你有没有这种感觉：跟OpenClaw用了半年，它还是那副样子。

你喜欢简短的回答，它还是一大段一大段地说。你不喜欢它加免责声明，它还是每次都加。你说过不用写注释，下次照写。说了不用 emoji，下次还是满屏小图标。

不是OpenClaw不聪明，是它没有”成长”的机制。每次对话结束，经验清零，下次从头来。

capability-evolver 做的就是这件事：让 AI 分析自己的历史表现，找出哪里做得不好，然后修改自己的行为规则，下次做得更好。

它是什么

capability-evolver 是 ClawHub 上下载量第一的技能，35000 多次安装，遥遥领先第二名。

它的定位叫”元技能”——不是帮你做某件具体的事，而是帮 AI 提升做所有事的能力。

原理不复杂：OpenClaw 有一个配置文件（CLAUDE.md），里面写着 AI 的行为规则，比如”回复要简洁”、”不要用 emoji”、”代码用 Python 3.10+”。这个文件本来要你手动维护。

capability-evolver 的做法是：定期让OpenClaw回顾最近的对话，找出规律，自动更新这份规则文件。

你不用告诉它”下次不要这样”，它自己能发现，自己改。

这就是”越用越聪明”的底层逻辑——不是模型变聪明了，是规则文件越来越懂你了。

三个让你有感觉的场景

场景一：你是写作者，有固定的文字风格

你写文章喜欢短句，段落不超过三行，不用”首先其次最后”这种格式感太强的词。

以前要么每次说一遍，要么在 CLAUDE.md 里自己慢慢攒。有了 capability-evolver，它看几次你的对话就能总结出来：”这个用户偏好口语化短句，排斥列表格式”，然后自动加进规则。

下次你打开对话，不用说任何东西，风格就对了。

场景二：你是开发者，有一套技术偏好

你只用 TypeScript，不用 JavaScript。你喜欢函数式风格，不喜欢 class。错误处理要用 Result 类型，不要 try-catch 满天飞。

这些偏好以前靠自己手写进配置文件，漏了就漏了。capability-evolver 会从你和 AI 的实际对话里提炼，发现你每次都在纠正某类写法，就把这个纠正变成固定规则。

场景三：你觉得OpenClaw有些坏习惯，但懒得一条条写

总爱加”当然！”开头。回答问题总绕一大圈才到重点。技术问题非要先问你需求再回答。

你不用列清单，用一段时间，capability-evolver 会从你的纠正行为里归纳出来，一次性修掉。

怎么装

capability-evolver 是标准的 ClawHub 技能，装起来一行命令。

前提：已安装 ClawHub CLI

没装的话先装（第一篇讲过）：

npm install -g clawhub-cli

安装 capability-evolver：

clawhub install capability-evolver

安装完之后，在 OpenClaw 里确认一下技能已激活：

/skills list

列表里看到 capability-evolver 就说明装好了。

设置触发频率（可选）

默认它每 50 轮对话触发一次自我分析。你可以改：

/skills configure capability-evolver

然后按提示调整。如果你用得不多，可以改成每 20 轮；用得频繁，50 轮挺合适。

看看当前的规则文件长什么样

它修改的是项目根目录下的 CLAUDE.md，你可以直接打开看：

cat CLAUDE.md

装好之后暂时是空的，或者只有你之前手动加的内容，运行几次之后才会慢慢丰富起来。

第一次用：主动触发一次

刚装好，数据库里还没有历史可以分析。先正常用几天，积累一些对话，然后手动触发第一次进化：

/evolve

它会开始分析最近的对话记录，输出类似这样的内容：

分析中...

发现 3 条可优化的行为模式：
1. 用户多次要求缩短回答长度 → 添加规则：默认回复不超过 200 字
2. 用户偏好代码示例直接给出，不要先问需求 → 添加规则：技术问题直接给示例
3. 用户不接受 emoji → 添加规则：禁止使用 emoji

正在更新 CLAUDE.md...完成。

然后你打开 CLAUDE.md，就能看到这些规则被自动写进去了。

之后它每隔设定的轮数自动跑一次，你不用管，它在后台悄悄进化。

一个月之后，你会发现OpenClaw已经跟刚装的时候完全不一样了——不是更聪明，是更懂你。

小结

capability-evolver 解决的是一个很根本的问题：AI 用久了，不应该还像新的一样。

你不用写说明书，不用每次纠正，它自己从你们的对话里学，自己把规则攒起来。下载量第一不是没有道理的——这才是真正的”个人 AI 助手”该有的样子。

下一篇讲 self-improving-agent，和这篇有点像，但它学的不是行为规则，是你的偏好和习惯，两者配合起来才是完整的进化体系。