clawport-ui
ClawPort 是一款专为 Claude Code 智能体团队打造的开源可视化指挥中心,基于 OpenClaw 构建。它旨在解决多智能体协作中管理分散、状态不透明及交互复杂的痛点,让用户无需配置额外的 AI API 密钥,即可通过本地网关统一管理整个智能体集群。
这款工具非常适合需要高效调度多个 AI 代理的开发者、技术研究人员及自动化工作流设计者。通过直观的界面,用户不仅能查看清晰的智能体组织架构图和实时健康状态,还能直接进行包含语音、图像识别及文件传输的多模态对话。其内置的看板系统支持任务在不同智能体间拖拽流转,配合 DAG 流水线可视化和定时任务监控,让复杂的工作流一目了然。此外,ClawPort 还提供实时的日志流、历史活动回溯、团队共享记忆浏览以及详细的 Token 成本分析功能,帮助用户优化资源使用并快速排查问题。无论是构建自动化运维流程还是研发复杂的智能体应用,ClawPort 都能将原本抽象的后端交互转化为清晰可控的图形化操作,显著提升开发与调试效率。
使用场景
某全栈开发团队正在利用 OpenClaw 构建由多个 AI 智能体组成的自动化研发系统,负责从需求分析到代码部署的全流程任务。
没有 clawport-ui 时
- 协作黑盒:开发者无法直观查看智能体团队的层级关系与任务流转状态,只能依靠分散的终端日志拼凑进度,难以定位卡顿环节。
- 交互割裂:与智能体沟通需切换多个命令行窗口或脚本,不支持直接发送截图、语音或拖拽文件,多模态调试效率极低。
- 监控盲区:缺乏统一的任务看板与成本仪表盘,无法实时追踪 Token 消耗异常,也难以通过可视化图表管理定时任务(Cron)的健康状态。
- 记忆断层:智能体的长期记忆存储于本地文件中,查阅历史上下文需手动解析 JSON 数据,知识复用困难。
使用 clawport-ui 后
- 全景可视:通过交互式组织架构图(Org Map),团队成员能一眼看清智能体分工、依赖关系及实时运行状态,快速识别瓶颈。
- 自然交互:在集成聊天窗口中直接进行流式对话,支持上传设计图进行视觉分析、发送语音指令及拖拽代码文件,沟通体验如同真人协作。
- 精细管控:利用看板(Kanban)拖拽分配任务,结合成本面板实时监控 Token 用量与异常波动,并通过热力图轻松调度定时流水线。
- 记忆透传:内置记忆浏览器可直接渲染 Markdown 格式的历史上下文,让新任务能无缝继承过往决策逻辑,显著提升任务连续性。
clawport-ui 将原本分散、晦涩的智能体集群转化为一个可视、可管、可对话的统一指挥中心,极大降低了多智能体系统的运维门槛。
运行环境要求
- 未说明 (基于 Node.js/Next.js,理论上支持 Linux
- macOS
- Windows)
不需要本地 GPU (AI 推理通过 OpenClaw Gateway 路由,通常调用云端 API)
未说明

快速开始
ClawPort是一个开源仪表板,用于管理、监控并直接与您的OpenClaw AI智能体进行交互。它连接到您本地的OpenClaw网关,为您提供组织架构图、支持视觉和语音的直接智能体聊天、看板、定时任务监控、成本跟踪、带有实时日志流的活动控制台以及记忆浏览器——所有功能集成于一处。
无需单独的AI API密钥。所有请求均通过您的OpenClaw网关路由。
更多截图
![]() |
![]() |
| 聊天 -- 流式文本、视觉、语音及文件附件 | 看板 -- 可跨智能体拖放的任务板 |
![]() |
![]() |
| 管道 -- 带健康检查的DAG可视化 | 计划 -- 每周热力图和作业管理 |
![]() |
![]() |
| 活动 -- 历史日志浏览器,支持JSON展开 | 实时日志 -- 实时流式小部件 |
![]() |
![]() |
| 成本 -- 令牌使用量、异常情况及优化建议 | 记忆 -- 团队记忆浏览器,支持Markdown渲染 |
快速入门
1. 安装OpenClaw
ClawPort需要一个正在运行的OpenClaw实例。如果您还没有:
# 安装OpenClaw
curl -fsSL https://openclaw.ai/install.sh | bash
# 运行引导向导(设置工作空间、网关和守护进程)
openclaw onboard --install-daemon
完成引导后,请验证网关是否正在运行:
openclaw gateway status
您应该会看到网关URL(默认为localhost:18789)和认证令牌。如果您使用自定义端口,clawport setup将自动检测。更多详细信息请参阅OpenClaw文档。
2. 安装ClawPort
注意: npm包名为
clawport-ui。CLI命令为clawport。 请勿安装无关的clawport包。
npm install -g clawport-ui
3. 连接并启动
# 自动检测您的OpenClaw配置并写入`.env.local`
clawport setup
# 启动仪表板
clawport dev
打开http://localhost:3000。引导向导将指导您命名门户、选择主题并设置操作员身份。
从源代码安装
git clone https://github.com/JohnRiceML/clawport-ui.git
cd clawport-ui
npm install
npm run setup
npm run dev
功能
- 组织架构图 -- 您整个智能体团队的交互式组织结构图。层次关系、定时任务状态及相互联系一目了然。基于React Flow实现自动布局。
- 聊天 -- 流式文本聊天、支持视觉的图片附件、带波形播放的语音消息、文件附件、剪贴板粘贴及拖放功能。对话在本地持久化。
- 看板 -- 用于跨智能体管理工作任务的任务板。可拖放卡片,并附带智能体分配和聊天上下文。
- 定时任务监控 -- 所有计划任务的实时状态。可按状态筛选、将错误置顶、展开查看详情。每60秒自动刷新。
- 成本仪表板 -- 跨所有定时任务的令牌使用量和成本分析。每日成本图表、按任务细分、模型分布、异常检测、周环比趋势及缓存节省。
- 活动控制台 -- 历史事件的日志浏览器,以及浮动的实时流小部件。点击任意日志行可展开原始JSON。实时流小部件在页面导航间保持存在。
- 记忆浏览器 -- 阅读团队记忆、长期记忆及每日日志。支持Markdown渲染、JSON语法高亮、搜索和下载。附有分类最佳实践指南的标签页。
- 智能体详情 -- 每个智能体的完整档案:SOUL.md查看器、工具、层级关系、定时任务、语音ID及直接聊天链接。
- 五种主题 -- 暗色、玻璃、彩色、浅色和系统默认。全部采用CSS自定义属性,可即时切换。
- 自动发现 -- 自动从您的OpenClaw工作空间中发现智能体。无需配置文件。
工作原理
ClawPort读取您的OpenClaw工作空间以发现智能体,然后连接到网关进行所有AI操作:
浏览器 --> ClawPort (Next.js) --> OpenClaw网关(默认localhost:18789) --> Claude
| |
| 文本:/v1/chat/completions(流式SSE)
| 视觉:通过CLI调用openclaw gateway call chat.send
| 音频:/v1/audio/transcriptions(Whisper)
|
读取自:
$WORKSPACE_PATH/agents/ (智能体SOUL.md文件)
$WORKSPACE_PATH/memory/ (团队记忆)
openclaw cron list (计划任务)
所有AI调用——聊天、视觉、TTS、转录——均通过网关路由。只需一个令牌,无需单独的API密钥。
配置
必需环境变量
| 变量 | 描述 | 查找方法 |
|---|---|---|
WORKSPACE_PATH |
您OpenClaw工作空间的路径 | 默认值:~/.openclaw/agents/main/workspace(或旧版~/.openclaw/workspace) |
OPENCLAW_BIN |
openclaw二进制文件的路径 |
运行which openclaw |
OPENCLAW_GATEWAY_TOKEN |
网关认证令牌 | 运行openclaw gateway status |
可选
| 变量 | 描述 |
|---|---|
ELEVENLABS_API_KEY |
ElevenLabs API密钥,用于智能体资料页上的语音指示器 |
运行clawport setup会自动检测所有必需值并写入.env.local文件。如果以全局方式安装且无法写入软件包目录,则会将配置写入~/.config/clawport-ui/.env.local。有关手动配置、智能体自定义及故障排除,请参阅SETUP.md。
代理发现
ClawPort 会自动从您的 OpenClaw 工作空间中发现代理,无需配置文件。
扫描内容:
$WORKSPACE_PATH/SOUL.md-- 根编排器$WORKSPACE_PATH/IDENTITY.md-- 根代理名称和表情符号agents/<name>/SOUL.md-- 顶级代理agents/<name>/sub-agents/*.md-- 平铺的子代理文件agents/<name>/members/*.md-- 团队成员文件agents/<name>/<subdir>/SOUL.md-- 嵌套子目录中的代理
忽略内容:
- 没有
SOUL.md的目录(如briefs/、数据文件) sub-agents/和members/中非.md文件
如需完全控制名称、颜色、层级结构和工具,请创建 $WORKSPACE_PATH/clawport/agents.json。模式和示例请参阅 SETUP.md。
CLI
clawport dev # 启动开发服务器
clawport start # 构建并启动生产服务器
clawport setup # 自动检测 OpenClaw 配置,并写入 .env.local
clawport status # 检查网关连通性和配置
clawport help # 显示使用方法
测试
npm test # 32 个测试套件共 781 个测试(Vitest)
npx tsc --noEmit # 类型检查(无错误)
npx next build # 生产构建
技术栈
- Next.js 16(App Router,Turbopack)
- React 19 / TypeScript 5
- Tailwind CSS 4
- React Flow -- 组织架构图
- Vitest 4 -- 测试
- OpenClaw -- AI 网关和代理运行时
文档
| 文档 | 描述 |
|---|---|
| SETUP.md | 完整设置指南、代理自定义及故障排除 |
| docs/API.md | 所有 API 端点的 REST API 参考 |
| docs/COMPONENTS.md | UI 组件目录(50 多个组件) |
| docs/THEMING.md | 主题系统、CSS 变量和设置 API |
| CONTRIBUTING.md | 如何贡献 |
| CHANGELOG.md | 版本历史 |
| docs/OPENCLAW.md | OpenClaw 集成参考 |
| CLAUDE.md | 开发者架构指南 |
贡献
欢迎贡献。开发环境搭建、代码风格及 PR 提交指南请参阅 CONTRIBUTING.md。
许可证
常见问题
相似工具推荐
stable-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。 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。
everything-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。 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。 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
ComfyUI
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。 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。 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。
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。







