ClawHub 下载量第一的技能：Capability Evolver，让 AI Agent 自己进化

每个 AI Agent 用户最后都会撞上同一堵墙：你的 Agent 用得还行，但它永远不会自己变好。你攒了几周的使用记录、失败的任务、效率低下的环节——它还在重复同样的错误。手动调提示词、改配置太繁琐，大多数人既没时间也没那个手艺。

Capability Evolver 就是 ClawHub 给出的答案。它是 ClawHub——OpenClaw 的技能市场——上下载量第一的技能，理由很直接：它让你的 Agent 能从自己的历史里学习，持续变好。

Capability Evolver 是什么？

它是一个让 AI Agent 自主自我改进的 ClawHub 技能。原理是：分析你 Agent 的执行历史，找出失败模式和性能瓶颈，生成具体的改进建议，还可以选择自动应用这些改进。

把它想成你的 AI Agent 的教练——一个不睡觉、不嫌翻日志烦、基于真实数据而不是拍脑袋给出可执行改进计划的教练。

核心能力

执行历史分析：扫描你 Agent 的任务日志，找出失败、变慢、用户不满意的模式。它不只盯着"什么失败了"，还看"为什么失败"。

瓶颈诊断：定位工作流里出问题的具体环节。是某个工具超时太频繁？某条提示词引发了歧义理解？还是上下文撑爆了模型的窗口？

改进方案生成：基于诊断结果，给出具体可执行的建议——配置改哪、提示词怎么调、工作流怎么重构。

A/B 测试框架：改进方案在全面应用前，自动搭实验做验证。只有实测有正收益的改动才会被采纳。

版本管理：Capability Evolver 的每一次改动都带版本号和完整 diff。任何历史状态都能秒级回滚。

安装

前提条件

已安装并配好 OpenClaw 客户端（版本 >= 1.2.0）
有 ClawHub 账号（免费档即可）
Agent 至少有 7 天的执行历史

命令行安装

openclaw skills search "capability evolver"
openclaw skills install capability-evolver

也可以直接在 ClawHub 网页装：搜 "Capability Evolver"，点 Install，选要装到哪个 Agent 实例。

验证安装

openclaw skills list | grep capability-evolver
# 预期输出：
# capability-evolver  v2.1.3  active  installed 2026-03-15

授权数据访问

Capability Evolver 需要读取你 Agent 的执行日志。跑配置向导：

openclaw skills configure capability-evolver

向导会带你走完授权流程，并让你确认愿意共享哪些数据。

配置

安装后，你的 Agent 配置文件（~/.openclaw/agents/your-agent/config.yaml）会多出一段：

skills:
  capability-evolver:
    enabled: true
    analysis:
      lookback_days: 30
      min_sample_size: 50
      failure_threshold: 0.15
    evolution:
      auto_apply: false
      confidence_threshold: 0.85
    schedule:
      cron: "0 2 * * 0"

关键配置项解读

auto_apply：最重要的一项。为 false（默认）时，Capability Evolver 只分析、只建议，不经你批准不会动手。建议从这里开始——先确认建议的质量，再考虑开自动应用。

confidence_threshold：每条建议都带一个置信度分（0.0 到 1.0），表示系统对"这个改动会带来提升"有多大把握。只有超过这个阈值的建议才会被推荐或自动应用。

failure_threshold：某类任务被判定"有问题"的失败率。如果某类任务失败率达到 15%，就会被标出来进入分析。

lookback_days：分析回溯多长时间。高频使用的 Agent，30 天在时效和统计显著性之间平衡得最好；低频 Agent 建议拉长到 60-90 天。

跑第一次分析

别等定时任务——手动触发一次：

openclaw skills run capability-evolver --agent my-research-agent --mode analyze

看历史多少，分析一般要 2-5 分钟。有进度条，跑完出摘要报告：

Capability Evolver 分析报告
===================================
Agent: my-research-agent
周期: 2026-02-15 至 2026-03-15

性能概览:
  分析任务总数: 1,247
  总体成功率: 82.3%（基线: 85.0%）
  平均完成时间: 4.2 分钟（基线: 3.8 分钟）
  用户满意度: 3.8/5.0（基线: 4.1/5.0）

发现的主要问题:
  1. [高] 网络搜索工具超时（占失败的 23%）
     置信度: 91% | 预计收益: 成功率 +5.2%
  2. [中] 上下文窗口溢出（占失败的 18%）
     置信度: 87% | 预计收益: 成功率 +3.1%
  3. [低] 用户意图模糊处理不佳（占慢任务的 12%）
     置信度: 78% | 预计收益: 平均耗时 -0.8 分钟

跑 'suggest' 模式查看修复建议。

审阅并应用建议

生成具体修复方案：

openclaw skills run capability-evolver --agent my-research-agent --mode suggest

每个问题都会有一条带前后对比的详细建议。比如搜索超时那条，建议可能是把 timeout 从 10 秒调到 15 秒，并加上指数退避重试。

交互式应用：

openclaw skills run capability-evolver --agent my-research-agent --mode apply --interactive

交互模式下建议逐条过。你可以接受、拒绝，或者先看细节再决定。接受的改动立即生效并存档版本。

开启自主进化

等你信任 Capability Evolver 的判断了，打开自动应用：

evolution:
  auto_apply: true
  confidence_threshold: 0.90
  notify_on_change: true
  max_changes_per_cycle: 3
  require_ab_validation: true

require_ab_validation: true 时，Capability Evolver 不会直接改你的配置——先跑 48 小时 A/B 测试，拿现配置和提案对比，确认有提升才应用到主 Agent。

回滚与版本历史

查看全部改动历史：

openclaw skills run capability-evolver --agent my-agent --mode history

回滚到指定版本：

openclaw skills run capability-evolver --agent my-agent --mode rollback --version v1.4

回滚是即时且安全的——你 Agent 之前的配置会被原样恢复。

常见问题

会不会把我的 Agent 改坏？ 没有改动的不可逆。每次修改都有版本，回滚只要几秒。不放心就一直保持 auto_apply: false，逐条人工审。

会把我的数据传到外部服务器吗？ 默认所有分析都在本地跑。生成建议只用聚合统计，不用原始对话内容。

我的 Agent 才跑几天，能用吗？ 能装，但首次分析建议等到历史里至少有 50 个任务。数据太少，结论不可靠。

跟我手动调优有什么区别？ 手动调优靠直觉加偶尔抽查。Capability Evolver 系统性地分析每个任务，发现人工复盘看不到的模式，改动落地前用数据验证。

写在最后

Capability Evolver 让你的 AI Agent 从一个静态工具，变成一套持续变好的系统。这就像有车和有一辆会学你开车习惯、每周把你通勤路线跑得更顺的车之间的区别。

这就是它为什么是 ClawHub 下载量第一——不是因为它炫酷，而是它解决了在生产环境跑 Agent 最基础的那个难题：需求在变，性能不能掉。

今天就装上，让你的 Agent 开始向自己学习。