[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-HKUDS--ClawTeam":3,"tool-HKUDS--ClawTeam":62},[4,18,26,36,46,54],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",159267,2,"2026-04-17T11:29:14",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":42,"last_commit_at":43,"category_tags":44,"status":17},8272,"opencode","anomalyco\u002Fopencode","OpenCode 是一款开源的 AI 编程助手（Coding Agent），旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件，而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码，还是排查难以定位的 Bug，OpenCode 都能通过自然语言交互高效完成，显著减少开发者在重复性劳动和上下文切换上的时间消耗。\n\n这款工具专为软件开发者、工程师及技术研究人员设计，特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构，这意味着用户可以审查代码逻辑、自定义行为策略，甚至私有化部署以保障数据安全，彻底打破了传统闭源 AI 助手的“黑盒”限制。\n\n在技术体验上，OpenCode 提供了灵活的终端界面（Terminal UI）和正在测试中的桌面应用程序，支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具，安装便捷，并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客，还是渴望提升产出的独立开发者，OpenCode 都提供了一个透明、可信",144296,1,"2026-04-16T14:50:03",[13,45],"插件",{"id":47,"name":48,"github_repo":49,"description_zh":50,"stars":51,"difficulty_score":32,"last_commit_at":52,"category_tags":53,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":55,"name":56,"github_repo":57,"description_zh":58,"stars":59,"difficulty_score":32,"last_commit_at":60,"category_tags":61,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[45,13,15,14],{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":76,"owner_location":76,"owner_email":76,"owner_twitter":76,"owner_website":77,"owner_url":78,"languages":79,"stars":100,"forks":101,"last_commit_at":102,"license":103,"difficulty_score":32,"env_os":104,"env_gpu":105,"env_ram":106,"env_deps":107,"category_tags":114,"github_topics":76,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":115,"updated_at":116,"faqs":117,"releases":147},8516,"HKUDS\u002FClawTeam","ClawTeam","\"ClawTeam: Agent Swarm Intelligence\" (One Command → Full Automation)","ClawTeam 是一款旨在实现“群体智能”的 AI 自动化框架，它让多个 AI 智能体像团队一样协同工作，而非单打独斗。用户只需输入一个目标指令，ClawTeam 便能自动调度智能体群进行任务分解、协作执行并交付最终结果，真正实现从“单兵作战”到“军团协同”的进化。\n\n它主要解决了复杂任务中单个 AI 能力受限、难以独立完成全流程自动化的问题。无论是大规模的机器学习实验、全栈软件开发，还是复杂的投资分析，ClawTeam 都能通过多智能体分工合作，显著提升效率与产出质量。\n\n这款工具特别适合开发者、AI 研究人员以及需要处理复杂工程或科研任务的专业人士。如果你希望利用 AI 集群来加速模型训练、构建自演进软件系统，或探索自动化科研新范式，ClawTeam 将是得力的助手。\n\n在技术亮点上，ClawTeam 具备高度的兼容性，无缝支持 Claude Code、Codex、Cursor 等主流 CLI 智能体。它采用文件传输与 ZeroMQ P2P 通信机制，确保智能体间高效互联，并提供配置管理、多用户工作流及 Web 界面等丰富功能，让用户能轻松搭建专属的 AI 特工队。","\u003Ch1 align=\"center\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawTeam_readme_f6981756e131.png\" alt=\"\" width=\"64\" style=\"vertical-align: middle;\">  ClawTeam: Agent Swarm Intelligence\u003C\u002Fh1>\n\n\u003Cp align=\"center\">\n  \u003Cstrong>The Evolution of AI Agents 🚀: Solo 🤖 → Swarm 🦞🤖🤖🤖\u003Cbr>\n  ClawTeam: Let AI Agents Form Swarms, Think & Work Together, and Ship Faster\u003C\u002Fstrong>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"#-quick-start\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FQuick_Start-3_min-blue?style=for-the-badge\" alt=\"Quick Start\">\u003C\u002Fa>\n  \u003Ca href=\"#-use-cases\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FUse_Cases-3_Demos-green?style=for-the-badge\" alt=\"Use Cases\">\u003C\u002Fa>\n  \u003Ca href=\"#-features\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FFeatures-12+-purple?style=for-the-badge\" alt=\"Features\">\u003C\u002Fa>\n  \u003Ca href=\"LICENSE\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLicense-MIT-yellow?style=for-the-badge\" alt=\"License\">\u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fpython-≥3.10-blue?logo=python&logoColor=white\" alt=\"Python\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Ftyper-CLI-green\" alt=\"Typer\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fagents-Claude_Code_%7C_Codex_%7C_Any_CLI-blueviolet\" alt=\"Agents\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Ftransport-File_%7C_ZeroMQ_P2P-orange\" alt=\"Transport\">\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FHKUDS\u002F.github\u002Fblob\u002Fmain\u002Fprofile\u002FREADME.md\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FFeishu-Group-E9DBFC?style=flat&logo=feishu&logoColor=white\" alt=\"Feishu\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FHKUDS\u002F.github\u002Fblob\u002Fmain\u002Fprofile\u002FREADME.md\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FWeChat-Group-C5EAB4?style=flat&logo=wechat&logoColor=white\" alt=\"WeChat\">\u003C\u002Fa>\n\u003C\u002Fp>\n\n**One Command Line: Full Automation.** — agents spawn swarms, delegate tasks, and deliver results. \n\nHuman provides the goal. The Agent Team orchestrates everything else.\n\nFull compatibility with [Claude Code](https:\u002F\u002Fclaude.ai\u002Fclaude-code), [Codex](https:\u002F\u002Fopenai.com\u002Fcodex), [OpenClaw](https:\u002F\u002Fgithub.com\u002Fopenclaw\u002Fopenclaw), [nanobot](https:\u002F\u002Fgithub.com\u002FHKUDS\u002Fnanobot), [Cursor](https:\u002F\u002Fcursor.com), and any CLI agent.  [**中文文档**](README_CN.md) | [**한국어**](README_KR.md)\n\n---\n\n## 📰 News\n\n**2026-03-18** ClawTeam project launched publicly.\n\n**2026-03-23** ClawTeam `v0.2.0` is released today.\n\n**2026-03** The current baseline includes config management, multi-user workflows, Web UI, P2P transport, and team templates.\n\n---\n\n## ✨ ClawTeam's Key Features\n\n\u003Ctable align=\"center\" width=\"100%\">\n\u003Ctr>\n\u003Ctd width=\"25%\" align=\"center\" style=\"vertical-align: top; padding: 15px;\">\n\n\u003Ch3>🔬 AI Research Automation\u003C\u002Fh3>\n\n\u003Cdiv align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FAutoResearch-FF6B6B?style=for-the-badge&logo=pytorch&logoColor=white\" alt=\"AutoResearch\" \u002F>\n\u003C\u002Fdiv>\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawTeam_readme_66ac38f8fc22.png\" width=\"180\">\n\n\u003Cp align=\"center\">\u003Cstrong>• Large-Scale Automated ML Experimentation\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003Cp align=\"center\">\u003Cstrong>• AI Model Training & Optimization\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003Cp align=\"center\">\u003Cstrong>• AI-Driven Hypothesis Generation & Validation\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003Cp align=\"center\">\u003Cstrong>• Self-Improving Model Architectures\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003C\u002Ftd>\n\u003Ctd width=\"25%\" align=\"center\" style=\"vertical-align: top; padding: 15px;\">\n\n\u003Ch3>🏗️ Agentic Engineering\u003C\u002Fh3>\n\n\u003Cdiv align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FFull--Stack_Dev-4ECDC4?style=for-the-badge&logo=git&logoColor=white\" alt=\"Engineering\" \u002F>\n\u003C\u002Fdiv>\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawTeam_readme_8c138ee2707d.png\" width=\"180\">\n\n\u003Cp align=\"center\">\u003Cstrong>• Autonomous Full-Stack Development\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003Cp align=\"center\">\u003Cstrong>• Self-Evolving Software\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003Cp align=\"center\">\u003Cstrong>• Collaborative Open Source Development\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003Cp align=\"center\">\u003Cstrong>• Real-Time System Integration\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003C\u002Ftd>\n\u003Ctd width=\"25%\" align=\"center\" style=\"vertical-align: top; padding: 15px;\">\n\n\u003Ch3>💰 AI Hedge Fund\u003C\u002Fh3>\n\n\u003Cdiv align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FInvestment_Analysis-FFD93D?style=for-the-badge&logo=bitcoin&logoColor=black\" alt=\"Hedge Fund\" \u002F>\n\u003C\u002Fdiv>\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawTeam_readme_f62e46a432e3.png\" width=\"180\">\n\n\u003Cp align=\"center\">\u003Cstrong>• Automated Market Research & Data Mining\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003Cp align=\"center\">\u003Cstrong>• Multi-Strategy Portfolio Optimization\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003Cp align=\"center\">\u003Cstrong>• Real-Time Risk Assessment\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003Cp align=\"center\">\u003Cstrong>• Algorithmic Trading Execution & Monitoring\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003C\u002Ftd>\n\u003Ctd width=\"25%\" align=\"center\" style=\"vertical-align: top; padding: 15px;\">\n\n\u003Ch3>🎪 Your Own Swarm\u003C\u002Fh3>\n\n\u003Cdiv align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FTOML_Templates-C77DFF?style=for-the-badge&logo=toml&logoColor=white\" alt=\"Templates\" \u002F>\n\u003C\u002Fdiv>\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawTeam_readme_c70fabe8c740.png\" width=\"180\">\n\n\u003Cp align=\"center\">\u003Cstrong>• Custom Scientific Research Teams\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003Cp align=\"center\">\u003Cstrong>• Personalized Investment Committees\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003Cp align=\"center\">\u003Cstrong>• Business Operations Teams\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003Cp align=\"center\">\u003Cstrong>• Content Production Studios\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n---\n\n\u003Ctable align=\"center\" width=\"100%\">\n\u003Ctr>\n\u003Ctd width=\"50%\" align=\"center\" style=\"vertical-align: top; padding: 10px;\">\n\n\u003Cstrong>v0.1.0\u003C\u002Fstrong>\n\nhttps:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002F7e2f0ecd-8fe3-4970-90ac-5c9669ff060c\n\n\u003C\u002Ftd>\n\u003Ctd width=\"50%\" align=\"center\" style=\"vertical-align: top; padding: 10px;\">\n\n\u003Cstrong>v0.2.0\u003C\u002Fstrong>\n\nhttps:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002Ffd23be91-5cf4-457c-a77e-bac24b76e58f\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n\n☝️ Intelligent leader agent orchestrates 8 specialized sub-agents across 8 H100 GPUs, autonomously designing experiments and dynamically reallocating resources based on real-time performance.\n\n🧠 The system synthesizes breakthroughs across teams and evolves strategies independently — achieving full research automation without human intervention.\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawTeam_readme_13c4bbb4069c.png\" alt=\"ClawTeam - AI agents orchestrating themselves\" width=\"800\">\n\u003C\u002Fp>\n\n---\n\n## 🤔 Why ClawTeam?\n\nCurrent AI agents are powerful — but they work in **isolation**. When facing complex tasks, you're stuck manually coordinating multiple agents, juggling context, and stitching together fragmented results.\n\n**What if agents could think and work as a team?**\n\nClawTeam unlocks **Agent Swarm Intelligence** — where AI agents self-organize into collaborative teams, intelligently divide complex work, share insights in real-time, and converge on breakthrough solutions.\n\n• **🚀 Spawns specialized sub-agents** — each with dedicated environments and focus areas\n\n• **📋 Designs intelligent task allocation** — with smart dependency management\n\n• **💬 Facilitates real-time coordination** — seamless inter-agent communication\n\n• **📊 Monitors team performance** — tracks progress and identifies bottlenecks\n\n• **🔄 Adapts strategies dynamically** — reallocates resources and redirects efforts\n\n#### ✨ The Result?\nYou set the vision. The swarm executes with collective intelligence.\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawTeam_readme_ed4d80915260.png\" alt=\"How ClawTeam works - comic\" width=\"700\">\n\u003C\u002Fp>\n\n---\n\n## 🎯 Swarm Intelligence in Action\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd width=\"33%\">\n\n### 🦞 Agents Spawn Agents\nThe leader agent calls `clawteam spawn` to create workers. Each worker gets its own **git worktree**, **tmux window**, and **identity** — automatically.\n\n```bash\n# The leader agent runs:\nclawteam spawn --team my-team \\\n  --agent-name worker1 \\\n  --task \"Implement auth module\"\n```\n\n\u003C\u002Ftd>\n\u003Ctd width=\"33%\">\n\n### 🤖 Agents Talk to Agents\nWorkers check their inbox, update task status, and report results — all through CLI commands that are **auto-injected** into their prompt.\n\n```bash\n# A worker agent checks tasks:\nclawteam task list my-team --owner me\n# Then reports back:\nclawteam inbox send my-team leader \\\n  \"Auth done. All tests passing.\"\n```\n\n\u003C\u002Ftd>\n\u003Ctd width=\"33%\">\n\n### 👀 You Just Watch\nMonitor the swarm from a tiled tmux view or a Web UI. The leader handles coordination — you intervene only when you want to.\n\n```bash\n# Watch all agents simultaneously\nclawteam board attach my-team\n# Or open the web dashboard\nclawteam board serve --port 8080\n```\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n| | ClawTeam | Other multi-agent frameworks |\n|---|---------|----------------------------|\n| 🎯 **Who uses it** | **The AI agents themselves** | Humans writing orchestration code |\n| ⚡ **Setup** | `pip install` + one prompt to the leader | Docker, cloud APIs, YAML configs |\n| 🏗️ **Infrastructure** | Just a filesystem and tmux | Redis, message queues, databases |\n| 🤖 **Agent support** | Any CLI agent (Claude Code, Codex, OpenClaw, custom) | Framework-specific only |\n| 🌳 **Isolation** | Git worktrees (real branches, real diffs) | Containers or virtual envs |\n| 🧠 **Intelligence** | Swarm self-organizes via CLI commands | Hard-coded orchestration logic |\n\n---\n\n## 🎬 Use Cases\n\n### 🔬 1. Autonomous ML Research — 8 Agents × 8 H100 GPUs\n\nBased on [@karpathy's autoresearch](https:\u002F\u002Fgithub.com\u002Fkarpathy\u002Fautoresearch).\n\n#### 💫 One Command. Full Automation.\n\n#### Human input: \"Optimize this LLM training setup using 8 GPUs\"\n\nThe Agent Team handles everything else:\n- Spawns 8 specialized research agents across H100s\n- Designs 2000+ autonomous experiments\n- Achieves breakthrough improvements (val_bpb: 1.044→0.977)\n- Zero human intervention required\n\n#### 🎯 Pure Research at Scale\n\nTransform months of manual hyperparameter tuning into hours of intelligent automation.\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawTeam_readme_6afef26953c9.png\" alt=\"AutoResearch Progress\" width=\"720\">\n  \u003Cbr>\n  \u003Cem>🏆 val_bpb: 1.044 → 0.977 (6.4% improvement) | 2430+ experiments | ~30 GPU-hours\u003C\u002Fem>\n\u003C\u002Fp>\n\n**What agent team did autonomously:**\n\n```\nHuman prompt: \"Use 8 GPUs to optimize train.py. Read program.md for instructions.\"\n\n🦞 Leader agent's actions:\n├── 📖 Read program.md, understand the experiment protocol\n├── 🏗️ clawteam team spawn-team autoresearch\n├── 🚀 Assigned each GPU a research direction:\n│   ├── GPU 0: clawteam spawn --task \"Explore model depth (DEPTH 10-16)\"\n│   ├── GPU 1: clawteam spawn --task \"Explore model width (ASPECT_RATIO 80-128)\"\n│   ├── GPU 2: clawteam spawn --task \"Tune learning rates and optimizer\"\n│   ├── GPU 3: clawteam spawn --task \"Explore batch size and accumulation\"\n│   ├── GPU 4-7: clawteam spawn tmux codex --task \"...\"  (Codex agents)\n│   └── 🌳 Each agent: own git worktree, own branch, isolated experiments\n├── 🔄 Every 30 minutes, checked results:\n│   ├── clawteam board show autoresearch\n│   ├── Read each agent's results.tsv\n│   ├── 🏆 Identified best findings (depth=12, batch=2^17, norm-before-RoPE)\n│   └── 📡 Cross-pollinated: told new agents to start from the best config\n├── 🔧 When agents finished, reassigned GPUs:\n│   ├── Killed idle agents, cleaned worktrees\n│   ├── Created new worktrees from the best commit\n│   └── Spawned fresh agents with combined optimization directions\n└── ✅ After 2430+ experiments: val_bpb 1.044 → 0.977\n```\n\nFull results: [novix-science\u002Fautoresearch](https:\u002F\u002Fgithub.com\u002Fnovix-science\u002Fautoresearch)\n\n---\n\n### 🏗️ 2. Agentic Software Engineering\n\nYou tell Claude Code: *\"Build me a full-stack todo app.\"* Claude realizes this is a multi-module task and **self-organizes a team**:\n\n```\nHuman prompt: \"Build a full-stack todo app with auth, database, and React frontend.\"\n\n🦞 Leader agent's actions:\n├── 🏗️ clawteam team spawn-team webapp -d \"Full-stack todo app\"\n├── 📋 Created tasks with dependency chains:\n│   ├── T1: \"Design REST API schema\"          → architect\n│   ├── T2: \"Implement JWT auth\" --blocked-by T1  → backend1\n│   ├── T3: \"Build database layer\" --blocked-by T1 → backend2\n│   ├── T4: \"Build React frontend\"             → frontend\n│   └── T5: \"Integration tests\" --blocked-by T2,T3,T4 → tester\n├── 🚀 Spawned 5 sub-agents (each in its own git worktree):\n│   ├── clawteam spawn --agent-name architect --task \"Design the API schema\"\n│   ├── clawteam spawn --agent-name backend1  --task \"Implement JWT auth\"\n│   ├── clawteam spawn --agent-name backend2  --task \"Build PostgreSQL models\"\n│   ├── clawteam spawn --agent-name frontend  --task \"Build React UI\"\n│   └── clawteam spawn --agent-name tester    --task \"Write pytest tests\"\n├── 🔗 Dependency auto-resolution:\n│   ├── architect completes → backend1 and backend2 auto-unblock\n│   ├── All backends complete → tester auto-unblocks\n│   └── Each agent calls: clawteam task update \u003Cid> --status completed\n├── 💬 Sub-agents coordinate via inbox:\n│   ├── architect → backend1: \"Here's the OpenAPI spec: ...\"\n│   ├── backend1 → tester: \"Auth endpoints ready at \u002Fapi\u002Fauth\u002F*\"\n│   └── tester → leader: \"All 47 tests passing ✅\"\n└── 🌳 Leader merges all worktrees into main branch\n```\n\n---\n\n### 💰 3. AI Hedge Fund — One-Command Team Launch\n\nA pre-built TOML template spawns a complete **7-agent** investment analysis team:\n\n```bash\n# One command launches everything:\nclawteam launch hedge-fund --team fund1 --goal \"Analyze AAPL, MSFT, NVDA for Q2 2026\"\n```\n\n```\n🦞 What happens automatically:\n├── 📊 Portfolio Manager (leader) spawns and receives the goal\n├── 🤖 5 Analyst agents spawn, each with a different strategy:\n│   ├── 🎩 Buffett Analyst    → value investing (moat, ROE, DCF)\n│   ├── 🚀 Growth Analyst     → disruption (TAM, network effects)\n│   ├── 📈 Technical Analyst  → indicators (EMA, RSI, Bollinger)\n│   ├── 📋 Fundamentals       → financial ratios (P\u002FE, D\u002FE, FCF)\n│   └── 📰 Sentiment Analyst  → news + insider trading signals\n├── 🛡️ Risk Manager spawns, waits for all analyst signals:\n│   ├── clawteam inbox receive fund1 (collects all 5 signals)\n│   ├── Consolidates + computes position limits\n│   └── clawteam inbox send fund1 portfolio-manager \"RISK REPORT: ...\"\n└── 💼 Portfolio Manager makes final buy\u002Fsell\u002Fhold decisions\n```\n\nTemplates are TOML files — **create your own team archetypes** for any domain.\n\n---\n\n## 📦 Install\n\n```bash\npip install clawteam\n\n# Or from source\ngit clone https:\u002F\u002Fgithub.com\u002FHKUDS\u002FClawTeam.git\ncd ClawTeam\npip install -e .\n\n# Optional: P2P transport (ZeroMQ)\npip install -e \".[p2p]\"\n```\n\nRequires **Python 3.10+**, **tmux**, and a CLI coding agent (e.g. `claude`, `codex`). Python dependencies: `typer`, `pydantic`, `rich`.\n\nAll `spawn` examples assume the agent CLI you name is already installed and available on `PATH`.\n\n---\n\n## 🚀 Quick Start\n\nIf you're new to ClawTeam, follow this order:\n\n1. Make sure `tmux` and your agent CLI run standalone on this machine.\n2. Pick one path below: let an agent drive, or drive it manually.\n3. Use the supported-agent table to choose the right `spawn` command.\n4. If you're integrating a new agent, check the adapter notes before debugging.\n\n### ✅ Before You Start\n\nRun these checks first:\n\n```bash\ntmux -V\nclawteam --help\n\n# Replace claude with the agent you actually want to use:\nclaude --version\ncodex --version\nnanobot --help\n```\n\nIf the agent CLI does not run correctly by itself, `clawteam spawn` will not fix it.\n\n### ⚡ Option 1: Let the Agent Drive (Recommended)\n\nClawTeam ships with a reusable skill in `skills\u002Fclawteam\u002F`.\n\n**Claude Code**\n\nInstall the skill into `~\u002F.claude\u002Fskills\u002Fclawteam`, then prompt:\n\n```\n\"Build a web app. Use clawteam to split the work across multiple agents.\"\n```\n\n**Codex**\n\nInstall the same skill into `$CODEX_HOME\u002Fskills\u002Fclawteam` (typically `~\u002F.codex\u002Fskills\u002Fclawteam`), then prompt:\n\n```\nUse $clawteam to split this task across multiple agents and coordinate the team to completion.\n```\n\nThe agent will automatically create a team, spawn workers, assign tasks, and coordinate — using `clawteam` CLI commands under the hood.\n\n### 🔧 Option 2: Drive It Manually\n\n```bash\n# 1. Create a team (you become the leader)\nclawteam team spawn-team my-team -d \"Build the auth module\" -n leader\n\n# 2. Spawn worker agents — each gets a git worktree, tmux window, and identity\nclawteam spawn --team my-team --agent-name alice --task \"Implement the OAuth2 flow\"\nclawteam spawn --team my-team --agent-name bob   --task \"Write unit tests for auth\"\n\n# 3. Workers auto-receive a coordination prompt that teaches them to:\n#    ✅ Check tasks:    clawteam task list my-team --owner alice\n#    ✅ Update status:  clawteam task update my-team \u003Cid> --status completed\n#    ✅ Message leader: clawteam inbox send my-team leader \"Done!\"\n#    ✅ Report idle:    clawteam lifecycle idle my-team\n\n# 4. Watch them work side-by-side\nclawteam board attach my-team\n```\n\n### 🧩 Profiles and Presets\n\nWhen you want to use a non-default provider, model, or API gateway, configure a\n**profile** first instead of manually exporting provider env vars each time.\n\n```bash\n# See built-in provider templates\nclawteam preset list\nclawteam preset show moonshot-cn\n\n# Generate a reusable runtime profile from a preset\nclawteam preset generate-profile moonshot-cn claude --name claude-kimi\n\n# MiniMax (M2.7) — global or China endpoint\nclawteam preset generate-profile minimax-global claude --name claude-minimax\nclawteam preset generate-profile minimax-cn claude --name claude-minimax-cn\n\n# Or use the interactive TUI\nclawteam profile wizard\n\n# Claude Code on a fresh machine\u002Fhome may need this once\nclawteam profile doctor claude\n\n# Smoke-test the profile before spawning workers\nMOONSHOT_API_KEY=... clawteam profile test claude-kimi\nMINIMAX_API_KEY=... clawteam profile test claude-minimax\n```\n\nRules of thumb:\n\n- `profile` is the final runtime object used by `spawn` \u002F `launch`\n- `preset` is a reusable provider template that generates one or more profiles\n- `wizard` is the easiest path for first-time setup\n- `doctor` is mainly for Claude Code first-run onboarding state\n\n### 🧭 Which Spawn Command Should I Use?\n\nUse `clawteam spawn [backend] [command] ...` with the command that already works on\nyour machine:\n\n```bash\n# Claude Code\nclawteam spawn tmux claude --team my-team --agent-name alice --task \"Implement OAuth2\"\n\n# Codex\nclawteam spawn tmux codex --team my-team --agent-name bob --task \"Write frontend tests\"\n\n# nanobot\nclawteam spawn tmux nanobot --team my-team --agent-name carol --task \"Build the API\"\n\n# A configured profile (recommended for non-default providers\u002Fmodels)\nclawteam spawn tmux --profile claude-kimi --team my-team --agent-name dave --task \"Refactor the auth flow\"\n```\n\nNotes:\n\n- `tmux` is the default backend and is the best choice when you want to watch interactive agent UIs.\n- `subprocess` is better for one-shot tools or non-interactive scripts.\n- `nanobot` is normalized internally to `nanobot agent`, so the command above is the correct ClawTeam entrypoint.\n- Claude Code and Codex trust prompts in fresh worktrees are auto-confirmed by the tmux backend.\n- For non-default providers\u002Fmodels, prefer `--profile \u003Cname>` over manually exporting env vars inline.\n\n### 🔌 Adding a Different Agent\n\nClawTeam can work with agents beyond Claude Code, Codex, and nanobot, but the CLI\nmust satisfy a small compatibility contract:\n\n1. The command must exist on `PATH` and launch successfully outside ClawTeam.\n2. The agent must be able to run inside a specific working directory or git worktree.\n3. The agent must accept an initial task, either by command-line argument or interactive input.\n4. The process must stay alive in `tmux` if it is meant to be interactive.\n\nIf you're unsure, test the agent standalone first, then wrap it with:\n\n```bash\nclawteam spawn subprocess \u003Cyour-agent> --team my-team --agent-name test --task \"Say OK\"\n```\n\nIf that works, switch to `tmux` for interactive monitoring.\n\n### 🤖 Supported Agents\n\nClawTeam works with **any CLI agent** that can execute shell commands:\n\nAll examples below assume the corresponding CLI already runs standalone on your machine.\n\n| Agent | Spawn Command | Status |\n|-------|--------------|--------|\n| [Claude Code](https:\u002F\u002Fclaude.ai\u002Fclaude-code) | `clawteam spawn tmux claude --team ...` | ✅ Full support |\n| [Codex](https:\u002F\u002Fopenai.com\u002Fcodex) | `clawteam spawn tmux codex --team ...` | ✅ Full support |\n| [OpenClaw](https:\u002F\u002Fgithub.com\u002Fopenclaw\u002Fopenclaw) | `clawteam spawn tmux openclaw --team ...` | ✅ Full support |\n| [nanobot](https:\u002F\u002Fgithub.com\u002FHKUDS\u002Fnanobot) | `clawteam spawn tmux nanobot --team ...` | ✅ Full support |\n| [Kimi CLI](https:\u002F\u002Fgithub.com\u002FMoonshotAI\u002Fkimi-cli) | `clawteam spawn tmux kimi --team ...` | ✅ Full support |\n| [Cursor](https:\u002F\u002Fcursor.com) | `clawteam spawn subprocess cursor --team ...` | 🔮 Experimental |\n| Custom scripts | `clawteam spawn subprocess python --team ...` | ✅ Full support |\n\nFor provider-aware setups such as Claude Code via Moonshot Kimi, MiniMax, or Gemini via\nVertex, use `profile` + `preset` and then spawn with `--profile`.\n\n---\n\n## ✨ Features\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd width=\"50%\">\n\n### 🦞 Agent Self-Organization\n- Leader agents spawn and manage worker agents\n- **Auto-injected coordination prompt** — zero manual setup\n- Workers self-report status, results, and idle state\n- Works with any CLI agent: Claude Code, Codex, OpenClaw, custom\n\n### 🌳 Workspace Isolation\n- Each agent gets its own **git worktree** (separate branch)\n- No merge conflicts between parallel agents\n- Checkpoint, merge, and cleanup commands\n- Branch naming: `clawteam\u002F{team}\u002F{agent}`\n\n### 📋 Task Tracking with Dependencies\n- Shared kanban: `pending` → `in_progress` → `completed` \u002F `blocked`\n- `--blocked-by` dependency chains — **auto-unblock on completion**\n- `task wait` blocks until all tasks complete\n- Filter by status, owner; JSON output for scripting\n\n\u003C\u002Ftd>\n\u003Ctd width=\"50%\">\n\n### 💬 Inter-Agent Messaging\n- Point-to-point **inboxes** (send, receive, peek)\n- **Broadcast** to all team members\n- File-based (default) or ZeroMQ P2P transport with offline fallback\n- Agents discover messages via `inbox receive`\n\n### 📊 Monitoring & Dashboards\n- `board show` — terminal kanban board\n- `board live` — auto-refreshing dashboard\n- `board attach` — **tiled tmux view** of all agents working\n- `board serve` — **Web UI** with real-time updates\n\n### 🎪 Team Templates\n- **TOML files** define team archetypes (roles, tasks, prompts)\n- One command launches a complete team: `clawteam launch \u003Ctemplate>`\n- Built-in: AI Hedge Fund (7 agents). Create your own.\n- Variable substitution: `{goal}`, `{team_name}`, `{agent_name}`\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n### 🔧 More\n\n| Feature | Description |\n|---------|-------------|\n| 📝 **Plan Approval** | Agents submit plans for leader review before execution |\n| 🔄 **Lifecycle Protocol** | Graceful shutdown request\u002Fapprove\u002Freject, idle notifications |\n| 📊 **JSON Output** | `--json` flag on all commands — agents parse structured output |\n| 🌐 **Cross-Machine** | Shared filesystem (NFS\u002FSSHFS) or P2P transport for distributed teams |\n| 👥 **Multi-User** | Namespace agents by user — multiple humans can share a team |\n| ⚙️ **Configuration** | Persistent config: env var > config file > default priority |\n| 🔌 **Agent Skill** | Reusable skill entry for Claude Code and Codex workflows |\n\n---\n\n## 🤖 How Agents Use ClawTeam\n\nWhen an agent is spawned via `clawteam spawn`, it receives an **auto-injected coordination prompt**:\n\n```\n## Coordination Protocol (auto-injected into every spawned agent)\n\n- 📋 Check your tasks: clawteam task list \u003Cteam> --owner \u003Cyour-name>\n- ▶️ Start a task:     clawteam task update \u003Cteam> \u003Cid> --status in_progress\n- ✅ Finish a task:    clawteam task update \u003Cteam> \u003Cid> --status completed\n- 💬 Message leader:   clawteam inbox send \u003Cteam> leader \"status update...\"\n- 💬 Message teammate: clawteam inbox send \u003Cteam> \u003Cname> \"info...\"\n- 📨 Check inbox:      clawteam inbox receive \u003Cteam>\n- 😴 Report idle:      clawteam lifecycle idle \u003Cteam>\n```\n\nThis means **any CLI agent** can participate in a ClawTeam team — it just needs to run shell commands. No custom SDK, no API integration, no framework lock-in.\n\n---\n\n## 📖 Command Reference\n\n\u003Cdetails open>\n\u003Csummary>\u003Ch3>🔧 Core Commands\u003C\u002Fh3>\u003C\u002Fsummary>\n\n```bash\n# 🏗️ Team lifecycle\nclawteam team spawn-team \u003Cteam> -d \"description\" -n \u003Cleader>\nclawteam team discover                    # List all teams\nclawteam team status \u003Cteam>               # Show members\nclawteam team cleanup \u003Cteam> --force      # Delete team\n\n# 🚀 Spawn agents\nclawteam spawn --team \u003Cteam> --agent-name \u003Cname> --task \"do this\"\nclawteam spawn tmux codex --team \u003Cteam> --agent-name \u003Cname> --task \"do this\"\n\n# 📋 Task management\nclawteam task create \u003Cteam> \"subject\" -o \u003Cowner> --blocked-by \u003Cid1>,\u003Cid2>\nclawteam task update \u003Cteam> \u003Cid> --status completed   # auto-unblocks dependents\nclawteam task list \u003Cteam> --status blocked --owner worker1\nclawteam task wait \u003Cteam> --timeout 300\n\n# 💬 Messaging\nclawteam inbox send \u003Cteam> \u003Cto> \"message\"\nclawteam inbox broadcast \u003Cteam> \"message\"\nclawteam inbox receive \u003Cteam>             # consume messages\nclawteam inbox peek \u003Cteam>                # read without consuming\n\n# 📊 Monitoring\nclawteam board show \u003Cteam>                # terminal kanban\nclawteam board live \u003Cteam> --interval 3   # auto-refresh\nclawteam board attach \u003Cteam>              # tiled tmux view\nclawteam board serve --port 8080          # web UI\n```\n\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n\u003Csummary>\u003Ch3>🌳 Workspace, 📝 Plan, 🔄 Lifecycle, ⚙️ Config\u003C\u002Fh3>\u003C\u002Fsummary>\n\n```bash\n# 🌳 Workspace (git worktree management)\nclawteam workspace list \u003Cteam>\nclawteam workspace checkpoint \u003Cteam> \u003Cagent>    # auto-commit\nclawteam workspace merge \u003Cteam> \u003Cagent>         # merge back to main\nclawteam workspace cleanup \u003Cteam> \u003Cagent>       # remove worktree\n\n# 📝 Plan approval\nclawteam plan submit \u003Cteam> \u003Cagent> \"plan\" --summary \"TL;DR\"\nclawteam plan approve \u003Cteam> \u003Cplan-id> \u003Cagent> --feedback \"LGTM\"\nclawteam plan reject \u003Cteam> \u003Cplan-id> \u003Cagent> --feedback \"Revise X\"\n\n# 🔄 Lifecycle\nclawteam lifecycle request-shutdown \u003Cteam> \u003Cagent> --reason \"done\"\nclawteam lifecycle approve-shutdown \u003Cteam> \u003Crequest-id> \u003Cagent>\nclawteam lifecycle idle \u003Cteam>\n\n# 🎪 Templates\nclawteam launch \u003Ctemplate> --team \u003Cname> --goal \"Build X\"\nclawteam template list\n\n# ⚙️ Config\nclawteam config show\nclawteam config set transport p2p\nclawteam config health\n```\n\n| Setting | Env Var | Default | Description |\n|---------|---------|---------|-------------|\n| `data_dir` | `CLAWTEAM_DATA_DIR` | `~\u002F.clawteam` | Data directory |\n| `transport` | `CLAWTEAM_TRANSPORT` | `file` | `file` or `p2p` |\n| `workspace` | `CLAWTEAM_WORKSPACE` | `auto` | `auto` \u002F `always` \u002F `never` |\n| `default_backend` | `CLAWTEAM_DEFAULT_BACKEND` | `tmux` | `tmux` or `subprocess` |\n| `skip_permissions` | `CLAWTEAM_SKIP_PERMISSIONS` | `true` | Auto-approve agent tools |\n\nLegacy aliases:\n`OH_*` env vars are still accepted for compatibility, but new docs and examples use `CLAWTEAM_*`.\n\n\u003C\u002Fdetails>\n\n---\n\n## 🏗️ Architecture\n\n```\n  Human: \"Optimize this LLM\"\n         │\n         ▼\n  ┌──────────────┐     clawteam spawn     ┌──────────────┐\n  │ 🦞 Leader    │ ──────────────────────► │ 🤖 Worker    │\n  │ (Claude Code)│ ──────┐                │ (Claude Code)│\n  │              │       │                │ git worktree │\n  │ Uses:        │       │                │ tmux window  │\n  │ • spawn      │       │ clawteam spawn └──────────────┘\n  │ • task create│       │\n  │ • inbox send │       ▼                ┌──────────────┐\n  │ • board show │ ──────────────────────► │ 🤖 Worker    │\n  │ • task wait  │       │                │ (Codex)      │\n  └──────────────┘       │                │ git worktree │\n                         │                │ tmux window  │\n                         │ clawteam spawn └──────────────┘\n                         ▼\n                   ┌──────────────┐\n                   │ 🤖 Worker    │    Each worker uses:\n                   │ (any CLI)    │    • task list (check work)\n                   │ git worktree │    • task update (report done)\n                   │ tmux window  │    • inbox send (message leader)\n                   └──────────────┘    • inbox receive (get instructions)\n                         │\n                         ▼\n              ┌─────────────────────┐\n              │    ~\u002F.clawteam\u002F     │\n              │ ├── teams\u002F   (who) │\n              │ ├── tasks\u002F   (what)│\n              │ ├── inboxes\u002F (talk)│\n              │ └── workspaces\u002F    │\n              │     (isolated code)│\n              └─────────────────────┘\n```\n\nAll state lives in `~\u002F.clawteam\u002F` as JSON files. No database, no server, no cloud. Atomic `tmp + rename` writes ensure crash safety.\n\n| Spawn Default | Value | Override |\n|---------------|-------|----------|\n| Backend | `tmux` | `clawteam spawn subprocess ...` |\n| Command | `claude` | `clawteam spawn tmux codex ...` |\n| Workspace | `auto` (git worktree) | `--no-workspace` |\n| Permissions | skip | `--no-skip-permissions` |\n\n| Transport | How it works | When to use |\n|-----------|-------------|-------------|\n| **file** (default) | JSON files in inbox dirs | Single machine, shared FS |\n| **p2p** | ZeroMQ PUSH\u002FPULL + file fallback | Low-latency, auto-fallback |\n\n---\n\n## 🗺️ Roadmap\n\n| Phase | Version | What | Status |\n|-------|---------|------|--------|\n| **Current** | v0.3 | File + P2P (ZeroMQ) transport, Web UI, multi-user, team templates | ✅ Shipped |\n| **Phase 1** | v0.4 | Redis Transport — cross-machine messaging | 🔜 Planned |\n| **Phase 2** | v0.5 | Shared State Layer — team config and tasks across machines | 🔜 Planned |\n| **Phase 3** | v0.6 | Agent Marketplace — discover and reuse community agent templates | 💡 Exploring |\n| **Phase 4** | v0.7 | Adaptive Scheduling — dynamically reassign tasks based on agent performance | 💡 Exploring |\n| **Phase 5** | v1.0 | Production-grade — auth, permissions, audit logs | 💡 Exploring |\n\n### Milestones\n\n| Milestone | Status | Notes |\n|---|---|---|\n| v0.1.x | ✅ Shipped | Core CLI, team\u002Ftask\u002Finbox flows, board, templates, packaging. |\n| v0.2.0 | ✅ Released | Stabilization, docs refresh, spawn\u002Fworkspace fixes, and release packaging. |\n| v0.3 | 📍 Roadmap baseline | File + P2P transport, Web UI, multi-user workflow, team templates. |\n\nFor the longer-term plan, see [ROADMAP.md](ROADMAP.md).\n\n---\n\n## 🤝 Contributing\n\nWe welcome contributions! ClawTeam is designed to be extensible:\n\n- 🤖 **New agent integrations** — Add support for more AI coding agents\n- 🎪 **Team templates** — Create TOML templates for new domains (DevOps, data science, etc.)\n- 🔌 **Transport backends** — Redis, NATS, or other message transports\n- 📊 **Dashboard improvements** — Enhanced Web UI, Grafana integration\n- 📖 **Documentation** — Tutorials, best practices, agent prompt engineering guides\n\n---\n\n## 📖 Acknowledgements\n\n- [@karpathy\u002Fautoresearch](https:\u002F\u002Fgithub.com\u002Fkarpathy\u002Fautoresearch) — the autonomous ML research framework used in our 8-agent swarm demo\n- [Claude Code](https:\u002F\u002Fclaude.ai\u002Fclaude-code) and [Codex](https:\u002F\u002Fopenai.com\u002Fcodex) — AI coding agents that work as ClawTeam team members\n- [ai-hedge-fund](https:\u002F\u002Fgithub.com\u002Fvirattt\u002Fai-hedge-fund) — inspiration for the multi-analyst hedge fund template\n- [CLI-Anything](https:\u002F\u002Fgithub.com\u002FHKUDS\u002FCLI-Anything) — sister project making all software agent-native\n\n---\n\n## ⭐ Star History\n\nIf you find ClawTeam helpful, please consider giving us a star! ⭐\n\n\u003Cdiv align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fstar-history.com\u002F#HKUDS\u002FClawTeam&Date\">\n    \u003Cpicture>\n      \u003Csource media=\"(prefers-color-scheme: dark)\" srcset=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawTeam_readme_de5e518f858c.png&theme=dark\" \u002F>\n      \u003Csource media=\"(prefers-color-scheme: light)\" srcset=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawTeam_readme_de5e518f858c.png\" \u002F>\n      \u003Cimg alt=\"Star History Chart\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawTeam_readme_de5e518f858c.png\" \u002F>\n    \u003C\u002Fpicture>\n  \u003C\u002Fa>\n\u003C\u002Fdiv>\n\n## 📄 License\n\nMIT License — free to use, modify, and distribute.\n\n---\n\n\u003Cdiv align=\"center\">\n\n**ClawTeam** — *Agent Swarm Intelligence.* 🦞\n\n\u003Csub>8 agents × 8 H100s × 2430 experiments × one CLI × one swarm\u003C\u002Fsub>\n\n\u003Cbr>\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawTeam_readme_f6981756e131.png\" alt=\"ClawTeam\" width=\"80\">\n\n\u003C\u002Fdiv>\n\n\u003Cp align=\"center\">\n  \u003Cem>Thanks for visiting ✨ ClawTeam!\u003C\u002Fem>\u003Cbr>\u003Cbr>\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawTeam_readme_085c9b0d72d0.png\" alt=\"Views\">\n\u003C\u002Fp>\n","\u003Ch1 align=\"center\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawTeam_readme_f6981756e131.png\" alt=\"\" width=\"64\" style=\"vertical-align: middle;\">  ClawTeam: 代理群智能\u003C\u002Fh1>\n\n\u003Cp align=\"center\">\n  \u003Cstrong>AI 代理的进化 🚀：单体 🤖 → 群体 🦞🤖🤖🤖\u003Cbr>\n  ClawTeam：让 AI 代理组成群体，协同思考与工作，加速交付\u003C\u002Fstrong>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"#-quick-start\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FQuick_Start-3_min-blue?style=for-the-badge\" alt=\"快速入门\">\u003C\u002Fa>\n  \u003Ca href=\"#-use-cases\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FUse_Cases-3_Demos-green?style=for-the-badge\" alt=\"应用场景\">\u003C\u002Fa>\n  \u003Ca href=\"#-features\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FFeatures-12+-purple?style=for-the-badge\" alt=\"特性\">\u003C\u002Fa>\n  \u003Ca href=\"LICENSE\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLicense-MIT-yellow?style=for-the-badge\" alt=\"许可证\">\u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fpython-≥3.10-blue?logo=python&logoColor=white\" alt=\"Python\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Ftyper-CLI-green\" alt=\"Typer\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fagents-Claude_Code_%7C_Codex_%7C_Any_CLI-blueviolet\" alt=\"代理\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Ftransport-File_%7C_ZeroMQ_P2P-orange\" alt=\"传输\">\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FHKUDS\u002F.github\u002Fblob\u002Fmain\u002Fprofile\u002FREADME.md\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FFeishu-Group-E9DBFC?style=flat&logo=feishu&logoColor=white\" alt=\"飞书\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FHKUDS\u002F.github\u002Fblob\u002Fmain\u002Fprofile\u002FREADME.md\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FWeChat-Group-C5EAB4?style=flat&logo=wechat&logoColor=white\" alt=\"微信\">\u003C\u002Fa>\n\u003C\u002Fp>\n\n**一条命令行：全程自动化。** — 代理会自行组建群体、分配任务并产出结果。\n\n人类只需设定目标，其余的一切都由代理团队统筹完成。\n\n与 [Claude Code](https:\u002F\u002Fclaude.ai\u002Fclaude-code)、[Codex](https:\u002F\u002Fopenai.com\u002Fcodex)、[OpenClaw](https:\u002F\u002Fgithub.com\u002Fopenclaw\u002Fopenclaw)、[nanobot](https:\u002F\u002Fgithub.com\u002FHKUDS\u002Fnanobot)、[Cursor](https:\u002F\u002Fcursor.com) 以及任何 CLI 代理完全兼容。  [**中文文档**](README_CN.md) | [**한국어**](README_KR.md)\n\n---\n\n## 📰 新闻\n\n**2026年3月18日** ClawTeam 项目正式对外发布。\n\n**2026年3月23日** ClawTeam `v0.2.0` 今日发布。\n\n**2026年3月** 当前基线版本已包含配置管理、多用户工作流、Web UI、P2P 传输以及团队模板等功能。\n\n---\n\n## ✨ ClawTeam 的核心特性\n\n\u003Ctable align=\"center\" width=\"100%\">\n\u003Ctr>\n\u003Ctd width=\"25%\" align=\"center\" style=\"vertical-align: top; padding: 15px;\">\n\n\u003Ch3>🔬 AI 研究自动化\u003C\u002Fh3>\n\n\u003Cdiv align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FAutoResearch-FF6B6B?style=for-the-badge&logo=pytorch&logoColor=white\" alt=\"AutoResearch\" \u002F>\n\u003C\u002Fdiv>\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawTeam_readme_66ac38f8fc22.png\" width=\"180\">\n\n\u003Cp align=\"center\">\u003Cstrong>• 大规模自动化机器学习实验\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003Cp align=\"center\">\u003Cstrong>• AI 模型训练与优化\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003Cp align=\"center\">\u003Cstrong>• AI 驱动的假设生成与验证\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003Cp align=\"center\">\u003Cstrong>• 自我改进的模型架构\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003C\u002Ftd>\n\u003Ctd width=\"25%\" align=\"center\" style=\"vertical-align: top; padding: 15px;\">\n\n\u003Ch3>🏗️ 代理式工程\u003C\u002Fh3>\n\n\u003Cdiv align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FFull--Stack_Dev-4ECDC4?style=for-the-badge&logo=git&logoColor=white\" alt=\"Engineering\" \u002F>\n\u003C\u002Fdiv>\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawTeam_readme_8c138ee2707d.png\" width=\"180\">\n\n\u003Cp align=\"center\">\u003Cstrong>• 自主全栈开发\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003Cp align=\"center\">\u003Cstrong>• 自我演进的软件\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003Cp align=\"center\">\u003Cstrong>• 协作式开源开发\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003Cp align=\"center\">\u003Cstrong>• 实时系统集成\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003C\u002Ftd>\n\u003Ctd width=\"25%\" align=\"center\" style=\"vertical-align: top; padding: 15px;\">\n\n\u003Ch3>💰 AI 对冲基金\u003C\u002Fh3>\n\n\u003Cdiv align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FInvestment_Analysis-FFD93D?style=for-the-badge&logo=bitcoin&logoColor=black\" alt=\"Hedge Fund\" \u002F>\n\u003C\u002Fdiv>\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawTeam_readme_f62e46a432e3.png\" width=\"180\">\n\n\u003Cp align=\"center\">\u003Cstrong>• 自动化市场研究与数据挖掘\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003Cp align=\"center\">\u003Cstrong>• 多策略投资组合优化\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003Cp align=\"center\">\u003Cstrong>• 实时风险评估\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003Cp align=\"center\">\u003Cstrong>• 算法交易执行与监控\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003C\u002Ftd>\n\u003Ctd width=\"25%\" align=\"center\" style=\"vertical-align: top; padding: 15px;\">\n\n\u003Ch3>🎪 属于你的群体\u003C\u002Fh3>\n\n\u003Cdiv align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FTOML_Templates-C77DFF?style=for-the-badge&logo=toml&logoColor=white\" alt=\"Templates\" \u002F>\n\u003C\u002Fdiv>\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawTeam_readme_c70fabe8c740.png\" width=\"180\">\n\n\u003Cp align=\"center\">\u003Cstrong>• 自定义科学研究团队\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003Cp align=\"center\">\u003Cstrong>• 个性化投资委员会\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003Cp align=\"center\">\u003Cstrong>• 业务运营团队\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003Cp align=\"center\">\u003Cstrong>• 内容制作工作室\u003C\u002Fstrong>\u003C\u002Fp>\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n---\n\n\u003Ctable align=\"center\" width=\"100%\">\n\u003Ctr>\n\u003Ctd width=\"50%\" align=\"center\" style=\"vertical-align: top; padding: 10px;\">\n\n\u003Cstrong>v0.1.0\u003C\u002Fstrong>\n\nhttps:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002F7e2f0ecd-8fe3-4970-90ac-5c9669ff060c\n\n\u003C\u002Ftd>\n\u003Ctd width=\"50%\" align=\"center\" style=\"vertical-align: top; padding: 10px;\">\n\n\u003Cstrong>v0.2.0\u003C\u002Fstrong>\n\nhttps:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002Ffd23be91-5cf4-457c-a77e-bac24b76e58f\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n\n☝️ 智能领导代理协调 8 个专业子代理，在 8 张 H100 GPU 上自主设计实验，并根据实时性能动态重新分配资源。\n\n🧠 该系统能够跨团队整合突破性成果，并独立演化策略——实现完全的研究自动化，无需人工干预。\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawTeam_readme_13c4bbb4069c.png\" alt=\"ClawTeam - AI 代理自我 orchestration\" width=\"800\">\n\u003C\u002Fp>\n\n---\n\n## 🤔 为什么选择 ClawTeam？\n\n当前的 AI 代理功能强大——但它们是**孤立运作**的。面对复杂任务时，你不得不手动协调多个代理、管理上下文，并将零散的结果拼接起来。\n\n**如果代理能够像团队一样思考和协作呢？**\n\nClawTeam 开启了**代理群智能**——AI 代理可以自我组织成协作团队，智能地分解复杂工作，实时共享洞察，并共同找到突破性解决方案。\n\n• **🚀 派生出专业子代理**——每个子代理都有独立的工作环境和专注领域\n\n• **📋 设计智能的任务分配**——具备智能依赖关系管理\n\n• **💬 促进实时协调**——代理之间无缝沟通\n\n• **📊 监控团队表现**——跟踪进展并识别瓶颈\n\n• **🔄 动态调整策略**——重新分配资源并调整工作方向\n\n#### ✨ 结果是什么？\n你只需设定愿景，剩下的就由代理群以集体智慧完成。\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawTeam_readme_ed4d80915260.png\" alt=\"How ClawTeam works - comic\" width=\"700\">\n\u003C\u002Fp>\n\n---\n\n## 🎯 群智能的应用场景\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd width=\"33%\">\n\n### 🦞 代理派生代理\n领导代理通过 `clawteam spawn` 命令创建工作者。每个工作者都会自动获得自己的**git 工作树**、**tmux 窗口**和**身份标识**。\n\n```bash\n# 领导代理运行：\nclawteam spawn --team my-team \\\n  --agent-name worker1 \\\n  --task \"实现认证模块\"\n```\n\n\u003C\u002Ftd>\n\u003Ctd width=\"33%\">\n\n### 🤖 代理与代理对话\n工作者会查看自己的收件箱、更新任务状态并汇报结果——所有这些都通过 CLI 命令完成，而这些命令会被**自动注入**到他们的提示词中。\n\n```bash\n# 一个工作者代理查看任务：\nclawteam task list my-team --owner me\n# 然后汇报结果：\nclawteam inbox send my-team leader \\\n  \"认证已完成。所有测试均通过。\"\n```\n\n\u003C\u002Ftd>\n\u003Ctd width=\"33%\">\n\n### 👀 你只需观察\n你可以通过 tiled tmux 视图或 Web UI 来监控整个代理群。领导代理负责协调工作，你只需在需要时介入。\n\n```bash\n# 同时观看所有代理\nclawteam board attach my-team\n# 或者打开网页仪表盘\nclawteam board serve --port 8080\n```\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n| | ClawTeam | 其他多代理框架 |\n|---|---------|----------------------------|\n| 🎯 **使用主体** | **AI 代理本身** | 人工编写编排代码 |\n| ⚡ **设置** | `pip install` + 向领导代理发送一条指令 | Docker、云 API、YAML 配置文件 |\n| 🏗️ **基础设施** | 只需文件系统和 tmux | Redis、消息队列、数据库 |\n| 🤖 **代理支持** | 任何 CLI 代理（Claude Code、Codex、OpenClaw、自定义代理） | 仅支持特定框架的代理 |\n| 🌳 **隔离性** | Git 工作树（真正的分支，真实的差异） | 容器或虚拟环境 |\n| 🧠 **智能化程度** | 代理群通过 CLI 命令自我组织 | 硬编码的编排逻辑 |\n\n---\n\n## 🎬 使用场景\n\n### 🔬 1. 自主机器学习研究——8 个代理 × 8 张 H100 GPU\n\n基于 [@karpathy 的 autoresearch](https:\u002F\u002Fgithub.com\u002Fkarpathy\u002Fautoresearch)。\n\n#### 💫 一条命令。全程自动化。\n\n#### 人类输入：“使用 8 张 GPU 优化这个 LLM 训练设置”\n\n代理团队会处理剩下的所有事情：\n- 在 8 张 H100 上派生出 8 个专门的研究代理\n- 设计 2000 多次自主实验\n- 实现突破性改进（val_bpb：1.044→0.977）\n- 完全无需人工干预\n\n#### 🎯 大规模纯科研\n\n将原本需要数月的手动超参数调优，转化为数小时的智能自动化。\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawTeam_readme_6afef26953c9.png\" alt=\"AutoResearch Progress\" width=\"720\">\n  \u003Cbr>\n  \u003Cem>🏆 val_bpb: 1.044 → 0.977 (6.4% improvement) | 2430+ experiments | ~30 GPU-hours\u003C\u002Fem>\n\u003C\u002Fp>\n\n**代理团队自主完成的工作：**\n\n```\n人类指令：“使用 8 张 GPU 优化 train.py。请阅读 program.md 获取说明。”\n\n🦞 领导代理的操作：\n├── 📖 阅读 program.md，理解实验方案\n├── 🏗️ clawteam team spawn-team autoresearch\n├── 🚀 为每张 GPU 分配研究方向：\n│   ├── GPU 0：clawteam spawn --task “探索模型深度（DEPTH 10-16）”\n│   ├── GPU 1：clawteam spawn --task “探索模型宽度（ASPECT_RATIO 80-128）”\n│   ├── GPU 2：clawteam spawn --task “调整学习率和优化器”\n│   ├── GPU 3：clawteam spawn --task “探索批量大小和梯度累积”\n│   ├── GPU 4-7：clawteam spawn tmux codex --task “…” （Codex 代理）\n│   └── 🌳 每个代理都有自己独立的 git 工作树、独立分支，进行隔离实验\n├── 🔄 每 30 分钟检查一次结果：\n│   ├── clawteam board show autoresearch\n│   ├── 阅读每个代理的 results.tsv 文件\n│   ├── 🏆 找出最佳发现（深度=12，批次=2^17，RoPE 前归一化）\n│   └── 📡 将最佳配置分享给其他代理，让他们以此为基础继续实验\n├── 🔧 当代理完成任务后，重新分配 GPU：\n│   ├── 杀死闲置的代理，清理工作树\n│   ├── 根据最佳提交创建新的工作树\n│   └── 派生出新的代理，结合优化方向\n└── ✅ 经过 2430 多次实验后：val_bpb 从 1.044 降至 0.977\n```\n\n完整结果：[novix-science\u002Fautoresearch](https:\u002F\u002Fgithub.com\u002Fnovix-science\u002Fautoresearch)\n\n---\n\n### 🏗️ 2. 代理式软件工程\n\n你告诉 Claude Code：“给我构建一个全栈待办应用。”Claude 意识到这是一个多模块任务，于是**自行组织了一个团队**：\n\n```\n人类指令：“构建一个带有认证、数据库和 React 前端的全栈待办应用。”\n\n🦞 领导代理的操作：\n├── 🏗️ clawteam team spawn-team webapp -d “全栈待办应用”\n├── 📋 创建具有依赖链的任务：\n│   ├── T1：“设计 REST API 架构”          → architect\n│   ├── T2：“实现 JWT 认证”——受 T1 阻塞  → backend1\n│   ├── T3：“构建数据库层”——受 T1 阻塞  → backend2\n│   ├── T4：“构建 React 前端”             → frontend\n│   └── T5：“集成测试”——受 T2、T3、T4 阻塞 → tester\n├── 🚀 派生出 5 个子代理（每个代理都在自己的 git worktree 中）：\n│   ├── clawteam spawn --agent-name architect --task “设计 API 架构”\n│   ├── clawteam spawn --agent-name backend1  --task “实现 JWT 认证”\n│   ├── clawteam spawn --agent-name backend2  --task “构建 PostgreSQL 模型”\n│   ├── clawteam spawn --agent-name frontend  --task “构建 React UI”\n│   └── clawteam spawn --agent-name tester    --task “编写 pytest 测试”\n├── 🔗 自动解析依赖关系：\n│   ├── architect 完成任务后，backend1 和 backend2 自动解除阻塞\n│   ├── 所有后端完成任务后，tester 自动解除阻塞\n│   └── 每个代理都会执行：clawteam task update \u003Cid> --status completed\n├── 💬 子代理通过收件箱进行协调：\n│   ├── architect → backend1：“这是 OpenAPI 规范：…”\n│   ├── backend1 → tester：“认证接口已在 \u002Fapi\u002Fauth\u002F* 准备好”\n│   └── tester → 领导代理：“所有 47 项测试均已通过 ✅”\n└── 🌳 领导代理将所有工作树合并到主分支\n```\n\n---\n\n### 💰 3. AI 对冲基金——一键启动团队\n\n一个预建的 TOML 模板可以快速派生出一个完整的**7 代理**投资分析团队：\n\n```bash\n\n# 一条命令即可启动一切：\nclawteam launch hedge-fund --team fund1 --goal \"分析2026年第二季度的AAPL、MSFT、NVDA\"\n```\n\n```\n🦞 自动发生的过程：\n├── 📊 投资组合经理（领导者）生成并接收目标\n├── 🤖 5名分析师代理生成，每名代理采用不同的策略：\n│   ├── 🎩 巴菲特型分析师 → 价值投资（护城河、ROE、DCF）\n│   ├── 🚀 增长型分析师 → 破坏性创新（TAM、网络效应）\n│   ├── 📈 技术型分析师 → 技术指标（EMA、RSI、布林带）\n│   ├── 📋 基本面分析师 → 财务比率（P\u002FE、D\u002FE、FCF）\n│   └── 📰 情绪型分析师 → 新闻与内幕交易信号\n├── 🛡️ 风险管理器生成，等待所有分析师的信号：\n│   ├── clawteam收件箱接收fund1（收集所有5个信号）\n│   ├── 整合并计算仓位限制\n│   └── clawteam收件箱向投资组合经理发送“风险报告：……”\n└── 💼 投资组合经理做出最终的买入\u002F卖出\u002F持有决策\n```\n\n模板是TOML文件——您可以为任何领域**创建自己的团队原型**。\n\n---\n\n## 📦 安装\n\n```bash\npip install clawteam\n\n# 或者从源码安装\ngit clone https:\u002F\u002Fgithub.com\u002FHKUDS\u002FClawTeam.git\ncd ClawTeam\npip install -e .\n\n# 可选：点对点传输（ZeroMQ）\npip install -e \".[p2p]\"\n```\n\n需要**Python 3.10及以上版本**、**tmux**以及一个CLI编码代理（例如`claude`、`codex`）。Python依赖项包括：`typer`、`pydantic`、`rich`。\n\n所有`spawn`示例都假定您命名的代理CLI已安装并可在`PATH`中访问。\n\n---\n\n## 🚀 快速入门\n\n如果您是ClawTeam的新手，请按以下顺序操作：\n\n1. 确保`tmux`和您的代理CLI在此机器上可以独立运行。\n2. 选择以下两种方式之一：让代理自动驱动，或手动驱动。\n3. 使用支持的代理表格来选择合适的`spawn`命令。\n4. 如果您要集成新的代理，请在调试前查看适配器说明。\n\n### ✅ 开始之前\n\n请先运行以下检查：\n\n```bash\ntmux -V\nclawteam --help\n\n# 将“claude”替换为您实际想要使用的代理：\nclaude --version\ncodex --version\nnanobot --help\n```\n\n如果代理CLI本身无法正常运行，`clawteam spawn`也无法解决问题。\n\n### ⚡ 选项1：让代理自动驱动（推荐）\n\nClawTeam自带一个可重用技能，位于`skills\u002Fclawteam\u002F`目录下。\n\n**Claude Code**\n\n将该技能安装到`~\u002F.claude\u002Fskills\u002Fclawteam`，然后输入提示：\n\n```\n“构建一个Web应用。使用clawteam将工作分配给多个代理。”\n```\n\n**Codex**\n\n将相同的技能安装到`$CODEX_HOME\u002Fskills\u002Fclawteam`（通常为`~\u002F.codex\u002Fskills\u002Fclawteam`），然后输入提示：\n\n```\n“使用clawteam将此任务分配给多个代理，并协调团队完成。”\n```\n\n代理会自动创建团队、生成工作人员、分配任务并进行协调——这一切都在后台使用`clawteam` CLI命令实现。\n\n### 🔧 选项2：手动驱动\n\n```bash\n# 1. 创建一个团队（您担任领导者）\nclawteam team spawn-team my-team -d “构建认证模块” -n leader\n\n# 2. 生成工作人员代理——每个代理都会获得一个Git工作树、tmux窗口和身份\nclawteam spawn --team my-team --agent-name alice --task “实现OAuth2流程”\nclawteam spawn --team my-team --agent-name bob --task “编写认证模块的单元测试”\n\n# 3. 工作人员会自动收到一条协调提示，教他们如何：\n#    ✅ 查看任务：clawteam task list my-team --owner alice\n#    ✅ 更新状态：clawteam task update my-team \u003Cid> --status completed\n#    ✅ 向领导者发送消息：clawteam inbox send my-team leader “已完成！”\n#    ✅ 报告空闲状态：clawteam lifecycle idle my-team\n\n# 4. 观察他们并肩协作\nclawteam board attach my-team\n```\n\n### 🧩 配置文件与预设\n\n当您想使用非默认的提供商、模型或API网关时，应先配置一个**配置文件**，而不是每次都手动导出提供商的环境变量。\n\n```bash\n# 查看内置的提供商模板\nclawteam preset list\nclawteam preset show moonshot-cn\n\n# 从预设生成可重用的运行时配置文件\nclawteam preset generate-profile moonshot-cn claude --name claude-kimi\n\n# MiniMax (M2.7) — 全球或中国端点\nclawteam preset generate-profile minimax-global claude --name claude-minimax\nclawteam preset generate-profile minimax-cn claude --name claude-minimax-cn\n\n# 或者使用交互式TUI\nclawteam profile wizard\n\n# Claude Code在新机器或新环境中可能需要执行一次\nclawteam profile doctor claude\n\n# 在生成工作人员之前，先对配置文件进行烟雾测试\nMOONSHOT_API_KEY=... clawteam profile test claude-kimi\nMINIMAX_API_KEY=... clawteam profile test claude-minimax\n```\n\n一些经验法则：\n\n- `profile`是`spawn`\u002F`launch`使用的最终运行时对象。\n- `preset`是一个可重用的提供商模板，可用于生成一个或多个配置文件。\n- `wizard`是首次设置的最简单途径。\n- `doctor`主要用于Claude Code首次运行时的初始化状态。\n\n### 🧭 我应该使用哪个`spawn`命令？\n\n请使用`clawteam spawn [backend] [command] ...`，并选择已经在您的机器上可用的命令：\n\n```bash\n# Claude Code\nclawteam spawn tmux claude --team my-team --agent-name alice --task “实现OAuth2”\n\n# Codex\nclawteam spawn tmux codex --team my-team --agent-name bob --task “编写前端测试”\n\n# nanobot\nclawteam spawn tmux nanobot --team my-team --agent-name carol --task “构建API”\n\n# 已配置的profile（建议用于非默认提供商\u002F模型）\nclawteam spawn tmux --profile claude-kimi --team my-team --agent-name dave --task “重构认证流程”\n```\n\n注意事项：\n\n- `tmux`是默认的后端，在您希望观察交互式代理界面时是最佳选择。\n- `subprocess`更适合一次性工具或非交互式脚本。\n- `nanobot`在内部被标准化为`nanobot agent`，因此上述命令是正确的ClawTeam入口点。\n- 对于Claude Code和Codex，它们信任在全新工作树中自动生成的提示，这些提示会由tmux后端自动确认。\n- 对于非默认的提供商\u002F模型，建议使用`--profile \u003Cname>`，而不是手动导出环境变量。\n\n### 🔌 添加其他代理\n\nClawTeam不仅可以与Claude Code、Codex和nanobot配合使用，还可以与其他代理协同工作，但这些代理的CLI必须满足一定的兼容性要求：\n\n1. 该命令必须存在于`PATH`中，并且能够在ClawTeam之外成功启动。\n2. 代理必须能够在特定的工作目录或Git工作树中运行。\n3. 代理必须能够接受初始任务，无论是通过命令行参数还是交互式输入。\n4. 如果代理需要进行交互式操作，则其进程必须在`tmux`中保持运行状态。\n\n如果您不确定，可以先单独测试代理，然后再用以下命令包装它：\n\n```bash\nclawteam spawn subprocess \u003Cyour-agent> --team my-team --agent-name test --task “说‘OK’”\n```\n\n如果测试成功，再切换到`tmux`以进行交互式监控。\n\n### 🤖 支持的智能体\n\nClawTeam 可与任何能够执行 Shell 命令的 **CLI 智能体** 配合使用：\n\n以下所有示例均假定相应的 CLI 已在您的机器上独立运行。\n\n| 智能体 | 启动命令 | 状态 |\n|-------|--------------|--------|\n| [Claude Code](https:\u002F\u002Fclaude.ai\u002Fclaude-code) | `clawteam spawn tmux claude --team ...` | ✅ 完全支持 |\n| [Codex](https:\u002F\u002Fopenai.com\u002Fcodex) | `clawteam spawn tmux codex --team ...` | ✅ 完全支持 |\n| [OpenClaw](https:\u002F\u002Fgithub.com\u002Fopenclaw\u002Fopenclaw) | `clawteam spawn tmux openclaw --team ...` | ✅ 完全支持 |\n| [nanobot](https:\u002F\u002Fgithub.com\u002FHKUDS\u002Fnanobot) | `clawteam spawn tmux nanobot --team ...` | ✅ 完全支持 |\n| [Kimi CLI](https:\u002F\u002Fgithub.com\u002FMoonshotAI\u002Fkimi-cli) | `clawteam spawn tmux kimi --team ...` | ✅ 完全支持 |\n| [Cursor](https:\u002F\u002Fcursor.com) | `clawteam spawn subprocess cursor --team ...` | 🔮 实验性 |\n| 自定义脚本 | `clawteam spawn subprocess python --team ...` | ✅ 完全支持 |\n\n对于特定提供商的设置，例如通过 Moonshot Kimi、MiniMax 或者通过 Vertex 使用 Claude Code、Gemini，请先使用 `profile` + `preset`，然后再用 `--profile` 启动。\n\n---\n\n## ✨ 功能\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd width=\"50%\">\n\n### 🦞 智能体自组织\n- 领导智能体负责启动并管理工作者智能体\n- **自动注入的协调提示** — 无需手动配置\n- 工作者会自动报告状态、结果和空闲情况\n- 适用于任何 CLI 智能体：Claude Code、Codex、OpenClaw，以及自定义智能体\n\n### 🌳 工作空间隔离\n- 每个智能体都有自己的 **git 工作树**（独立分支）\n- 并行工作的智能体之间不会产生合并冲突\n- 提供检查点、合并和清理命令\n- 分支命名格式为：`clawteam\u002F{team}\u002F{agent}`\n\n### 📋 带依赖的任务跟踪\n- 共享看板：`待处理` → `进行中` → `已完成` \u002F `阻塞`\n- `--blocked-by` 依赖链 — **完成时自动解除阻塞**\n- `task wait` 会阻塞直到所有任务完成\n- 可按状态、负责人筛选；提供 JSON 输出以供脚本使用\n\n\u003C\u002Ftd>\n\u003Ctd width=\"50%\">\n\n### 💬 智能体间消息传递\n- 点对点 **收件箱**（发送、接收、查看）\n- **广播** 给所有团队成员\n- 默认采用文件传输方式，也可选择 ZeroMQ 点对点传输，并具备离线回退机制\n- 智能体可通过 `inbox receive` 发现消息\n\n### 📊 监控与仪表盘\n- `board show` — 终端看板\n- `board live` — 自动刷新的仪表盘\n- `board attach` — 所有智能体工作的 **平铺式 tmux 视图**\n- `board serve` — **Web UI**，实时更新\n\n### 🎪 团队模板\n- **TOML 文件** 定义团队原型（角色、任务、提示）\n- 一条命令即可启动一个完整的团队：`clawteam launch \u003Ctemplate>`\n- 内置模板：AI 对冲基金（7 个智能体）。您也可以创建自己的模板。\n- 支持变量替换：`{goal}`、`{team_name}`、`{agent_name}`\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n### 🔧 更多功能\n\n| 功能 | 描述 |\n|---------|-------------|\n| 📝 **计划审批** | 智能体在执行前提交计划供领导审核 |\n| 🔄 **生命周期协议** | 优雅地请求\u002F批准\u002F拒绝关闭，空闲通知 |\n| 📊 **JSON 输出** | 所有命令都支持 `--json` 标志 — 智能体可解析结构化输出 |\n| 🌐 **跨机器** | 共享文件系统（NFS\u002FSSHFS）或点对点传输，适用于分布式团队 |\n| 👥 **多用户** | 按用户划分智能体命名空间 — 多人可共享一个团队 |\n| ⚙️ **配置** | 持久化配置：环境变量 > 配置文件 > 默认优先级 |\n| 🔌 **智能体技能** | 可重用的技能条目，适用于 Claude Code 和 Codex 工作流 |\n\n---\n\n## 🤖 智能体如何使用 ClawTeam\n\n当智能体通过 `clawteam spawn` 被启动时，它会收到一个 **自动注入的协调提示**：\n\n```\n## 协调协议（自动注入到每个被启动的智能体）\n\n- 📋 检查你的任务：clawteam task list \u003Cteam> --owner \u003Cyour-name>\n- ▶️ 开始一项任务：clawteam task update \u003Cteam> \u003Cid> --status in_progress\n- ✅ 完成一项任务：clawteam task update \u003Cteam> \u003Cid> --status completed\n- 💬 向领导发送消息：clawteam inbox send \u003Cteam> leader \"状态更新...\"\n- 💬 向队友发送消息：clawteam inbox send \u003Cteam> \u003Cname> \"信息...\"\n- 📨 检查收件箱：clawteam inbox receive \u003Cteam>\n- 😴 报告空闲：clawteam lifecycle idle \u003Cteam>\n```\n\n这意味着 **任何 CLI 智能体** 都可以参与 ClawTeam 团队——它只需要能够运行 Shell 命令。无需自定义 SDK、API 集成或框架锁定。\n\n---\n\n## 📖 命令参考\n\n\u003Cdetails open>\n\u003Csummary>\u003Ch3>🔧 核心命令\u003C\u002Fh3>\u003C\u002Fsummary>\n\n```bash\n# 🏗️ 团队生命周期\nclawteam team spawn-team \u003Cteam> -d \"description\" -n \u003Cleader>\nclawteam team discover                    # 列出所有团队\nclawteam team status \u003Cteam>               # 显示成员\nclawteam team cleanup \u003Cteam> --force      # 删除团队\n\n# 🚀 启动智能体\nclawteam spawn --team \u003Cteam> --agent-name \u003Cname> --task \"do this\"\nclawteam spawn tmux codex --team \u003Cteam> --agent-name \u003Cname> --task \"do this\"\n\n# 📋 任务管理\nclawteam task create \u003Cteam> \"subject\" -o \u003Cowner> --blocked-by \u003Cid1>,\u003Cid2>\nclawteam task update \u003Cteam> \u003Cid> --status completed   # 自动解除依赖任务的阻塞\nclawteam task list \u003Cteam> --status blocked --owner worker1\nclawteam task wait \u003Cteam> --timeout 300\n\n# 💬 消息传递\nclawteam inbox send \u003Cteam> \u003Cto> \"message\"\nclawteam inbox broadcast \u003Cteam> \"message\"\nclawteam inbox receive \u003Cteam>             # 消耗消息\nclawteam inbox peek \u003Cteam>                # 查看但不消耗\n\n# 📊 监控\nclawteam board show \u003Cteam>                # 终端看板\nclawteam board live \u003Cteam> --interval 3   # 自动刷新\nclawteam board attach \u003Cteam>              # 平铺式 tmux 视图\nclawteam board serve --port 8080          # Web UI\n```\n\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n\u003Csummary>\u003Ch3>🌳 工作空间、📝 计划、🔄 生命周期、⚙️ 配置\u003C\u002Fh3>\u003C\u002Fsummary>\n\n```bash\n# 🌳 工作空间（git 工作树管理）\nclawteam workspace list \u003Cteam>\nclawteam workspace checkpoint \u003Cteam> \u003Cagent>    # 自动提交\nclawteam workspace merge \u003Cteam> \u003Cagent>         # 合并回主分支\nclawteam workspace cleanup \u003Cteam> \u003Cagent>       # 移除工作树\n\n# 📝 计划审批\nclawteam plan submit \u003Cteam> \u003Cagent> \"计划\" --summary \"TL;DR\"\nclawteam plan approve \u003Cteam> \u003Cplan-id> \u003Cagent> --feedback \"LGTM\"\nclawteam plan reject \u003Cteam> \u003Cplan-id> \u003Cagent> --feedback \"Revise X\"\n\n# 🔄 生命周期\nclawteam lifecycle request-shutdown \u003Cteam> \u003Cagent> --reason \"done\"\nclawteam lifecycle approve-shutdown \u003Cteam> \u003Crequest-id> \u003Cagent>\nclawteam lifecycle idle \u003Cteam>\n\n# 🎪 模板\nclawteam launch \u003Ctemplate> --team \u003Cname> --goal \"Build X\"\nclawteam template list\n\n# ⚙️ 配置\nclawteam config show\nclawteam config set transport p2p\nclawteam config health\n```\n\n| 设置 | 环境变量 | 默认值 | 描述 |\n|---------|---------|---------|-------------|\n| `data_dir` | `CLAWTEAM_DATA_DIR` | `~\u002F.clawteam` | 数据目录 |\n| `transport` | `CLAWTEAM_TRANSPORT` | `file` | `file` 或 `p2p` |\n| `workspace` | `CLAWTEAM_WORKSPACE` | `auto` | `auto` \u002F `always` \u002F `never` |\n| `default_backend` | `CLAWTEAM_DEFAULT_BACKEND` | `tmux` | `tmux` 或 `subprocess` |\n| `skip_permissions` | `CLAWTEAM_SKIP_PERMISSIONS` | `true` | 自动批准代理工具 |\n\n旧版别名：\n`OH_*` 环境变量仍被接受以保持兼容性，但新的文档和示例使用 `CLAWTEAM_*`。\n\n\u003C\u002Fdetails>\n\n---\n\n## 🏗️ 架构\n\n```\n  人类: \"优化这个大模型\"\n         │\n         ▼\n  ┌──────────────┐     clawteam spawn     ┌──────────────┐\n  │ 🦞 领导者    │ ──────────────────────► │ 🤖 工作者    │\n  │ (Claude Code)│ ──────┐                │ (Claude Code)│\n  │              │       │                │ git worktree │\n  │ 使用:        │       │                │ tmux window  │\n  │ • spawn      │       │ clawteam spawn └──────────────┘\n  │ • task create│       │\n  │ • inbox send │       ▼                ┌──────────────┐\n  │ • board show │ ──────────────────────► │ 🤖 工作者    │\n  │ • task wait  │       │                │ (Codex)      │\n  └──────────────┘       │                │ git worktree │\n                         │                │ tmux window  │\n                         │ clawteam spawn └──────────────┘\n                         ▼\n                   ┌──────────────┐\n                   │ 🤖 工作者    │    每个工作者使用：\n                   │ (any CLI)    │    • 任务列表（检查工作）\n                   │ git worktree │    • 任务更新（报告完成）\n                   │ tmux window  │    • 收件箱发送（向领导者发送消息）\n                   └──────────────┘    • 收件箱接收（获取指令）\n                         │\n                         ▼\n              ┌─────────────────────┐\n              │    ~\u002F.clawteam\u002F     │\n              │ ├── teams\u002F   (谁) │\n              │ ├── tasks\u002F   (什么)│\n              │ ├── inboxes\u002F (交流)│\n              │ └── workspaces\u002F    │\n              │     (隔离的代码)│\n              └─────────────────────┘\n```\n\n所有状态都以 JSON 文件的形式存储在 `~\u002F.clawteam\u002F` 中。没有数据库、没有服务器、没有云。原子性的 `tmp + rename` 写入操作确保了崩溃安全性。\n\n| Spawn 默认值 | 值 | 覆盖 |\n|---------------|-------|----------|\n| 后端 | `tmux` | `clawteam spawn subprocess ...` |\n| 命令 | `claude` | `clawteam spawn tmux codex ...` |\n| 工作空间 | `auto`（git worktree） | `--no-workspace` |\n| 权限 | 跳过 | `--no-skip-permissions` |\n\n| 传输方式 | 工作原理 | 何时使用 |\n|-----------|-------------|-------------|\n| **file**（默认） | 收件箱目录中的 JSON 文件 | 单机、共享文件系统 |\n| **p2p** | ZeroMQ PUSH\u002FPULL + 文件回退 | 低延迟、自动回退 |\n\n---\n\n## 🗺️ 路线图\n\n| 阶段 | 版本 | 内容 | 状态 |\n|-------|---------|------|--------|\n| **当前** | v0.3 | 文件 + P2P（ZeroMQ）传输、Web UI、多用户、团队模板 | ✅ 已发布 |\n| **阶段 1** | v0.4 | Redis 传输 — 跨机器消息传递 | 🔜 计划中 |\n| **阶段 2** | v0.5 | 共享状态层 — 跨机器的团队配置和任务 | 🔜 计划中 |\n| **阶段 3** | v0.6 | 代理市场 — 发现并重用社区代理模板 | 💡 正在探索 |\n| **阶段 4** | v0.7 | 自适应调度 — 根据代理性能动态重新分配任务 | 💡 正在探索 |\n| **阶段 5** | v1.0 | 生产级 — 认证、权限、审计日志 | 💡 正在探索 |\n\n### 里程碑\n\n| 里程碑 | 状态 | 备注 |\n|---|---|---|\n| v0.1.x | ✅ 已发布 | 核心 CLI、团队\u002F任务\u002F收件箱流程、看板、模板、打包。 |\n| v0.2.0 | ✅ 已发布 | 稳定化、文档更新、spawn\u002F工作空间修复以及版本打包。 |\n| v0.3 | 📍 路线图基线 | 文件 + P2P 传输、Web UI、多用户工作流、团队模板。 |\n\n有关长期计划，请参阅 [ROADMAP.md](ROADMAP.md)。\n\n---\n\n## 🤝 贡献\n\n我们欢迎贡献！ClawTeam 设计为可扩展：\n\n- 🤖 **新代理集成** — 添加对更多 AI 编码代理的支持\n- 🎪 **团队模板** — 为新领域创建 TOML 模板（DevOps、数据科学等）\n- 🔌 **传输后端** — Redis、NATS 或其他消息传输方式\n- 📊 **仪表盘改进** — 增强的 Web UI、Grafana 集成\n- 📖 **文档** — 教程、最佳实践、代理提示工程指南\n\n---\n\n## 📖 致谢\n\n- [@karpathy\u002Fautoresearch](https:\u002F\u002Fgithub.com\u002Fkarpathy\u002Fautoresearch) — 我们 8 代理集群演示中使用的自主 ML 研究框架\n- [Claude Code](https:\u002F\u002Fclaude.ai\u002Fclaude-code) 和 [Codex](https:\u002F\u002Fopenai.com\u002Fcodex) — 可作为 ClawTeam 团队成员工作的 AI 编码代理\n- [ai-hedge-fund](https:\u002F\u002Fgithub.com\u002Fvirattt\u002Fai-hedge-fund) — 多分析师对冲基金模板的灵感来源\n- [CLI-Anything](https:\u002F\u002Fgithub.com\u002FHKUDS\u002FCLI-Anything) — 使所有软件原生支持代理的姊妹项目\n\n---\n\n## ⭐ 星标历史\n\n如果您觉得 ClawTeam 有用，请考虑给我们一个星标！⭐\n\n\u003Cdiv align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fstar-history.com\u002F#HKUDS\u002FClawTeam&Date\">\n    \u003Cpicture>\n      \u003Csource media=\"(prefers-color-scheme: dark)\" srcset=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawTeam_readme_de5e518f858c.png&theme=dark\" \u002F>\n      \u003Csource media=\"(prefers-color-scheme: light)\" srcset=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawTeam_readme_de5e518f858c.png\" \u002F>\n      \u003Cimg alt=\"星标历史图表\" src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawTeam_readme_de5e518f858c.png\" \u002F>\n    \u003C\u002Fpicture>\n  \u003C\u002Fa>\n\u003C\u002Fdiv>\n\n## 📄 许可证\n\nMIT 许可证 — 可自由使用、修改和分发。\n\n---\n\n\u003Cdiv align=\"center\">\n\n**ClawTeam** — *代理集群智能.* 🦞\n\n\u003Csub>8 个代理 × 8 块 H100 显卡 × 2430 次实验 × 一个 CLI × 一个集群\u003C\u002Fsub>\n\n\u003Cbr>\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawTeam_readme_f6981756e131.png\" alt=\"ClawTeam\" width=\"80\">\n\n\u003C\u002Fdiv>\n\n\u003Cp align=\"center\">\n  \u003Cem>感谢您的访问 ✨ ClawTeam!\u003C\u002Fem>\u003Cbr>\u003Cbr>\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawTeam_readme_085c9b0d72d0.png\" alt=\"浏览量\">\n\u003C\u002Fp>","# ClawTeam 快速上手指南\n\nClawTeam 是一个让 AI Agent 组成“蜂群”协同工作的开源框架。它允许单个领导 Agent 自动派生多个子 Agent，分配任务并共享上下文，从而实现从“单兵作战”到“团队智能”的进化。\n\n## 🛠️ 环境准备\n\n在开始之前，请确保您的系统满足以下要求：\n\n*   **操作系统**: Linux 或 macOS (推荐)，Windows 需使用 WSL2。\n*   **Python 版本**: ≥ 3.10。\n*   **核心依赖**:\n    *   `git`: 用于创建隔离的工作树 (worktrees)。\n    *   `tmux`: 用于管理多终端会话和实时查看 Agent 运行状态。\n*   **AI Agent**: 已安装并配置好任意 CLI 模式的 AI Agent（如 [Claude Code](https:\u002F\u002Fclaude.ai\u002Fclaude-code), [OpenClaw](https:\u002F\u002Fgithub.com\u002Fopenclaw\u002Fopenclaw), [Codex CLI](https:\u002F\u002Fopenai.com\u002Fcodex) 等）。\n\n> 💡 **提示**: 本工具本身不依赖复杂的消息队列或数据库，仅利用文件系统和 tmux 进行通信，部署极其轻量。\n\n## 📦 安装步骤\n\n通过 pip 即可快速安装最新版本的 ClawTeam：\n\n```bash\npip install clawteam\n```\n\n安装完成后，验证是否成功：\n\n```bash\nclawteam --help\n```\n\n## 🚀 基本使用\n\nClawTeam 的核心逻辑是：**人类设定目标 -> 领导 Agent 组建团队 -> 团队自动执行**。\n\n### 1. 启动领导 Agent (Leader)\n\n首先，在你的主终端中启动一个支持 CLI 的 AI Agent（以 Claude Code 为例），并让它加载 ClawTeam 的上下文。通常你只需要在对话中告诉它使用 `clawteam` 命令即可。\n\n**场景示例**：你想构建一个全栈待办事项应用。\n\n在终端运行你的 AI Agent：\n```bash\nclaude \"Build a full-stack todo app with auth, database, and React frontend using ClawTeam.\"\n```\n\n### 2. Agent 自动组建蜂群 (内部流程)\n\n一旦接收到指令，领导 Agent 会自动执行以下操作（无需人工干预）：\n\n1.  **创建团队**: 运行 `clawteam team spawn-team` 初始化团队环境。\n2.  **派生子 Agent**: 根据任务依赖关系，自动调用 `clawteam spawn` 创建多个子 Agent。每个子 Agent 拥有独立的 `git worktree` 和 `tmux` 窗口。\n    *   *例如*: 分别派生架构师、后端开发、前端开发和测试人员。\n3.  **任务分发**: 自动将任务拆解并发送给对应的子 Agent。\n\n### 3. 监控与协作\n\n作为人类开发者，你可以随时监控蜂群的运行状态，而无需手动协调。\n\n**查看所有 Agent 的实时状态 (Tmux 面板):**\n```bash\nclawteam board attach \u003Cteam-name>\n# 例如: clawteam board attach webapp-team\n```\n\n**启动 Web 可视化看板:**\n```bash\nclawteam board serve --port 8080\n```\n然后在浏览器访问 `http:\u002F\u002Flocalhost:8080` 查看任务进度、日志和产出。\n\n**查看特定任务列表:**\n```bash\nclawteam task list \u003Cteam-name> --owner me\n```\n\n### 4. 最小化手动示例\n\n如果你想手动体验如何派生一个工人 Agent，可以在终端直接运行：\n\n```bash\n# 创建一个名为 worker1 的代理，负责实现认证模块\nclawteam spawn --team my-demo-team \\\n  --agent-name worker1 \\\n  --task \"Implement auth module with JWT\"\n```\n\n随后，该 Agent 会在新的 tmux 窗口中启动，自动读取任务、编写代码并通过 `clawteam inbox send` 汇报结果。\n\n---\n\n**下一步**: 尝试让领导 Agent 处理更复杂的任务，如“使用 8 张 GPU 自动优化 LLM 训练超参数”，体验全自动化的科研蜂群能力。","某量化交易团队需要在极短时间内构建并验证一套基于多因子策略的自动化交易系统，涵盖数据清洗、模型训练、回测分析及实盘部署全流程。\n\n### 没有 ClawTeam 时\n- **协作割裂效率低**：数据工程师、算法研究员和后端开发需人工交接代码与数据，沟通成本高且容易出错，导致项目周期长达数周。\n- **单点智能瓶颈明显**：单个 AI 助手只能完成局部任务（如仅写代码或仅分析数据），无法自主协调上下游环节，开发者需时刻充当“人肉路由器”进行任务分发。\n- **迭代试错成本高昂**：调整策略参数需手动重新运行整个流水线，一旦中间环节报错，排查困难，难以实现大规模自动化的假设验证。\n- **环境依赖复杂**：不同成员本地环境不一致，集成部署时常出现“在我机器上能跑”的问题，阻碍了从实验到生产的快速转化。\n\n### 使用 ClawTeam 后\n- **蜂群协同全自动**：只需输入“构建多因子量化交易系统”，ClawTeam 自动组建包含数据抓取、模型优化、回测引擎和部署代理的智能蜂群，并行推进任务。\n- **端到端自主闭环**：各 Agent 自主分工协作，数据代理清洗完数据直接触发模型代理训练，结果异常时自动调用调试代理修复，无需人工干预流转。\n- **大规模并发实验**：支持同时发起数十个不同参数组合的实验任务，Agent 团队自动分配算力、记录结果并生成对比报告，将策略验证时间从周缩短至小时级。\n- **一致化交付体验**：通过统一的 P2P 通信和文件传输机制，确保所有节点环境一致，一键即可完成从本地开发到服务器部署的无缝切换。\n\nClawTeam 将原本需要多人协作数周的复杂工程，转化为一人一令即可完成的自动化闭环，真正实现了从“单兵作战”到“蜂群智能”的质变。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FHKUDS_ClawTeam_f6981756.png","HKUDS","✨Data Intelligence Lab@HKU✨","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FHKUDS_fc32cc87.jpg",null,"https:\u002F\u002Fsites.google.com\u002Fview\u002Fchaoh","https:\u002F\u002Fgithub.com\u002FHKUDS",[80,84,88,92,96],{"name":81,"color":82,"percentage":83},"Python","#3572A5",92.1,{"name":85,"color":86,"percentage":87},"HTML","#e34c26",3.9,{"name":89,"color":90,"percentage":91},"JavaScript","#f1e05a",1.9,{"name":93,"color":94,"percentage":95},"CSS","#663399",1.4,{"name":97,"color":98,"percentage":99},"Shell","#89e051",0.7,4815,659,"2026-04-17T06:59:14","MIT","Linux, macOS","非框架运行必需，但特定用例（如自动机器学习研究）需要 NVIDIA GPU（示例中提到 8 张 H100）。框架本身通过 CLI 和文件系统运行，不直接依赖 CUDA。","未说明（取决于运行的子 Agent 任务负载，示例中大规模实验需高性能服务器）",{"notes":108,"python":109,"dependencies":110},"该工具是一个协调层，依赖外部 CLI Agent（如 Claude Code, Codex, OpenClaw 等）执行实际任务。运行环境需预先安装 git 和 tmux 以实现工作区隔离和多窗口管理。支持通过文件或 ZeroMQ 进行通信。无需安装 PyTorch 等深度学习库即可运行框架本身，除非子任务需要。","≥3.10",[111,112,113],"typer","git","tmux",[13,14],"2026-03-27T02:49:30.150509","2026-04-18T00:47:16.224785",[118,123,128,133,138,142],{"id":119,"question_zh":120,"answer_zh":121,"source_url":122},38116,"如何在多代理团队（Swarm）架构中优化工作区大小并支持无头模式（Headless）运行？","当前主分支已实现工作区精简和无头 IPC 支持。具体优化包括：\n1. **工作区精简**：通过 `clawteam\u002Fworkspace\u002Fmanager.py` 实现白名单保护，仅保留必要文件（如 openclaw.json, skills\u002F, .env），并将 node_modules\u002F.venv 通过软链接共享，使工作区大小从 59MB 降至约 700KB。\n2. **无头模式支持**：`SubprocessBackend` 现在支持通过代理收件箱队列传递运行时通知，实现了无头工人的运行时交付。\n3. **环境变量继承**：运行时注入功能现已支持交互式后端（tmux, wsh）和子进程代理，确保 API 密钥等环境变量正确继承。\n注意：子进程后端不支持实时终端按键注入，因为不存在交互式 TUI。","https:\u002F\u002Fgithub.com\u002FHKUDS\u002FClawTeam\u002Fissues\u002F45",{"id":124,"question_zh":125,"answer_zh":126,"source_url":127},38117,"为什么在使用 `pi` 代理创建配置文件（profile）时，指定的 `--model` 参数会被忽略？","这是一个已知问题，已在版本 `77bae51` 中修复。原因是 `_model_flag()` 函数中未包含 \"pi\" 代理，导致配置文件中的模型参数无法映射到 CLI 标志。\n**解决方案**：更新后的代码已将 'pi', 'nanobot', 'openclaw' 添加到 `_model_flag()` 映射中。现在创建配置文件时，`--model` 参数会被正确注入到启动命令中。例如：\n```python\ndef _model_flag(agent: str) -> str | None:\n    if agent in {\"claude\", \"claude-code\", \"codex\", \"codex-cli\", \"gemini\", \"kimi\", \"pi\", \"nanobot\", \"openclaw\"}:\n        return \"--model\"\n    return None\n```\n请确保升级到包含此修复的最新版本。","https:\u002F\u002Fgithub.com\u002FHKUDS\u002FClawTeam\u002Fissues\u002F133",{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},38118,"项目中残留的 `oh` 或 `OpenHarness` 旧命名会导致命令或路径错误吗？如何统一？","是的，旧版本中残留的 `oh` 或 `OpenHarness` 命名可能导致用户混淆命令、路径和 tmux 会话名。该问题已在主分支解决。\n**现状**：\n- 所有面向用户的文档、帮助文本和运行时命名已统一规范化为 `clawteam`。\n- 默认数据目录统一为 `~\u002F.clawteam`。\n- 剩余的 `OH_*` 引用已被明确标记为遗留兼容性别名（legacy compatibility aliases）。\n建议新用户直接使用 `clawteam` 命令和相关路径，无需担心旧命名冲突。","https:\u002F\u002Fgithub.com\u002FHKUDS\u002FClawTeam\u002Fissues\u002F127",{"id":134,"question_zh":135,"answer_zh":136,"source_url":137},38119,"在 Windows 系统上运行 clawteam 时遇到 `ModuleNotFoundError: No module named 'fcntl'` 错误怎么办？","`fcntl` 是 Unix 专用模块，在 Windows 上不可用。该问题已在主分支通过兼容性处理解决。\n**解决方案**：\n代码现在会在 Windows 环境下使用 `msvcrt` 模块作为 fallback 来处理文件锁定，而不是直接导入 `fcntl`。具体的导入逻辑已被保护在特定于 Win32 的分支中。\n如果您仍遇到此问题，请确保您使用的是最新版本的代码，其中包含了对 `fileutil`, `store\u002Ffile`, `team\u002Fsnapshot` 等模块的 Windows 兼容性修复。","https:\u002F\u002Fgithub.com\u002FHKUDS\u002FClawTeam\u002Fissues\u002F81",{"id":139,"question_zh":140,"answer_zh":141,"source_url":137},38120,"在 Windows 上进行文件重命名或原子写入时遇到 `FileExistsError` 错误如何解决？","这是因为 Windows 上的 `pathlib.Path.rename()` 不是原子操作，当目标文件存在时会失败，而 Unix 上的 `rename()` 是原子的。\n**解决方案**：\n项目已通过 PR #102 修复此问题，将代码中的 `Path.replace()` 或 `tmp.rename(path)` 替换为 `os.replace()`。`os.replace()` 在所有平台上都支持原子替换操作。\n请确保您的代码库已更新，以包含使用 `os.replace()` 进行原子文件操作的更改。",{"id":143,"question_zh":144,"answer_zh":145,"source_url":146},38121,"README 文档中的链接失效（404）问题是否已修复？","是的，维护者已确认并替换了失效的链接。同时，中文 README（zh_CN）中的相同问题也已得到修复。如果您仍然看到旧链接，请拉取最新的仓库代码或刷新文档页面。","https:\u002F\u002Fgithub.com\u002FHKUDS\u002FClawTeam\u002Fissues\u002F3",[148,153],{"id":149,"version":150,"summary_zh":151,"released_at":152},306263,"v0.2.0","## 新增内容\n\nClawTeam `v0.2.0` 是继 2026 年 3 月 18 日首次在 PyPI 上线后的首个稳定版发布。\n\n### 演示视频\n\nhttps:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002F09ac1f72-d3b8-4341-b33f-d58c2479bee8\n\n### 亮点\n\n- 在 tmux 和 subprocess 后端上提升了进程启动的可靠性\n- 改进了 Claude Code 交互式会话的启动处理\n- 更清晰的非工作区仓库执行提示，以及对 `cwd` 回归问题的覆盖\n- 工作区和冲突检测修复，并扩展了测试覆盖率\n- 更新了文档首页和项目介绍\n\n### 本次发布包含的内容\n\n- 针对 `--no-workspace --repo` 流程的进程启动和工作区修复\n- 为 Claude 的 `--dangerously-skip-permissions` 提供 tmux 启动确认处理\n- 修复了工作区管理器参数处理中的冲突检测问题\n- 自 `v0.1.2` 以来已合并的持续改进，包括：\n  - 配置文件和预设\n  - 对 Gemini、Kimi 和 OpenClaw 的兼容性改进\n  - 任务优先级支持\n  - 快照与恢复功能\n  - gource 可视化及 Git 上下文工具链\n  - 板块性能优化和消息规范化改进\n\n### 安装\n\n```bash\npip install -U clawteam==0.2.0\n```\n\n### 资源\n\n本版本包含基于 `v0.2.0` 标签构建的源码分发包和通用 Wheel 包。\n\n**完整变更日志：** https:\u002F\u002Fgithub.com\u002FHKUDS\u002FClawTeam\u002Fcompare\u002Fv0.1.2...v0.2.0","2026-03-23T13:03:27",{"id":154,"version":155,"summary_zh":156,"released_at":157},306264,"v0.1.2","## 新功能\n\nClawTeam 的首个官方 PyPI 发布。\n\n### 功能特性\n\n- **多智能体协调命令行工具** — 创建团队、分配任务、启动智能体、监控进度\n- **任务依赖链** — 当依赖任务完成后自动解除阻塞\n- **基于文件的消息传递** — 智能体之间可进行收发和广播消息\n- **tmux + Git 工作树隔离** — 每个智能体拥有独立的分支和终端\n- **看板** — 终端仪表盘和 Web 界面用于监控\n- **内置模板** — 提供对冲基金、代码评审、研究论文等团队架构模板\n- **智能体技能** — 通过 `npx skills add HKUDS\u002FClawTeam` 安装，支持 Claude Code、Cursor、Codex 等工具\n\n### 安装\n\n```bash\npip install clawteam\n```","2026-03-18T09:31:48"]