# [🚀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

面向命令列程式碼智能體的多智能體集群協作 — 預設使用 OpenClaw

Upstream Quick Start License

Python Agents Transport Version

> **[HKUDS/ClawTeam](https://github.com/HKUDS/ClawTeam) 的分叉版本**,深度整合 OpenClaw:預設使用 `openclaw` 智能體、每個智能體獨立會話隔離、執行授權自動配置,以及經過生產環境驗證的啟動後端。所有上游修復均已同步。 您設定目標,智能體集群處理剩下的一切 — 啟動工作者、拆分任務、協調配合、合併結果。 支援 [OpenClaw](https://openclaw.ai)(預設)、[Claude Code](https://claude.ai/claude-code)、[Codex](https://openai.com/codex)、[nanobot](https://github.com/HKUDS/nanobot)、[Cursor](https://cursor.com) 及任何命令列智能體。 --- ## 為什麼選擇 ClawTeam? 當前的人工智慧智能體功能強大,但都在**孤立**運作。ClawTeam 讓智能體自組織為團隊 — 拆分工作、互相溝通、匯聚結果,無需人類事必躬親。 | | ClawTeam | 其他多智能體框架 | |---|---------|----------------------------| | **誰在使用** | 人工智慧智能體自身 | 人類編寫編排程式碼 | | **設定** | `pip install` + 一句提示詞 | Docker、雲端 API、YAML 設定檔 | | **基礎設施** | 檔案系統 + tmux | Redis、訊息佇列、資料庫 | | **智能體支援** | 任何命令列智能體 | 僅限特定框架 | | **隔離方式** | Git worktrees(真實分支) | 容器或虛擬環境 | --- ## 運作原理
### 智能體啟動智能體 領導者呼叫 `clawteam spawn` 建立工作者。每個工作者都擁有獨立的 **git worktree**、**tmux 視窗**和**身份標識**。 ```bash clawteam spawn --team my-team \ --agent-name worker1 \ --task "Implement auth module" ``` ### 智能體之間互相對話 工作者檢查收件匣、更新任務、回報結果 — 全部透過**自動注入**提示詞的命令列指令完成。 ```bash clawteam task list my-team --owner me clawteam inbox send my-team leader \ "Auth done. All tests passing." ``` ### 您只需觀看 透過分割式 tmux 檢視或 Web 介面監控集群。領導者負責協調一切。 ```bash clawteam board attach my-team # Or web dashboard clawteam board serve --port 8080 ```
--- ## 快速開始 ### 方式一:讓智能體自行驅動(推薦) 安裝 ClawTeam,然後向您的智能體發出提示: ``` "Build a web app. Use clawteam to split the work across multiple agents." ``` 智能體自動建立團隊、啟動工作者、分配任務並協調 — 全部透過 `clawteam` 命令列完成。 ### 方式二:手動驅動 ```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 ``` ### 支援的智能體 | 智能體 | 啟動指令 | 狀態 | |-------|--------------|--------| | [OpenClaw](https://openclaw.ai) | `clawteam spawn tmux openclaw --team ...` | **預設** | | [Claude Code](https://claude.ai/claude-code) | `clawteam spawn tmux claude --team ...` | 完整支援 | | [Codex](https://openai.com/codex) | `clawteam spawn tmux codex --team ...` | 完整支援 | | [nanobot](https://github.com/HKUDS/nanobot) | `clawteam spawn tmux nanobot --team ...` | 完整支援 | | [Cursor](https://cursor.com) | `clawteam spawn subprocess cursor --team ...` | 實驗性 | | 自訂腳本 | `clawteam spawn subprocess python --team ...` | 完整支援 | --- ## 安裝 ### 第一步:前置條件 ClawTeam 需要 **Python 3.10+**、**tmux** 以及至少一個命令列程式碼智能體(OpenClaw、Claude Code、Codex 等)。 **檢查您已有的環境:** ```bash python3 --version # Need 3.10+ tmux -V # Need any version openclaw --version # Or: claude --version / codex --version ``` **安裝缺少的前置條件:** | 工具 | 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` | > 如果使用 Claude Code 或 Codex 而非 OpenClaw,請按照它們各自的文件進行安裝。OpenClaw 是預設選項,但並非嚴格必需。 ### 第二步:安裝 ClawTeam > **⚠️ 請勿直接執行 `pip install clawteam` 或 `npm install -g clawteam`:** > - `pip install clawteam` 會安裝 PyPI 上的上游版本,預設使用 `claude` 且缺少 OpenClaw 適配。 > - `npm install -g clawteam` 會安裝一個無關的搶注套件(發佈者 `a9logic`)。如果 `clawteam --version` 顯示 "Coming Soon",表示裝錯了,請先 `npm uninstall -g clawteam`。 > > **正確做法是下面三條命令——clone 之後的 `pip install -e .` 是必須的,它從本地倉庫安裝,不是從 PyPI。** ```bash git clone https://github.com/win4r/ClawTeam-OpenClaw.git cd ClawTeam-OpenClaw pip install -e . # ← 必須執行!從本地倉庫安裝,不同於 pip install clawteam ``` 可選 — P2P 傳輸層(ZeroMQ): ```bash pip install -e ".[p2p]" ``` ### 第三步:建立 `~/bin/clawteam` 符號連結 被啟動的智能體在全新的 shell 環境中執行,可能沒有將 pip 的 bin 目錄加入 PATH。在 `~/bin` 中建立符號連結可確保 `clawteam` 始終可達: ```bash mkdir -p ~/bin ln -sf "$(which clawteam)" ~/bin/clawteam ``` 如果 `which clawteam` 沒有回傳結果,請手動尋找二進位檔案: ```bash # Common locations: # ~/.local/bin/clawteam # /opt/homebrew/bin/clawteam # /usr/local/bin/clawteam # /Library/Frameworks/Python.framework/Versions/3.*/bin/clawteam find / -name clawteam -type f 2>/dev/null | head -5 ``` 然後確保 `~/bin` 在您的 PATH 中 — 如果尚未加入,請將以下內容新增至 `~/.zshrc` 或 `~/.bashrc`: ```bash export PATH="$HOME/bin:$PATH" ``` ### 第四步:安裝 OpenClaw 技能(僅限 OpenClaw 使用者) 技能檔案讓 OpenClaw 智能體能夠透過自然語言使用 ClawTeam。如果您不使用 OpenClaw,請跳過此步驟。 ```bash mkdir -p ~/.openclaw/workspace/skills/clawteam cp skills/openclaw/SKILL.md ~/.openclaw/workspace/skills/clawteam/SKILL.md ``` ### 第五步:配置執行授權(僅限 OpenClaw 使用者) 被啟動的 OpenClaw 智能體需要權限來執行 `clawteam` 指令。如果沒有配置,智能體會在互動式權限提示中被阻塞。 ```bash # Ensure security mode is "allowlist" (not "full") python3 -c " import json, pathlib p = pathlib.Path.home() / '.openclaw' / 'exec-approvals.json' if p.exists(): d = json.loads(p.read_text()) d.setdefault('defaults', {})['security'] = 'allowlist' p.write_text(json.dumps(d, indent=2)) print('exec-approvals.json updated: security = allowlist') else: print('exec-approvals.json not found — run openclaw once first, then re-run this step') " # Add clawteam to the allowlist (use the absolute path — OpenClaw 4.2+ requires it) openclaw approvals allowlist add --agent "*" "$(which clawteam)" ``` > 如果 `openclaw approvals` 失敗,OpenClaw 閘道器可能未在執行。請先啟動閘道器,然後重試。 ### 第六步:驗證 ```bash clawteam --version # Should print version clawteam config health # Should show all green ``` 如果使用 OpenClaw,還需驗證技能是否已載入: ```bash openclaw skills list | grep clawteam ``` ### 自動化安裝腳本 上述第二至六步也可透過單一腳本完成: ```bash git clone https://github.com/win4r/ClawTeam-OpenClaw.git cd ClawTeam-OpenClaw bash scripts/install-openclaw.sh ``` ### 疑難排解 | 問題 | 原因 | 解決方法 | |---------|-------|-----| | `clawteam: command not found` | pip 的 bin 目錄未在 PATH 中 | 執行第三步(符號連結 + PATH) | | 被啟動的智能體找不到 `clawteam` | 智能體在沒有 pip PATH 的全新 shell 中執行 | 驗證 `~/bin/clawteam` 符號連結是否存在且 `~/bin` 已在 PATH 中 | | `openclaw approvals` 失敗 | 閘道器未在執行 | 先啟動 `openclaw gateway`,然後重試第五步 | | `exec-approvals.json not found` | OpenClaw 從未執行過 | 先執行一次 `openclaw` 以產生設定檔,然後重試第五步 | | 智能體在權限提示中被阻塞 | 執行授權安全模式為 "full" | 執行第五步切換為 "allowlist" | | `pip install -e .` 失敗 | 缺少建置依賴 | 先執行 `pip install hatchling` | | `clawteam --version` 顯示 "Coming Soon" | 誤裝了 npm 同名搶注套件(`a9logic`,與本專案無關) | `npm uninstall -g clawteam`,然後按第二步重新安裝 | --- ## 使用案例 ### 1. 自主機器學習研究 — 8 個智能體 x 8 張 GPU 基於 [@karpathy/autoresearch](https://github.com/karpathy/autoresearch)。一句提示詞即可在 H100 上啟動 8 個研究智能體,自主設計超過 2000 個實驗。 ``` 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 ``` 完整結果:[novix-science/autoresearch](https://github.com/novix-science/autoresearch) ### 2. 智能體驅動的軟體工程 ``` 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. 人工智慧對沖基金 — 模板啟動 一個 TOML 模板即可透過一條指令啟動完整的 7 智能體投資團隊: ```bash clawteam launch hedge-fund --team fund1 --goal "Analyze AAPL, MSFT, NVDA for Q2 2026" ``` 5 個分析師智能體(價值型、成長型、技術型、基本面、情緒面)並行工作。風險管理智能體綜合所有訊號。投資組合管理智能體做出最終決策。 模板是 TOML 檔案 — 您可以為任何領域**建立自己的模板**。 --- ## 功能特性
### 智能體自組織 - 領導者啟動並管理工作者 - 自動注入協調提示詞 — 零手動設定 - 工作者自行回報狀態和閒置狀態 - 任何命令列智能體皆可參與 ### 工作區隔離 - 每個智能體擁有獨立的 **git worktree** - 並行智能體之間不會產生合併衝突 - 支援檢查點、合併和清理指令 - 分支命名規則:`clawteam/{team}/{agent}` ### 含依賴關係的任務追蹤 - 共享看板:`pending` → `in_progress` → `completed` / `blocked` - `--blocked-by` 依賴鏈,完成時自動解除阻塞 - `task wait` 阻塞等待直到所有任務完成 ### 智能體間通訊 - 點對點收件匣(傳送、接收、預覽) - 向所有團隊成員廣播 - 基於檔案(預設)或 ZeroMQ P2P 傳輸 ### 監控與儀表板 - `board show` — 終端機看板 - `board live` — 自動重新整理儀表板 - `board attach` — 分割式 tmux 檢視所有智能體 - `board serve` — 即時更新的 Web 介面 ### 團隊模板 - TOML 檔案定義團隊原型(角色、任務、提示詞) - 一條指令:`clawteam launch