# [🚀观看我的哔哩哔哩视频](https://space.bilibili.com/3493277319825652)

English | 简体中文 | 繁體中文 | 日本語 | 한국어 | Français | Español | Deutsch | Italiano | Русский | Português (Brasil)

🦞ClawTeam-OpenClaw

Multi-Agenten-Schwarm-Koordination für CLI-Coding-Agenten — OpenClaw als Standard

Upstream Schnellstart Lizenz

Python Agents Transport Version

> **Fork von [HKUDS/ClawTeam](https://github.com/HKUDS/ClawTeam)** mit tiefer OpenClaw-Integration: Standard-Agent `openclaw`, sitzungsisolierte Agenten, automatische Konfiguration der Ausführungsgenehmigungen und produktionsgehärtete Spawn-Backends. Alle Upstream-Fixes werden synchronisiert. Sie setzen das Ziel. Der Agenten-Schwarm erledigt den Rest — Worker erzeugen, Aufgaben aufteilen, koordinieren und Ergebnisse zusammenführen. Funktioniert mit [OpenClaw](https://openclaw.ai) (Standard), [Claude Code](https://claude.ai/claude-code), [Codex](https://openai.com/codex), [nanobot](https://github.com/HKUDS/nanobot), [Cursor](https://cursor.com) und jedem CLI-Agenten. --- ## Warum ClawTeam? Aktuelle KI-Agenten sind leistungsfähig, arbeiten aber **isoliert**. ClawTeam ermöglicht es Agenten, sich selbst in Teams zu organisieren — Arbeit aufzuteilen, zu kommunizieren und Ergebnisse zusammenzuführen, ohne menschliches Mikromanagement. | | ClawTeam | Andere Multi-Agenten-Frameworks | |---|---------|----------------------------| | **Wer nutzt es** | Die KI-Agenten selbst | Menschen, die Orchestrierungscode schreiben | | **Einrichtung** | `pip install` + ein Prompt | Docker, Cloud-APIs, YAML-Konfigurationen | | **Infrastruktur** | Dateisystem + tmux | Redis, Nachrichtenwarteschlangen, Datenbanken | | **Agenten-Unterstützung** | Jeder CLI-Agent | Nur framework-spezifische | | **Isolation** | Git Worktrees (echte Branches) | Container oder virtuelle Umgebungen | --- ## So funktioniert es
### Agenten erzeugen Agenten Der Leiter ruft `clawteam spawn` auf, um Worker zu erstellen. Jeder bekommt seinen eigenen **Git Worktree**, sein eigenes **tmux-Fenster** und seine eigene **Identität**. ```bash clawteam spawn --team my-team \ --agent-name worker1 \ --task "Implement auth module" ``` ### Agenten kommunizieren Worker prüfen ihre Posteingänge, aktualisieren Aufgaben und melden Ergebnisse — alles über CLI-Befehle, die **automatisch** in ihren Prompt eingefügt werden. ```bash clawteam task list my-team --owner me clawteam inbox send my-team leader \ "Auth done. All tests passing." ``` ### Sie schauen einfach zu Überwachen Sie den Schwarm über eine gekachelte tmux-Ansicht oder die Web-Oberfläche. Der Leiter übernimmt die Koordination. ```bash clawteam board attach my-team # Or web dashboard clawteam board serve --port 8080 ```
--- ## Schnellstart ### Option 1: Den Agenten steuern lassen (Empfohlen) Installieren Sie ClawTeam und geben Sie Ihrem Agenten folgenden Prompt: ``` "Build a web app. Use clawteam to split the work across multiple agents." ``` Der Agent erstellt automatisch ein Team, erzeugt Worker, weist Aufgaben zu und koordiniert — alles über die `clawteam`-CLI. ### Option 2: Manuell steuern ```bash # Create a team clawteam team spawn-team my-team -d "Build the auth module" -n leader # Spawn workers — each gets a git worktree + tmux window clawteam spawn --team my-team --agent-name alice --task "Implement OAuth2 flow" clawteam spawn --team my-team --agent-name bob --task "Write unit tests for auth" # Watch them work clawteam board attach my-team ``` ### Unterstützte Agenten | Agent | Spawn-Befehl | Status | |-------|--------------|--------| | [OpenClaw](https://openclaw.ai) | `clawteam spawn tmux openclaw --team ...` | **Standard** | | [Claude Code](https://claude.ai/claude-code) | `clawteam spawn tmux claude --team ...` | Volle Unterstützung | | [Codex](https://openai.com/codex) | `clawteam spawn tmux codex --team ...` | Volle Unterstützung | | [nanobot](https://github.com/HKUDS/nanobot) | `clawteam spawn tmux nanobot --team ...` | Volle Unterstützung | | [Cursor](https://cursor.com) | `clawteam spawn subprocess cursor --team ...` | Experimentell | | Benutzerdefinierte Skripte | `clawteam spawn subprocess python --team ...` | Volle Unterstützung | --- ## Installation ### Schritt 1: Voraussetzungen ClawTeam erfordert **Python 3.10+**, **tmux** und mindestens einen CLI-Coding-Agenten (OpenClaw, Claude Code, Codex usw.). **Prüfen Sie, was Sie bereits haben:** ```bash python3 --version # Need 3.10+ tmux -V # Need any version openclaw --version # Or: claude --version / codex --version ``` **Fehlende Voraussetzungen installieren:** | Werkzeug | macOS | Ubuntu/Debian | |------|-------|---------------| | Python 3.10+ | `brew install python@3.12` | `sudo apt update && sudo apt install python3 python3-pip` | | tmux | `brew install tmux` | `sudo apt install tmux` | | OpenClaw | `pip install openclaw` | `pip install openclaw` | > Falls Sie Claude Code oder Codex anstelle von OpenClaw verwenden, installieren Sie diese gemäß deren eigener Dokumentation. OpenClaw ist der Standard, aber nicht zwingend erforderlich. ### Schritt 2: ClawTeam installieren > **⚠️ Führen Sie NICHT `pip install clawteam` oder `npm install -g clawteam` direkt aus:** > - `pip install clawteam` installiert die Upstream-Version von PyPI, die standardmäßig `claude` nutzt und die OpenClaw-Anpassungen nicht enthält. > - `npm install -g clawteam` installiert ein fremdes Squatting-Paket (Herausgeber `a9logic`). Wenn `clawteam --version` "Coming Soon" anzeigt, haben Sie das falsche Paket. Führen Sie zuerst `npm uninstall -g clawteam` aus. > > **Verwenden Sie die drei Befehle unten — `pip install -e .` nach dem Clone ist erforderlich. Es installiert aus dem lokalen Repository, nicht von PyPI.** ```bash git clone https://github.com/win4r/ClawTeam-OpenClaw.git cd ClawTeam-OpenClaw pip install -e . # ← Erforderlich! Installiert aus dem lokalen Repository, NICHT identisch mit pip install clawteam ``` Optional — P2P-Transport (ZeroMQ): ```bash pip install -e ".[p2p]" ``` ### Schritt 3: Symlink `~/bin/clawteam` erstellen Erzeugte Agenten laufen in frischen Shells, die möglicherweise kein pip-bin-Verzeichnis im PATH haben. Ein Symlink in `~/bin` stellt sicher, dass `clawteam` immer erreichbar ist: ```bash mkdir -p ~/bin ln -sf "$(which clawteam)" ~/bin/clawteam ``` Falls `which clawteam` nichts zurückgibt, suchen Sie die Binärdatei manuell: ```bash # Common locations: # ~/.local/bin/clawteam # /opt/homebrew/bin/clawteam # /usr/local/bin/clawteam # /Library/Frameworks/Python.framework/Versions/3.*/bin/clawteam find / -name clawteam -type f 2>/dev/null | head -5 ``` Stellen Sie dann sicher, dass `~/bin` in Ihrem PATH ist — fügen Sie dies zu `~/.zshrc` oder `~/.bashrc` hinzu, falls nicht vorhanden: ```bash export PATH="$HOME/bin:$PATH" ``` ### Schritt 4: OpenClaw-Skill installieren (nur für OpenClaw-Nutzer) Die Skill-Datei bringt OpenClaw-Agenten bei, wie sie ClawTeam per natürlicher Sprache nutzen. Überspringen Sie diesen Schritt, wenn Sie OpenClaw nicht verwenden. ```bash mkdir -p ~/.openclaw/workspace/skills/clawteam cp skills/openclaw/SKILL.md ~/.openclaw/workspace/skills/clawteam/SKILL.md ``` ### Schritt 5: Ausführungsgenehmigungen konfigurieren (nur für OpenClaw-Nutzer) Erzeugte OpenClaw-Agenten benötigen die Berechtigung, `clawteam`-Befehle auszuführen. Ohne diese blockieren Agenten bei interaktiven Berechtigungsabfragen. ```bash # Ensure security mode is "allowlist" (not "full") python3 -c " import json, pathlib p = pathlib.Path.home() / '.openclaw' / 'exec-approvals.json' if p.exists(): d = json.loads(p.read_text()) d.setdefault('defaults', {})['security'] = 'allowlist' p.write_text(json.dumps(d, indent=2)) print('exec-approvals.json updated: security = allowlist') else: print('exec-approvals.json not found — run openclaw once first, then re-run this step') " # Add clawteam to the allowlist (use the absolute path — OpenClaw 4.2+ requires it) openclaw approvals allowlist add --agent "*" "$(which clawteam)" ``` > Falls `openclaw approvals` fehlschlägt, läuft das OpenClaw-Gateway möglicherweise nicht. Starten Sie es zuerst und versuchen Sie es erneut. ### Schritt 6: Überprüfung ```bash clawteam --version # Should print version clawteam config health # Should show all green ``` Falls Sie OpenClaw verwenden, überprüfen Sie auch, ob der Skill geladen ist: ```bash openclaw skills list | grep clawteam ``` ### Automatischer Installer Die Schritte 2–6 oben sind auch als einzelnes Skript verfügbar: ```bash git clone https://github.com/win4r/ClawTeam-OpenClaw.git cd ClawTeam-OpenClaw bash scripts/install-openclaw.sh ``` ### Fehlerbehebung | Problem | Ursache | Lösung | |---------|---------|--------| | `clawteam: command not found` | pip-bin-Verzeichnis nicht im PATH | Schritt 3 ausführen (Symlink + PATH) | | Erzeugte Agenten finden `clawteam` nicht | Agenten laufen in frischen Shells ohne pip-PATH | Prüfen Sie, ob der Symlink `~/bin/clawteam` existiert und `~/bin` im PATH ist | | `openclaw approvals` schlägt fehl | Gateway läuft nicht | Zuerst `openclaw gateway` starten, dann Schritt 5 wiederholen | | `exec-approvals.json not found` | OpenClaw wurde nie ausgeführt | Führen Sie `openclaw` einmal aus, um die Konfiguration zu generieren, dann Schritt 5 wiederholen | | Agenten blockieren bei Berechtigungsabfragen | Ausführungsgenehmigungen stehen auf "full" | Schritt 5 ausführen, um auf "allowlist" umzuschalten | | `pip install -e .` schlägt fehl | Fehlende Build-Abhängigkeiten | Zuerst `pip install hatchling` ausführen | | `clawteam --version` zeigt "Coming Soon" | Falsches npm-Squatting-Paket installiert (`a9logic`, ohne Bezug zu diesem Projekt) | `npm uninstall -g clawteam`, dann gemäß Schritt 2 neu installieren | --- ## Anwendungsfälle ### 1. Autonome ML-Forschung — 8 Agenten x 8 GPUs Basierend auf [@karpathy/autoresearch](https://github.com/karpathy/autoresearch). Ein einziger Prompt startet 8 Forschungsagenten auf H100s, die über 2000 Experimente autonom entwerfen. ``` Human: "Use 8 GPUs to optimize train.py. Read program.md for instructions." Leader agent: ├── Spawns 8 agents, each assigned a research direction (depth, width, LR, batch size...) ├── Each agent gets its own git worktree for isolated experiments ├── Every 30 min: checks results, cross-pollinates best configs to new agents ├── Reassigns GPUs as agents finish — fresh agents start from best known config └── Result: val_bpb 1.044 → 0.977 (6.4% improvement) across 2430 experiments in ~30 GPU-hours ``` Vollständige Ergebnisse: [novix-science/autoresearch](https://github.com/novix-science/autoresearch) ### 2. Agentische Softwareentwicklung ``` Human: "Build a full-stack todo app with auth, database, and React frontend." Leader agent: ├── Creates tasks with dependency chains (API schema → auth + DB → frontend → tests) ├── Spawns 5 agents (architect, 2 backend, frontend, tester) in separate worktrees ├── Dependencies auto-resolve: architect completes → backend unblocks → tester unblocks ├── Agents coordinate via inbox: "Here's the OpenAPI spec", "Auth endpoints ready" └── Leader merges all worktrees into main when complete ``` ### 3. KI-Hedgefonds — Template-Start Ein TOML-Template erzeugt ein komplettes 7-Agenten-Investmentteam mit einem einzigen Befehl: ```bash clawteam launch hedge-fund --team fund1 --goal "Analyze AAPL, MSFT, NVDA for Q2 2026" ``` 5 Analysten-Agenten (Value, Growth, Technik, Fundamentaldaten, Sentiment) arbeiten parallel. Der Risikomanager synthetisiert alle Signale. Der Portfoliomanager trifft die endgültigen Entscheidungen. Templates sind TOML-Dateien — **erstellen Sie Ihre eigenen** für jeden beliebigen Bereich. --- ## Funktionen
### Selbstorganisation der Agenten - Der Leiter erzeugt und verwaltet Worker - Automatisch eingefügter Koordinations-Prompt — kein manuelles Setup - Worker melden selbstständig ihren Status und Leerlaufzustand - Jeder CLI-Agent kann teilnehmen ### Arbeitsbereich-Isolation - Jeder Agent bekommt seinen eigenen **Git Worktree** - Keine Merge-Konflikte zwischen parallelen Agenten - Checkpoint-, Merge- und Cleanup-Befehle - Branch-Benennung: `clawteam/{team}/{agent}` ### Aufgabenverfolgung mit Abhängigkeiten - Gemeinsames Kanban: `pending` → `in_progress` → `completed` / `blocked` - `--blocked-by`-Ketten mit automatischer Entsperrung bei Fertigstellung - `task wait` blockiert, bis alle Aufgaben abgeschlossen sind ### Inter-Agenten-Nachrichtenverkehr - Punkt-zu-Punkt-Posteingänge (senden, empfangen, einsehen) - Broadcast an alle Teammitglieder - Dateibasiert (Standard) oder ZeroMQ-P2P-Transport ### Überwachung und Dashboards - `board show` — Terminal-Kanban - `board live` — automatisch aktualisierendes Dashboard - `board attach` — gekachelte tmux-Ansicht aller Agenten - `board serve` — Web-Oberfläche mit Echtzeit-Updates ### Team-Templates - TOML-Dateien definieren Team-Archetypen (Rollen, Aufgaben, Prompts) - Ein Befehl: `clawteam launch