clawport-ui

GitHub
807 119 中等 1 次阅读 2天前MITAgent开发框架
AI 解读 由 AI 自动生成,仅供参考

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

操作系统
  • 未说明 (基于 Node.js/Next.js,理论上支持 Linux
  • macOS
  • Windows)
GPU

不需要本地 GPU (AI 推理通过 OpenClaw Gateway 路由,通常调用云端 API)

内存

未说明

依赖
notes1. 必须先安装并运行 OpenClaw 实例作为网关,所有 AI 操作(聊天、视觉、语音)均通过该网关路由,无需单独配置 AI API 密钥。 2. 核心运行环境为 Node.js (使用 npm 包管理器),而非 Python。 3. 需要配置环境变量以指向 OpenClaw 的工作空间路径和网关令牌,可通过 'clawport setup' 命令自动检测。
python不需要 (主要运行环境为 Node.js)
next@16
react@19
typescript@5
tailwindcss@4
react-flow
vitest@4
openclaw (外部依赖)
clawport-ui hero image

快速开始

ClawPort

ClawPort

您AI智能体团队的可视化指挥中心。

npm version license tests

官网 | 安装指南 | API文档 | npm


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。

组织架构图
更多截图
智能体聊天 看板
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
定时任务管道 定时任务计划
管道 -- 带健康检查的DAG可视化 计划 -- 每周热力图和作业管理
活动控制台 实时日志
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
成本仪表板 记忆浏览器
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/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


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

MIT


John Rice 使用 Jarvis(OpenClaw AI)构建。

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。

162.1k|★★★☆☆|今天
开发框架图像Agent

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

139k|★★☆☆☆|今天
开发框架Agent语言模型

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。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

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。

87.6k|★★☆☆☆|今天
开发框架语言模型

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。

85k|★★☆☆☆|今天
图像数据工具视频

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。

77.1k|★★★☆☆|昨天
Agent图像开发框架