企业官网建设流程全解析

SkillClaw setup命令实战：LLM供应商、模型与共享存储配置完全指南

【免费下载链接】SkillClawLet Skills Evolve Collectively with Agentic Evolver项目地址: https://gitcode.com/gh_mirrors/sk/SkillClaw

SkillClaw 是一个让 AI Agent 技能从真实对话中集体进化的本地代理服务，只需运行一条skillclaw setup命令，就能完成 LLM 供应商、上游模型、本地技能库和共享存储的全部初始化配置。本文带你走完这个交互式向导的每一个提问，并讲解配置文件的落盘位置与后续修改技巧，帮你快速把 SkillClaw 跑起来。

skillclaw setup 到底做了什么？

skillclaw setup是 SkillClaw 的一次性配置向导（源码见 setup_wizard.py）。它会依次询问你 5 件事，然后把结果写入本地配置文件~/.skillclaw/config.yaml：

配置文件的读写与默认值由 config_store.py 统一管理，随时可以重跑skillclaw setup重新配置，不会丢失未重写的项。

前置条件与快速安装

开始前只需准备三样东西：

• macOS / Linux / Windows 系统 +Python ≥ 3.10
• 一个提供 OpenAI 兼容 API 的账号（或 AWS Bedrock）
• 仓库源码（clone 地址：https://gitcode.com/gh_mirrors/sk/SkillClaw）

macOS / Linux 安装只需一条脚本（安装脚本见 install_skillclaw.sh）：

bash scripts/install_skillclaw.sh source .venv/bin/activate skillclaw setup

Windows 用户可用 PowerShell 手动创建虚拟环境后执行pip install -e ".[evolve,sharing,server]"。

第一步：选择 LLM 供应商（9 个预设一步到位）

向导第一个关键提问是LLM provider，内置 9 个预设（定义在 setup_wizard.py 的_PROVIDER_PRESETS中）：

💡小贴士：选择预设后，API 地址和模型 ID 都会自动填入默认值，直接回车即可。若你的供应商不在列表中，选custom手动填写API base URL和Model ID即可——SkillClaw 只依赖 OpenAI 兼容接口。

第二步：模型与 API 细节配置

选定供应商后，向导会追问三个字段：

• API base URL：如https://api.openai.com/v1
• Model ID：你的上游真实模型名
• API key：输入时不回显，放心粘贴

两个特殊供应商需要留意：

• Bedrock：不需要 API 地址，改为询问Bedrock 模型推理配置 ID和AWS Region（默认us-east-1）
• OpenRouter：额外询问路由策略（fallback/price/throughput/latency）、兜底模型列表和数据采集策略（allow/deny）

如果上游是 Atlas Cloud，向导会自动采用chat兼容转发模式，让 Codex 类客户端也能通过 SkillClaw 的 Responses 桥接使用。

第三步：本地技能库目录配置

向导会根据你在第一步选择的 CLI Agent自动推荐技能目录（逻辑在 config_store.py 的resolve_skills_dir中）：

保持推荐值回车即可，SkillClaw 启动时会自动创建该目录，并把旧版~/.skillclaw/skills中的遗留技能迁移过来。

第四步：PRM 质量打分（可选，建议先关）

PRM（Process Reward Model）会用一个模型对 Agent 响应做质量打分。向导默认开启，但首次体验建议选 No：

• 关闭 PRM = 最省 API 费用，功能完全不受影响
• 后续可随时用skillclaw config prm.enabled true再打开，它会默认复用你填的 LLM API 地址、模型和 Key

第五步：配置共享存储（团队/多设备用户必看）

这一步是 SkillClaw "集体进化"能力的关键，支持三种后端：

• local：本地共享目录，适合单机同时跑 Evolve Server，只需填一个根目录（如~/.skillclaw/local-share）
• s3：任何 S3 兼容对象存储，填 endpoint、bucket、密钥对，可选 region 与 session token
• oss：阿里云 OSS，配置项同 S3

无论哪种后端，都要填写两个"身份"字段：

• Group ID：共享组的命名空间，同一组的成员共享同一个技能进化循环
• Your alias：你的别名，会作为技能作者显示

建议同时勾选Auto-pull shared skills on startup，这样每次启动都会自动拉取组内最新技能。

📌 进阶：如果团队用 Nacos 管理技能版本，可设置sharing.skill_backend nacos加sharing.nacos_server，让技能资产走 Nacos、会话数据仍走对象存储。

配置完成后：三步验证是否成功

skillclaw setup结束后，执行以下命令确认一切就绪：

skillclaw start --daemon skillclaw status skillclaw config show

预期结果：

常见修改：不必重跑 setup 的单点配置

skillclaw setup之后，任何一项都可以用skillclaw config命令直接改（实现见 cli.py），例如：

# 修改共享组 skillclaw config sharing.group_id my-group # 切换共享后端为本地目录 skillclaw config sharing.backend local skillclaw config sharing.local_root /path/to/shared/root # 打开 PRM 质量打分 skillclaw config prm.enabled true # 查看当前完整配置 skillclaw config show

如果你还要部署团队的 Evolve Server，环境变量模板可直接参考 evolve_server.env.example，把其中的存储、LLM 与调度参数填好后运行skillclaw-evolve-server即可。

写在最后

一条skillclaw setup命令、五个问答环节，就完成了 LLM 供应商、模型、技能库与共享存储的全部配置。记住两个最实用的要点：首次运行关掉 PRM 省费用、单机先用 local 共享、团队再切 OSS/S3——你的 Agent 技能进化之旅就可以开始了。

【免费下载链接】SkillClawLet Skills Evolve Collectively with Agentic Evolver项目地址: https://gitcode.com/gh_mirrors/sk/SkillClaw