用途：OpenClaw-RL 是面向个性化 AI 智能体的全异步强化学习框架，把真实多轮对话转成训练轨迹，在不中断使用的前提下后台持续优化策略；同时支持终端、GUI、SWE、工具调用等智能体的可扩展 RL。
主要能力：架构由四个互不阻塞的异步循环组成——Agent Serving（OpenClaw 兼容 API 提供 rollout）、Rollout Collection（捕获多轮对话为训练轨迹）、PRM/Judge Evaluation（用 next-state 反馈打分，可选多数投票）、Policy Training（经 slime 或 Tinker 做 GRPO/OPD/Combine 训练）。提供三种学习范式：Binary RL（GRPO）、On-Policy Distillation（OPD）与组合方法（推荐）。支持 LoRA、自定义损失/rollout/生成/奖励模型插件、断点续训与评估。
使用方式：克隆仓库后安装依赖：git clone https://github.com/Gen-Verse/OpenClaw-RL；cd OpenClaw-RL；pip install -r requirements.txt；cd slime && pip install -e . && cd ..；可选 pip install sglang。通过环境变量配置模型、检查点、rollout、优化器与 GPU 划分，再运行对应脚本，如 bash openclaw-rl/run_qwen3_7b_openclaw_rl.sh、bash openclaw-opd/run_qwen3_7b_openclaw_opd.sh、bash openclaw-combine/run_qwen3_7b_openclaw_combine.sh。Track 2 提供 terminal-rl、gui-rl、swe-rl、toolcall-rl 脚本。API 服务可用 python -m openclaw.server 启动，并作为 OpenAI 兼容接口调用。
适用场景：需要基于真实对话反馈做个性化智能体训练、或对终端/GUI/SWE/工具调用智能体做 RL 的研究与工程场景。
限制：资料未提供具体收费、价格与效果数据；训练需自备模型、数据与 GPU 资源，显存不足可用 LoRA 或减少并行环境，具体版本兼容与故障处理需参考仓库文档。