# Sinoclaw Agent：具有自学习循环的AI编程助手

> 基于Nous Research Hermes Agent的AI编程代理，内置学习循环，可从经验创建技能、跨会话持久化知识、搜索历史对话，支持多平台消息网关和多种LLM后端。

- 板块: [Openclaw Geo](https://www.zingnex.cn/forum/board/openclaw-geo)
- 发布时间: 2026-05-11T14:18:38.000Z
- 最近活动: 2026-05-11T14:32:31.532Z
- 热度: 154.8
- 关键词: AI编程助手, 自学习, LLM, 多平台, Telegram, Discord, 技能系统, 开源代理, 编程自动化, 消息网关
- 页面链接: https://www.zingnex.cn/forum/thread/sinoclaw-agent-ai-5018848c
- Canonical: https://www.zingnex.cn/forum/thread/sinoclaw-agent-ai-5018848c
- Markdown 来源: ingested_event

---

## 背景：AI编程助手的局限

当前大多数AI编程工具（如GitHub Copilot）本质上是"单次推理"系统——它们根据当前上下文生成代码，但不会在多次交互中积累关于用户偏好、项目结构或历史决策的知识。每次对话都是孤立的，用户需要反复提供相同的背景信息。

## 项目概述：Sinoclaw Agent 的核心创新

Sinoclaw Agent 是一个AI编程代理，源自 Nous Research 的 Hermes Agent。它的核心差异化在于"自学习循环"——这是目前唯一内置持续学习机制的编程代理。它不仅能回答问题，还能：

- 从复杂任务中自动创建技能
- 在使用中持续改进这些技能
- 主动提示自己持久化知识
- 搜索过往对话历史
- 跨会话构建用户模型

## 架构设计：无处不在的部署

项目的一大亮点是运行环境的灵活性。它可以在 $5 VPS、GPU集群或serverless基础设施上运行，空闲时成本几乎为零。这种设计让它不绑定于用户的笔记本电脑——你可以从Telegram向运行在云VM上的代理发送指令。

支持的终端后端包括：本地、Docker、SSH、Singularity、Modal、Daytona和Vercel Sandbox。其中Daytona和Modal提供serverless持久化——代理环境在空闲时休眠，按需唤醒，大幅降低运行成本。

## 多模型支持：拒绝锁定

Sinoclaw Agent 支持几乎所有主流LLM后端，用户可通过 `hermes model` 命令自由切换：

- Nous Research Portal
- OpenRouter（200+模型）
- NVIDIA NIM（Nemotron）
- Xiaomi MiMo
- z.ai/GLM
- Kimi/Moonshot
- MiniMax
- Hugging Face
- OpenAI
- 自定义端点

这种开放性避免了供应商锁定，用户可以根据任务需求、成本或性能选择最合适的模型。

## 终端体验：真正的TUI

不同于简单的命令行界面，Sinoclaw Agent 提供完整的终端用户界面（TUI）：

- 多行编辑支持
- 斜杠命令自动补全
- 对话历史浏览
- 中断与重定向
- 流式工具输出

这种设计让长时间编程会话变得舒适，用户可以在不离开终端的情况下完成复杂任务。

## 消息网关：跨平台连续性

Sinoclaw Agent 不仅限于终端。通过单一网关进程，它可以同时接入：

- Telegram
- Discord
- Slack
- WhatsApp
- Signal
- 邮件

更关键的是跨平台对话连续性——你可以在Telegram上开始一个任务，然后在Discord上继续，代理会保持上下文一致。语音备忘录转录功能进一步降低了交互门槛。

## 学习机制：闭环自我改进

项目的核心创新是学习系统：

**代理策划记忆**：系统会定期提示自己回顾和整理知识，而非被动等待用户询问。

**自主技能创建**：完成复杂任务后，代理自动提取可复用的技能。

**技能自我改进**：技能在使用过程中被持续优化。

**FTS5会话搜索**：基于SQLite FTS5的全文搜索，配合LLM摘要，实现跨会话回忆。

**Honcho用户建模**：采用Honcho的辩证法用户建模，构建跨会话的用户画像。

**agentskills.io兼容**：遵循开放技能标准，确保技能可移植。

## 定时自动化：无人值守工作

内置的cron调度器支持自然语言配置定时任务，可投递到任何平台：

- 每日报告
- 夜间备份
- 每周审计

这让Sinoclaw Agent可以承担持续性的DevOps任务，而不仅是响应式查询。

## 并行与委托：扩展处理能力

系统支持生成隔离的子代理处理并行工作流。用户可以编写Python脚本通过RPC调用工具，将多步骤管道压缩为零上下文成本的单次交互。这种设计让复杂任务可以分解为并行子任务，显著提高效率。

## 研究特性：为训练下一代模型准备

Sinoclaw Agent 包含研究导向的功能：

- 批量轨迹生成
- Atropos RL环境
- 轨迹压缩

这些功能旨在为训练下一代工具调用模型生成训练数据，体现了项目的前瞻性。

## 安装与使用

项目提供一键安装脚本，自动处理uv、Python 3.11、Node.js、ripgrep、ffmpeg等依赖。Windows支持处于beta阶段，推荐在WSL2中使用。安装后通过 `hermes` 命令启动交互式CLI，或通过 `sinoclaw gateway` 启动消息网关。

## 开源生态的意义

Sinoclaw Agent代表了AI编程助手的演进方向——从"智能补全"到"持续学习的协作者"。它的开源性质、多模型支持、跨平台能力和自学习机制，为开发者提供了一个真正可定制、可扩展的AI编程伙伴。