SkillClaw SITES

// 01 SkillClaw 是什么

SkillClaw 是什么？

SkillClaw 是高德（AMAP）与相关研究团队开源的 AI Agent 技能学习与工具调用框架，主要用于提升大模型在复杂工具使用（Tool Use）与多步骤 Agent Workflow 场景中的能力。项目重点研究如何让 AI Agent 自动学习、组合与调用不同技能，从而完成复杂任务。

SkillClaw 的核心功能

• AI Agent 技能学习框架
• Tool Use 能力训练
• 多步骤任务规划
• Skill Graph 技能图结构
• Agent Workflow 编排
• 工具调用路径推理
• 自动技能组合
• 复杂任务拆解
• 支持多 Agent 协作
• 支持大模型推理增强
• 开源训练与推理框架
• 支持研究与实验环境

SkillClaw 的定位是什么？

SkillClaw 的核心定位是面向 AI Agent 的技能学习（Skill Learning）与工具调用框架。

相比普通 Prompt 工程方案，SkillClaw 更强调：

• 技能抽象
• 技能复用
• 复杂任务规划
• Tool Use Workflow
• Agent 能力组合

项目目标是让 AI Agent 能像“技能系统”一样自动学习并调用不同能力，而不仅仅依赖单轮 Prompt。

SkillClaw 的使用场景

1. AI Agent Tool Use

SkillClaw 可用于：

• API 调用
• 工具链协作
• 浏览器操作
• 数据库查询
• 复杂 Workflow 执行

适合 Agent Native Workflow 场景。

2. 多步骤任务推理

项目支持：

• 任务拆解
• 步骤规划
• 技能组合
• 执行路径推理

适合长链路 AI Agent 任务。

3. Skill Graph 技能系统

SkillClaw 引入 Skill Graph 结构，用于描述：

• 技能依赖关系
• 工具调用链
• 任务执行顺序
• 技能复用关系

帮助 Agent 在复杂任务中动态选择能力。

4. AI Agent 研究

SkillClaw 更偏研究与实验方向，可用于：

• Agent Benchmark
• Tool Learning
• Workflow Optimization
• Reasoning Research
• Autonomous Agent Experiment

等场景。

5. 多 Agent 协作

项目支持不同 Agent 之间：

• 共享技能
• 协同执行任务
• 分工 Workflow
• 组合式推理

适合复杂 AI Workflow 系统。

SkillClaw 的技术方向

公开资料显示，SkillClaw 涉及以下 AI 与 Agent 方向：

• AI Agent
• Tool Use
• Skill Learning
• Workflow Planning
• Agent Reasoning
• Multi-Agent Collaboration
• Skill Graph
• Autonomous Agent

该方向目前属于 AI Agent 与 Tool Use 研究的重要发展路线之一。

SkillClaw 是否开源？

是。SkillClaw 已在 GitHub 开源，开发者可：

• 本地运行实验
• 修改 Agent Workflow
• 扩展 Tool Use 能力
• 自定义 Skill Graph
• 接入不同大模型

项目主要面向 AI Agent 与 Tool Learning 研究场景。

SkillClaw 的限制

• 更偏研究与开发方向
• 需要一定 Agent Framework 基础
• 复杂 Workflow 存在学习成本
• 长链路任务稳定性仍需优化
• 部分能力依赖底层模型推理质量
• 生产级工程能力仍需进一步验证

目前来看，SkillClaw 更适合 AI Agent 研究者、Tool Use 开发者与 Workflow 实验场景。

// 04 常见 问题

// 05 资料 来源