KnowAct-GUIClaw：让个人 GUI 助手在记忆与技能中自我进化

导语

个人智能体正在从“会调用工具”走向“能持续学习如何操作设备”。来自 Hugging Face Daily Papers 的论文《KnowAct-GUIClaw: Know Deeply, Act Perfectly, Personal GUI Assistant with Self-Evolving Memory and Skill》聚焦一个关键问题：现有 OpenClaw 框架虽已用于复杂任务自动化，但在跨平台 GUI 操作支持和自我进化机制方面仍不充分，限制了其适配多设备生态与从执行经验中持续改进的能力。

论文提出 KnowAct-GUIClaw，并以“Know Deeply, Act Perfectly”为核心范式：个人助手不只是被动执行指令，而应把用户交互、任务运行经验、反馈与知识积累起来，用于提升任务拆解、工具调用和 GUI 操作的准确性与效率。

核心要点

• 面向 OpenClaw 的两类短板：论文指出，OpenClaw 在复杂任务自动化中已有重要地位，但仍面临 GUI 交互支持不足、跨平台迁移不够顺畅，以及缺少成熟自我演化机制的问题。
• Know-Route-Act-Reflect 框架：KnowAct-GUIClaw 将任务处理拆分为理解、路由、执行与反思等环节，使主智能体能够结合历史交互经验和任务相关知识，进行长程任务拆解与分配。
• 可插拔 GUI 子智能体：框架引入可插拔的 GUI subagent，用于增强不同平台上的界面操作能力。这种设计强调跨平台迁移和快速路径集成，目标是在 Android、iOS、HarmonyOS 与 Windows 等系统中复用能力。
• 经验可归因记忆系统：GUI 子智能体配备经验可追溯的记忆系统，能够保存与任务执行相关的经验，并将经验用于后续决策，而不是每次都从零开始。
• 自进化技能库：系统还包含自我演化的技能库，使智能体可以通过执行过程积累可复用操作能力，从而提升后续任务的执行效率。
• 持续吸收用户画像与反馈：论文特别强调，框架会持续存储用户资料和反馈，以改善任务拆解与工具调用的准确性。

意义/影响

KnowAct-GUIClaw 的价值在于把“认知理解”和“操作执行”放到同一条闭环中：智能体先理解用户与任务，再选择路径、执行 GUI 操作，并从结果中反思与沉淀经验。相比单次执行式助手，这种设计更接近个人助手的长期形态——它会记住偏好、吸收反馈，并逐渐形成适合用户和设备环境的操作习惯。

论文称，在 Android、iOS、HarmonyOS 和 Windows 上的实验显示，KnowAct-GUIClaw 在效率、准确性和跨平台适应性方面表现更优。虽然摘要未给出具体数值，但其方向清晰：未来 GUI 智能体的竞争，不只在模型理解能力，也在于能否把真实使用经验转化为可复用的记忆与技能。

来源：Hugging Face Daily Papers