SkillClaw × Nacos：从一次 Agent 会话到可治理 Skill Registry 的自动演化闭环

在 AI Agent 日益普及的今天，Skill 正在成为决定 Agent 能力差异化的核心要素。一个注入项目规范 Skill 的编程 Agent，与一个没有此类沉淀的 Agent，产出质量可谓天差地别。同样，加载了标准化排障 SOP Skill 的运维 Agent，无需从零推理便能快速定位问题。然而，当前领域普遍面临两大困境：优秀经验难以从「一次个人的成功实践」转化为可复用的 Skill；而即便生成了 Skill，也缺乏团队级的 Registry 来承接其版本管理、审核与分发。

SkillClaw：从真实会话中提炼经验

这两个问题分别对应着「经验如何产生」与「经验如何共享」两个核心命题。令人欣喜的是，SkillClaw 与 Nacos 两个开源项目已从不同切入点给出了回应——前者解决「生产」，后者解决「治理」，二者结合便构成了一条可落地的完整链路。

Nacos AI Registry：让 Skill 进入团队共享体系

SkillClaw 是由高德技术团队提出的开源框架，其核心设计思路是通过本地 Proxy 接管 Agent 的模型调用，在上下文中注入可用的 Skill 目录，同时记录 Agent 执行任务时的关键过程数据：会话轮次、工具调用序列、返回结果、错误信息、Skill 命中情况以及修改内容与评分。Evolve Server 基于这些数据自动判断：当前任务中是否存在可复用经验？已有 Skill 是否需要优化？是否应生成一个新的 Skill？这一机制的意义在于：Skill 不再需要人工从零编写，而是从真实工作流中「生长」出来。Agent 处理的任务越多，沉淀出的 Skill 越贴合实际场景。

1+1>2：产生、治理、分发形成闭环

如果说 SkillClaw 解决了「经验从哪来」的问题，那么 Nacos AI Registry 则回答了「经验到哪去」。在 Nacos 中，Skill 被作为一种 AI Resource 进行注册和管理，具备版本号、标签系统，支持 draft（草稿）、reviewing（审核中）、online（上线）等完整生命周期状态，并可通过 Pipeline 机制进行自动化审核，最终按标签分发到不同运行时环境。这意味着 Skill 不再只是个人目录里的文件，而是团队可发现的、可拉取的、可治理的共享资产。

实践价值与场景展望

单独来看，SkillClaw 和 Nacos 已分别回应了「经验从哪来」和「经验到哪去」的问题。但二者结合后，价值远大于简单叠加。SkillClaw 内置 Nacos 作为 Skill Registry 后端，通过简单配置即可将本地生成的候选 Skill 提交到 Nacos 而非停留在本地。候选 Skill 默认进入 Nacos 的生命周期流程（draft → review → online），经过人工审核后才进入分发环节，而非直接穿透到生产环境。通过 Nacos 的 label 机制管理版本，客户端按标签（如 latest）拉取并同步 Skill，Agent 启动时自动 reload。整个链路形成闭环：SkillClaw 产生 Skill，Nacos 管理和分发 Skill，团队成员从中发现、拉取并复用。治理能力的可扩展性同样值得关注——Nacos 支持 Pipeline 插件机制，团队可将安全规则、合规检查和质量扫描接入发布流程，确保只有经过审核的 Skill 才能被分发使用。

如有侵权，请联系删除。