclaw、nemoclaw または none（起動時に MetaClaw が自動設定）
2. LLM プロバイダーを選ぶ — Kimi、Qwen、OpenAI、Volcano Engine、またはカスタム
3. API キーを入力し、必要なら RL トレーニングを有効化

MetaClaw の RL パスは tinker、mint、weaver を明示的に切り替えられます。推奨デフォルトは auto で、MinT や Weaver パッケージが入っていれば対応する形式の credentials や base URL から自動推定できます。

Tinker:

metaclaw config rl.backend tinker
metaclaw config rl.api_key sk-...
metaclaw config rl.model moonshotai/Kimi-K2.5

MinT:

metaclaw config rl.backend mint
metaclaw config rl.api_key sk-mint-...
metaclaw config rl.base_url https://mint.macaron.xin/
metaclaw config rl.model Qwen/Qwen3-4B-Instruct-2507

Weaver:

metaclaw config rl.backend weaver
metaclaw config rl.api_key sk-...
metaclaw config rl.base_url https://weaver-console.nex-agi.cn
metaclaw config rl.model Qwen/Qwen3-8B

互換性のため、旧来の rl.tinker_api_key と rl.tinker_base_url も引き続き利用できます。

3. 起動

metaclaw start

以上です。MetaClaw がプロキシを起動し、選んだ個人用エージェントを自動設定してゲートウェイを再起動します。エージェントを開いて会話してください — スキルは毎ターン注入され、終了時にセッションが新しいスキルへ自動要約されます。

⚙️ 設定

設定ファイルは ~/.metaclaw/config.yaml に保存され、metaclaw setup によって作成されます。

CLI コマンド：

metaclaw setup                  # 初回インタラクティブ設定ウィザード
metaclaw start                  # MetaClaw を起動（デフォルト: auto モード）
metaclaw start --mode rl        # このセッションで RL モードを強制（スケジューラなし）
metaclaw start --mode skills_only  # このセッションでスキルのみモードを強制
metaclaw stop                   # 実行中の MetaClaw インスタンスを停止
metaclaw status                 # プロキシの状態、動作モード、スケジューラ状態を確認
metaclaw config show            # 現在の設定を表示
metaclaw config KEY VALUE       # 設定値を変更
metaclaw config llm.oauth_token TOKEN               # 現在の CLI プロバイダーの OAuth トークンを保存
metaclaw auth paste-token --provider anthropic      # OAuth トークンを保存（anthropic | openai-codex | gemini）
metaclaw auth status                                # 保存済みの認証プロファイルをすべて表示
metaclaw uninstall              # すべての MetaClaw データ、OpenClaw 拡張、pip パッケージを削除

metaclaw status で準備状況を確認し、metaclaw stop でプロセスを停止できます。

mode: auto                 # "auto" | "rl" | "skills_only"
claw_type: openclaw        # "openclaw" | "copaw" | "ironclaw" | "picoclaw" | "zeroclaw" | "nanoclaw" | "nemoclaw" | "hermes" | "none"

llm:
  auth_method: api_key      # "api_key" | "oauth_token"
  provider: kimi            # kimi | qwen | openai | minimax | novita | openrouter | volcengine | custom
  model_id: moonshotai/Kimi-K2.5
  api_base: https://api.moonshot.cn/v1
  api_key: sk-...
  # oauth_token の例（トークンは `metaclaw auth paste-token` で保存）：
  # auth_method: oauth_token
  # provider: anthropic     # anthropic | openai-codex | gemini
  # model_id: claude-sonnet-4-6

proxy:
  port: 30000
  api_key: ""              # ローカル MetaClaw プロキシ用の任意 bearer token

skills:
  enabled: true
  dir: ~/.metaclaw/skills   # スキルライブラリのディレクトリ
  retrieval_mode: template  # template | embedding
  top_k: 6
  task_specific_top_k: 10   # タスク固有スキルの上限（デフォルト 10）
  auto_evolve: true         # 各セッション後にスキルを自動集約

rl:
  enabled: false            # true にすると RL トレーニングを有効化
  backend: auto             # "auto" | "tinker" | "mint" | "weaver"
  model: moonshotai/Kimi-K2.5
  api_key: ""
  base_url: ""              # 任意の backend endpoint。例: MinT 用 https://mint.macaron.xin/ または Weaver 用 https://weaver-console.nex-agi.cn
  tinker_api_key: ""        # api_key の互換エイリアス
  tinker_base_url: ""       # base_url の互換エイリアス
  prm_url: https://api.openai.com/v1
  prm_model: gpt-5.2
  prm_api_key: ""
  lora_rank: 32
  batch_size: 4
  resume_from_ckpt: ""      # トレーニングを再開するチェックポイントパス（オプション）
  evolver_api_base: ""      # 空の場合は llm.api_base を再利用
  evolver_api_key: ""
  evolver_model: gpt-5.2

opd:
  enabled: false            # true にすると OPD（教師蒸留）を有効化
  teacher_url: ""           # 教師モデルのベース URL（OpenAI 互換 /v1/completions）
  teacher_model: ""         # 教師モデル名（例：Qwen/Qwen3-32B）
  teacher_api_key: ""       # 教師モデルの API キー
  kl_penalty_coef: 1.0      # OPD の KL ペナルティ係数

max_context_tokens: 20000   # 切り詰め前のプロンプトトークン上限；0 = 切り詰めなし
                            # （大コンテキストのクラウドモデルでの skills_only で推奨）
context_window: 0           # エージェントに通知するコンテキストウィンドウ（例: OpenClaw の圧縮しきい値）；
                            # 0 = 自動（skills_only では約 200000、rl/auto では 32768）

scheduler:                  # v0.3：メタ学習スケジューラ（auto モードで自動有効化）
  enabled: false            # auto モードでは自動有効化。rl モードでは手動設定
  sleep_start: "23:00"
  sleep_end: "07:00"
  idle_threshold_minutes: 30
  min_window_minutes: 15
  calendar:
    enabled: false
    credentials_path: ""
    token_path: ""

💪 スキルモード

metaclaw start --mode skills_only

最も軽量なモードです。GPU も RL バックエンドも不要。MetaClaw が LLM をプロキシの背後に配置し、各ターンで関連スキルを注入、会話終了後に新しいスキルを自動集約します。

OpenAI 互換のカスタムプロバイダーでは、llm.api_base にチャット API の完全なベース URL（通常 /v1 で終わる、例: https://your-gateway.example/v1）を設定します。skills_only モードでは、別の evolver エンドポイントを設定しない限り、プロンプト圧縮や関連する補助 LLM 呼び出しに同じエンドポイントが使われます。

スキルは ~/.metaclaw/skills/ に個別の SKILL.md ファイルとして保存される短い Markdown 指示です。ライブラリは使用とともに自動的に成長します。

内蔵スキルバンクをプリロードするには（コーディング、セキュリティ、エージェントタスクなど 40 以上のスキル）：

cp -r memory_data/skills/* ~/.metaclaw/skills/

🔬 RL モード

metaclaw start --mode rl

スキルモードのすべてに加え、ライブ会話からの継続的な RL ファインチューニングを実行します。各会話ターンがトークン化されてトレーニングサンプルとして提出されます。審判 LLM（PRM）が非同期で回答にスコアを付与し、Tinker 互換バックエンド（Tinker クラウド、MinT または Weaver）が LoRA ファインチューニングとウェイトのホットスワップを実行します。

Tinker:

metaclaw config rl.backend tinker
metaclaw config rl.api_key sk-...
metaclaw config rl.model moonshotai/Kimi-K2.5
metaclaw config rl.prm_url https://api.openai.com/v1
metaclaw config rl.prm_api_key sk-...
metaclaw start --mode rl

MinT:

metaclaw config rl.backend mint
metaclaw config rl.api_key sk-mint-...
metaclaw config rl.base_url https://mint.macaron.xin/
metaclaw config rl.model Qwen/Qwen3-4B-Instruct-2507
metaclaw config rl.prm_url https://api.openai.com/v1
metaclaw config rl.prm_api_key sk-...
metaclaw start --mode rl

Weaver:

metaclaw config rl.backend weaver
metaclaw config rl.api_key sk-...
metaclaw config rl.base_url https://weaver-console.nex-agi.cn
metaclaw config rl.model Qwen/Qwen3-8B
metaclaw config rl.prm_url https://api.openai.com/v1
metaclaw config rl.prm_api_key sk-...
metaclaw start --mode rl

専用エボルバー LLM が失敗したエピソードから新しいスキルを抽出し、スキルライブラリにフィードバックします。

プログラム的なロールアウト（OpenClaw TUI 不要）：openclaw_env_data_dir を JSONL タスクファイルのディレクトリに設定：

{"task_id": "task_1", "instruction": "Register the webhook at https://example.com/hook"}

オンポリシー蒸留（OPD）

OPD は RL モードのオプション機能です。より大きな教師モデルを学生にオンポリシーで蒸留します。学生モデルが通常通り回答を生成し、教師モデルが同じ回答に対してトークンごとの対数確率を提供。KL ペナルティが学生を教師の分布へ誘導します。

metaclaw config opd.enabled true
metaclaw config opd.teacher_url http://localhost:8082/v1
metaclaw config opd.teacher_model Qwen/Qwen3-32B
metaclaw config opd.kl_penalty_coef 1.0

教師モデルは OpenAI 互換の /v1/completions エンドポイント（例：vLLM、SGLang）で提供する必要があります。OPD は PRM スコアリングと組み合わせることができ、両方が非同期で実行されます。examples/run_conversation_opd.py と scripts/run_openclaw_tinker_opd.sh を参照してください。

🧠 Auto モード（デフォルト）

metaclaw start

RL モードのすべてに加え、メタ学習スケジューラがウェイト更新をユーザーの非アクティブウィンドウに延期し、アクティブな使用中にエージェントが中断されないようにします。これがデフォルトモードです。

RL ウェイトのホットスワップステップでエージェントが数分間一時停止します。RL モードのようにバッチが満たされ次第即時トレーニングするのではなく、auto モードは適切なウィンドウを待ちます。

3つの条件が更新ウィンドウをトリガーします（いずれか1つで十分）：

• 睡眠時間：設定可能な開始/終了時刻（例：23:00 から 07:00）
• キーボードアイドル：N 分間のアイドル後にトリガー
• Google Calendar イベント：会議を検出して更新を実行

metaclaw config scheduler.sleep_start "23:00"
metaclaw config scheduler.sleep_end   "07:00"
metaclaw config scheduler.idle_threshold_minutes 30

# オプション：Google Calendar 統合
pip install -e ".[scheduler]"
metaclaw config scheduler.calendar.enabled true
metaclaw config scheduler.calendar.credentials_path ~/.metaclaw/client_secrets.json

ユーザーが更新中に戻った場合、部分バッチは保存され、次のウィンドウで再開されます。

各 ConversationSample には skill_generation バージョンがタグ付けされます。スキル進化がジェネレーションをインクリメントすると、RL バッファがフラッシュされ、進化後のサンプルのみが勾配更新に使用されます（MAML サポート/クエリセット分離）。

🗑️ アンインストール

metaclaw uninstall

すべてを一括削除します：実行中のインスタンスを停止、~/.openclaw/openclaw.json から MetaClaw 参照を削除、~/.openclaw/extensions/metaclaw-openclaw/ を削除、~/.metaclaw/ を削除、pip パッケージをアンインストール、OpenClaw ゲートウェイを再起動。削除前に確認が求められます。

アンインストール後、リポジトリをクローンしていた場合は手動で削除してください：

rm -rf /path/to/MetaClaw

📚 引用

@misc{xia2026metaclaw,
  author       = {Xia, Peng and Chen, Jianwen and Yang, Xinyu and Tu, Haoqin and Han, Siwei and Qiu, Shi and Zheng, Zeyu and Xie, Cihang and Yao, Huaxiu},
  title        = {MetaClaw: Just Talk --- An Agent That Meta-Learns and Evolves in the Wild},
  year         = {2026},
  organization = {GitHub},
  url          = {https://github.com/aiming-lab/MetaClaw},
}

🙏 謝辞

MetaClaw は以下のオープンソースプロジェクトの上に構築されています：

• OpenClaw, コアエージェントフレームワーク。
• SkillRL, スキル強化 RL フレームワーク。
• Tinker, オンライン RL トレーニングに使用。
• MinT, オンライン RL トレーニングの代替バックエンド。
• Weaver, オンライン RL トレーニングの代替バックエンド。
• OpenClaw-RL, RL 設計のインスピレーション。
• awesome-openclaw-skills, スキルバンクの基盤を提供。
• NanoClaw, qwibitai 製のパーソナル Claude エージェント。/v1/messages 互換エンドポイント経由で接続。
• NemoClaw, NVIDIA の OpenShell 推論エージェントプラグイン。

📄 ライセンス

このプロジェクトは MIT ライセンス のもとで公開されています。