Habla con tu agente — aprende y EVOLUCIONA.

Inspirado en cómo aprende el cerebro. Meta-aprende y evoluciona tu 🦞 con cada conversación. Sin GPU. Compatible con Kimi, Qwen, Claude, MiniMax y más.

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

Descripcion • Inicio rapido • Configuracion • Modo Skills • Modo RL • Modo MadMax • Cita

Dos comandos. Eso es todo.

metaclaw setup              # asistente de configuración inicial
metaclaw start              # por defecto: modo MadMax, skills + entrenamiento RL programado
metaclaw start --daemon     # ejecutar en segundo plano, logs -> ~/.metaclaw/metaclaw.log
metaclaw start --daemon --log-file /tmp/metaclaw.log  # ruta de log personalizada
metaclaw start --mode rl    # RL sin planificador (entrena inmediatamente al llenar batch)
metaclaw start --mode skills_only  # solo skills, sin RL (no requiere Tinker)

🔥 Noticias

[16/03/2026] v0.3.2 Soporte multi-Claw: IronClaw, PicoClaw, ZeroClaw, CoPaw, NanoClaw y NemoClaw ahora son compatibles junto con OpenClaw. NanoClaw a través del nuevo endpoint compatible con Anthropic /v1/messages; NemoClaw a través del enrutamiento de inferencia OpenShell. OpenRouter agregado como plataforma LLM.
[13/03/2026] v0.3.1 Soporte de backend MinT: el entrenamiento RL ahora funciona con Tinker y MinT. Configurable via rl.backend (auto/tinker/mint).
[13/03/2026] v0.3 Soporte de meta-aprendizaje continuo: las actualizaciones RL solo se ejecutan durante horas de sueño, periodos de inactividad o reuniones de Google Calendar. Se agrega separación de conjuntos support/query para evitar que señales de recompensa obsoletas contaminen las actualizaciones del modelo.
[11/03/2026] v0.2 Despliegue en un clic mediante la CLI metaclaw. Skills activados por defecto, RL ahora es opcional.
[09/03/2026] Lanzamos MetaClaw. Habla con tu agente y deja que evolucione automáticamente. Sin necesidad de despliegue de GPU; conéctate directamente a la API.

🎥 Demo

video_v2_compressed.mp4

📖 Descripción

MetaClaw es un agente que meta-aprende y evoluciona en entornos reales. Habla con tu agente como de costumbre. MetaClaw convierte cada conversación en vivo en una señal de aprendizaje, permitiendo que el agente mejore continuamente a través del despliegue real en lugar de depender únicamente del entrenamiento offline.

Internamente, envuelve tu modelo detrás de un proxy compatible con OpenAI (con un endpoint compatible con Anthropic /v1/messages para agentes como NanoClaw), intercepta interacciones desde OpenClaw, NanoClaw, NemoClaw y otros agentes compatibles, inyecta skills relevantes en cada turno y meta-aprende de la experiencia acumulada. Las skills se resumen automáticamente tras cada sesión; con RL activado, un planificador de meta-aprendizaje posterga las actualizaciones de pesos a ventanas de inactividad para no interrumpir al agente durante el uso activo.

No se necesita cluster GPU. MetaClaw funciona con cualquier API de LLM compatible con OpenAI y usa un backend compatible con Tinker para entrenamiento LoRA en la nube. Tinker es la ruta de referencia por defecto; si hace falta, MinT puede habilitarse mediante un paquete de compatibilidad separado.

🤖 Características principales

Despliegue en un clic

Configura una vez con metaclaw setup, luego metaclaw start levanta el proxy, inyecta skills y conecta OpenClaw automáticamente. Sin necesidad de scripts de shell manuales.

Tres modos de operación

Modo	Por defecto	Función
`skills_only`		Proxy para tu API LLM. Skills inyectados, resumidos automáticamente tras cada sesión. Sin GPU/Tinker requerido.
`rl`		Skills + entrenamiento RL (GRPO). Entrena inmediatamente cuando un batch está lleno. OPD opcional para destilación de profesor.
`madmax`	✅	Skills + RL + planificador inteligente. Actualizaciones de pesos RL solo durante ventanas de sueño/inactividad/reunión.

Asíncrono por diseño

El serving, el modelado de recompensas y el entrenamiento están completamente desacoplados. El agente continúa respondiendo mientras el scoring y la optimización se ejecutan en paralelo.

🚀 Inicio rápido

1. Instalación

pip install -e .                        # modo skills_only (ligero)
pip install -e ".[rl]"                  # + soporte de entrenamiento RL (torch, transformers, tinker)
pip install -e ".[evolve]"              # + evolución de skills via LLM compatible con OpenAI
pip install -e ".[scheduler]"           # + integración Google Calendar para planificador
pip install -e ".[rl,evolve,scheduler]" # recomendado: configuración completa RL + planificador

Si quieres usar rl.backend=mint, instala el paquete de compatibilidad de MinT por separado en el mismo entorno, por ejemplo mindlab-toolkit. MetaClaw mantiene esa dependencia fuera del paquete por defecto para que los usuarios de RL elijan explícitamente entre Tinker y MinT.

2. Configuración

metaclaw setup

El asistente interactivo te pedirá que elijas tu proveedor de LLM (Kimi, Qwen, MiniMax o personalizado), tu clave API y si deseas activar el entrenamiento RL.

La ruta RL de MetaClaw puede cambiar explícitamente entre tinker y mint. auto es el valor recomendado y seguirá infiriendo MinT a partir de credenciales o base URLs estilo Mint cuando el paquete de MinT esté instalado.

Tinker (por defecto):

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

Los alias heredados rl.tinker_api_key y rl.tinker_base_url siguen siendo válidos por compatibilidad.

3. Inicio

metaclaw start

Eso es todo. MetaClaw inicia el proxy, configura automáticamente OpenClaw y reinicia la pasarela. Abre OpenClaw y empieza a chatear. Los skills se inyectan en cada turno, y la sesión se resume automáticamente en nuevos skills cuando terminas.

⚙️ Configuración

La configuración se encuentra en ~/.metaclaw/config.yaml, creada por metaclaw setup.

Comandos CLI:

metaclaw setup                  # Asistente de configuración inicial interactivo
metaclaw start                  # Iniciar MetaClaw (por defecto: modo MadMax)
metaclaw start --daemon         # Iniciar MetaClaw en segundo plano
metaclaw start --daemon --log-file /tmp/metaclaw.log  # Ruta de log personalizada
metaclaw start --mode rl        # Forzar modo RL para esta sesión (sin planificador)
metaclaw start --mode skills_only  # Forzar modo solo skills para esta sesión
metaclaw stop                   # Detener una instancia de MetaClaw en ejecución
metaclaw status                 # Verificar estado del proxy, modo en ejecución y planificador
metaclaw config show            # Ver configuración actual
metaclaw config KEY VALUE       # Establecer un valor de configuración

Al iniciar MetaClaw con --daemon, el comando espera hasta que el proxy local esté disponible antes de retornar. Use metaclaw status para verificar el estado y metaclaw stop para detener el proceso en segundo plano.

Referencia completa de configuración (clic para expandir)

mode: madmax               # "madmax" | "rl" | "skills_only"

llm:
  provider: kimi            # kimi | qwen | openai | minimax | custom
  model_id: moonshotai/Kimi-K2.5
  api_base: https://api.moonshot.cn/v1
  api_key: sk-...

proxy:
  port: 30000
  api_key: ""              # bearer token opcional para el proxy local de MetaClaw

skills:
  enabled: true
  dir: ~/.metaclaw/skills   # tu biblioteca de skills
  retrieval_mode: template  # template | embedding
  top_k: 6
  task_specific_top_k: 10   # límite de skills específicos de tarea (por defecto 10)
  auto_evolve: true         # resumir skills automáticamente tras cada sesión

rl:
  enabled: false            # poner a true para activar entrenamiento RL
  backend: auto             # "auto" | "tinker" | "mint"
  model: moonshotai/Kimi-K2.5
  api_key: ""
  base_url: ""              # endpoint opcional del backend, p. ej. https://mint.macaron.xin/ para MinT
  tinker_api_key: ""        # alias heredado de api_key
  tinker_base_url: ""       # alias heredado de base_url
  prm_url: https://api.openai.com/v1
  prm_model: gpt-5.2
  prm_api_key: ""
  lora_rank: 32
  batch_size: 4
  resume_from_ckpt: ""      # ruta de checkpoint opcional para reanudar entrenamiento
  evolver_api_base: ""      # dejar vacío para reutilizar llm.api_base
  evolver_api_key: ""
  evolver_model: gpt-5.2

opd:
  enabled: false            # poner a true para activar OPD (destilación profesor)
  teacher_url: ""           # URL base del modelo profesor (OpenAI-compatible /v1/completions)
  teacher_model: ""         # nombre del modelo profesor (p. ej. Qwen/Qwen3-32B)
  teacher_api_key: ""       # clave API del modelo profesor
  kl_penalty_coef: 1.0      # coeficiente de penalización KL para OPD

max_context_tokens: 20000   # límite de tokens de prompt antes del truncamiento

scheduler:                  # v0.3: planificador de meta-aprendizaje (auto-habilitado en modo MadMax)
  enabled: false            # modo MadMax lo habilita automáticamente; configurar manualmente para RL
  sleep_start: "23:00"
  sleep_end: "07:00"
  idle_threshold_minutes: 30
  min_window_minutes: 15
  calendar:
    enabled: false
    credentials_path: ""
    token_path: ""

💪 Modo Skills

metaclaw start --mode skills_only

El modo más ligero. Sin GPU, sin backend RL. MetaClaw envuelve tu LLM detrás de un proxy que inyecta skills relevantes en cada turno y resume automáticamente nuevos skills tras cada conversación.

Los skills son instrucciones cortas en Markdown almacenadas en ~/.metaclaw/skills/ como archivos SKILL.md individuales. La biblioteca crece automáticamente con el uso.

Para precargar el banco de skills integrado (40+ skills para coding, seguridad, tareas agénticas, etc.):

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

🔬 Modo RL

metaclaw start --mode rl

Todo lo del Modo Skills, más fine-tuning RL continuo a partir de conversaciones en vivo. Cada turno de conversación se tokeniza y se envía como muestra de entrenamiento. Un LLM juez (PRM) puntúa las respuestas de forma asíncrona, y un backend compatible con Tinker (Tinker Cloud o MinT) ejecuta fine-tuning LoRA con hot-swap de pesos.

Tinker (por defecto):

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

Un LLM evolucionador dedicado también extrae nuevos skills de los episodios fallidos, alimentándolos de vuelta a la biblioteca de skills.

Rollout programático (sin TUI de OpenClaw): establece openclaw_env_data_dir en un directorio de archivos JSONL de tareas:

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

On-Policy Distillation (OPD)

OPD es un complemento opcional para el Modo RL. Destila un modelo profesor más grande en el estudiante on-policy: el estudiante genera respuestas normalmente, y el profesor proporciona log-probabilidades por token en esas mismas respuestas. Una penalización KL guía al estudiante hacia la distribución del profesor.

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

El profesor debe servirse detrás de un endpoint /v1/completions compatible con OpenAI (p. ej. vLLM, SGLang). OPD puede combinarse con scoring PRM, ambos se ejecutan de forma asíncrona. Consulta examples/run_conversation_opd.py y scripts/run_openclaw_tinker_opd.sh.

🧠 Modo MadMax (Por defecto)

metaclaw start

Todo lo del Modo RL, más un planificador de meta-aprendizaje que posterga las actualizaciones de pesos a ventanas de inactividad del usuario para que el agente nunca se interrumpa durante el uso activo. Este es el modo por defecto.

El paso de hot-swap de pesos RL pausa el agente durante varios minutos. En lugar de entrenar inmediatamente cuando un batch está lleno (como hace el Modo RL), MadMax espera una ventana apropiada.

Tres condiciones activan una ventana de actualización (cualquiera es suficiente):

Horas de sueño: horario de inicio/fin configurable (p. ej. 23:00 a 07:00)
Inactividad del teclado: se activa tras N minutos de inactividad
Eventos de Google Calendar: detecta reuniones para que las actualizaciones se ejecuten mientras estás fuera

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

# Opcional: integración con Google Calendar
pip install -e ".[scheduler]"
metaclaw config scheduler.calendar.enabled true
metaclaw config scheduler.calendar.credentials_path ~/.metaclaw/client_secrets.json

Si el usuario regresa durante una actualización, el batch parcial se guarda y se retoma en la siguiente ventana.

Cada ConversationSample se etiqueta con una versión skill_generation. Cuando la evolución de skills incrementa la generación, el buffer RL se vacía para que solo las muestras post-evolución se usen en las actualizaciones de gradiente (separación de conjuntos support/query MAML).

📚 Cita

@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},
}

🙏 Agradecimientos

MetaClaw se construye sobre los siguientes proyectos de código abierto:

OpenClaw - el framework central de agentes.
SkillRL - nuestro framework RL aumentado con skills.
Tinker - usado para entrenamiento RL en línea.
MinT - backend alternativo para entrenamiento RL en línea.
OpenClaw-RL - inspiración para nuestro diseño RL.
awesome-openclaw-skills - proporciona la base de nuestro banco de skills.
NanoClaw - agente Claude personal de qwibitai, conectado a través del endpoint compatible con Anthropic /v1/messages.
NemoClaw - plugin agente OpenShell de NVIDIA para inferencia.

📄 Licencia

Este proyecto está licenciado bajo la Licencia MIT.

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

Habla con tu agente — aprende y EVOLUCIONA.

Dos comandos. Eso es todo.

🔥 Noticias

🎥 Demo

📖 Descripción

🤖 Características principales

Despliegue en un clic

Tres modos de operación

Asíncrono por diseño

🚀 Inicio rápido

1. Instalación

2. Configuración

3. Inicio

⚙️ Configuración

💪 Modo Skills

🔬 Modo RL

On-Policy Distillation (OPD)

🧠 Modo MadMax (Por defecto)

📚 Cita

🙏 Agradecimientos

📄 Licencia

FilesExpand file tree

README_ES.md

Latest commit

History

README_ES.md

File metadata and controls

Habla con tu agente — aprende y EVOLUCIONA.

Dos comandos. Eso es todo.

🔥 Noticias

🎥 Demo

📖 Descripción

🤖 Características principales

Despliegue en un clic

Tres modos de operación

Asíncrono por diseño

🚀 Inicio rápido

1. Instalación

2. Configuración

3. Inicio

⚙️ Configuración

💪 Modo Skills

🔬 Modo RL

On-Policy Distillation (OPD)

🧠 Modo MadMax (Por defecto)

📚 Cita

🙏 Agradecimientos

📄 Licencia