[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-win4r--ClawTeam-OpenClaw":3,"tool-win4r--ClawTeam-OpenClaw":64},[4,17,27,35,48,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},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。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},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",138956,2,"2026-04-05T11:33:21",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},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。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-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。\n\n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。",84991,"2026-04-05T10:45:23",[14,43,44,45,15,46,26,13,47],"数据工具","视频","插件","其他","音频",{"id":49,"name":50,"github_repo":51,"description_zh":52,"stars":53,"difficulty_score":10,"last_commit_at":54,"category_tags":55,"status":16},3128,"ragflow","infiniflow\u002Fragflow","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。\n\n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。\n\n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。",77062,"2026-04-04T04:44:48",[15,14,13,26,46],{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},2181,"OpenHands","OpenHands\u002FOpenHands","OpenHands 是一个专注于 AI 驱动开发的开源平台，旨在让智能体（Agent）像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点，通过自动化流程显著提升开发速度。\n\n无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员，还是需要快速原型验证的技术团队，都能从中受益。OpenHands 提供了灵活多样的使用方式：既可以通过命令行（CLI）或本地图形界面在个人电脑上轻松上手，体验类似 Devin 的流畅交互；也能利用其强大的 Python SDK 自定义智能体逻辑，甚至在云端大规模部署上千个智能体并行工作。\n\n其核心技术亮点在于模块化的软件智能体 SDK，这不仅构成了平台的引擎，还支持高度可组合的开发模式。此外，OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩，证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能，支持与 Slack、Jira 等工具集成，并提供细粒度的权限管理，适合从个人开发者到大型企业的各类用户场景。",70612,"2026-04-05T11:12:22",[26,15,13,45],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":70,"readme_en":71,"readme_zh":72,"quickstart_zh":73,"use_case_zh":74,"hero_image_url":75,"owner_login":76,"owner_name":77,"owner_avatar_url":78,"owner_bio":79,"owner_company":80,"owner_location":80,"owner_email":80,"owner_twitter":81,"owner_website":82,"owner_url":83,"languages":84,"stars":97,"forks":98,"last_commit_at":99,"license":100,"difficulty_score":23,"env_os":101,"env_gpu":102,"env_ram":103,"env_deps":104,"category_tags":111,"github_topics":112,"view_count":23,"oss_zip_url":80,"oss_zip_packed_at":80,"status":16,"created_at":122,"updated_at":123,"faqs":124,"releases":152},1446,"win4r\u002FClawTeam-OpenClaw","ClawTeam-OpenClaw","ClawTeam fork fully adapted for OpenClaw — multi-agent swarm coordination with OpenClaw as the default agent","ClawTeam-OpenClaw 是一个专为命令行（CLI）AI 编程助手设计的多智能体协作框架。它允许用户设定一个宏观目标，随后由主智能体自动组建“团队”，动态生成多个子智能体来分工执行任务、相互沟通并整合最终成果。\n\n该工具主要解决了当前 AI 智能体往往“单打独斗”、缺乏协同能力的痛点。传统多智能体系统通常需要开发者编写复杂的编排代码或部署沉重的基础设施（如 Docker、消息队列），而 ClawTeam-OpenClaw 让智能体具备自我组织能力，无需人工微操即可处理复杂工程问题。\n\n它特别适合希望利用 AI 集群高效完成大型软件开发任务的开发者和技术研究人员。无论是构建完整的 Web 应用还是重构复杂代码库，用户只需通过自然语言指令即可启动整个协作流程。\n\n其技术亮点在于极简的架构设计：无需依赖 Redis 或数据库，仅利用本地文件系统和 tmux 终端会话即可实现智能体间的通信与隔离；独创性地使用 Git Worktree 为每个子智能体提供独立的代码分支环境，确保并行开发互不干扰。作为 ClawTeam 的优化分支，它深度集成了 OpenClaw 作为默认智能体，同时兼","ClawTeam-OpenClaw 是一个专为命令行（CLI）AI 编程助手设计的多智能体协作框架。它允许用户设定一个宏观目标，随后由主智能体自动组建“团队”，动态生成多个子智能体来分工执行任务、相互沟通并整合最终成果。\n\n该工具主要解决了当前 AI 智能体往往“单打独斗”、缺乏协同能力的痛点。传统多智能体系统通常需要开发者编写复杂的编排代码或部署沉重的基础设施（如 Docker、消息队列），而 ClawTeam-OpenClaw 让智能体具备自我组织能力，无需人工微操即可处理复杂工程问题。\n\n它特别适合希望利用 AI 集群高效完成大型软件开发任务的开发者和技术研究人员。无论是构建完整的 Web 应用还是重构复杂代码库，用户只需通过自然语言指令即可启动整个协作流程。\n\n其技术亮点在于极简的架构设计：无需依赖 Redis 或数据库，仅利用本地文件系统和 tmux 终端会话即可实现智能体间的通信与隔离；独创性地使用 Git Worktree 为每个子智能体提供独立的代码分支环境，确保并行开发互不干扰。作为 ClawTeam 的优化分支，它深度集成了 OpenClaw 作为默认智能体，同时兼容 Claude Code、Codex 等多种主流 CLI 工具，让多智能体协作变得像单人操作一样简单流畅。","\u003Cp align=\"center\">\n  \u003Ca href=\"README.md\">English\u003C\u002Fa> |\n  \u003Ca href=\"README_CN.md\">简体中文\u003C\u002Fa> |\n  \u003Ca href=\"README_TW.md\">繁體中文\u003C\u002Fa> |\n  \u003Ca href=\"README_JA.md\">日本語\u003C\u002Fa> |\n  \u003Ca href=\"README_KO.md\">한국어\u003C\u002Fa> |\n  \u003Ca href=\"README_FR.md\">Français\u003C\u002Fa> |\n  \u003Ca href=\"README_ES.md\">Español\u003C\u002Fa> |\n  \u003Ca href=\"README_DE.md\">Deutsch\u003C\u002Fa> |\n  \u003Ca href=\"README_IT.md\">Italiano\u003C\u002Fa> |\n  \u003Ca href=\"README_RU.md\">Русский\u003C\u002Fa> |\n  \u003Ca href=\"README_PT-BR.md\">Português (Brasil)\u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Ch1 align=\"center\">🦞ClawTeam-OpenClaw\u003C\u002Fh1>\n\n\u003Cp align=\"center\">\n  \u003Cstrong>Multi-agent swarm coordination for CLI coding agents — \u003Ca href=\"https:\u002F\u002Fopenclaw.ai\">OpenClaw\u003C\u002Fa> as default\u003C\u002Fstrong>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FHKUDS\u002FClawTeam\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fupstream-HKUDS%2FClawTeam-purple?style=for-the-badge\" alt=\"Upstream\">\u003C\u002Fa>\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=\"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\u002Fagents-OpenClaw_%7C_Claude_Code_%7C_Codex_%7C_nanobot-blueviolet\" alt=\"Agents\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Ftransport-File_%7C_ZeroMQ_P2P-orange\" alt=\"Transport\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fversion-0.3.0-teal\" alt=\"Version\">\n\u003C\u002Fp>\n\n> **Fork of [HKUDS\u002FClawTeam](https:\u002F\u002Fgithub.com\u002FHKUDS\u002FClawTeam)** with deep OpenClaw integration: default `openclaw` agent, per-agent session isolation, exec approval auto-config, and production-hardened spawn backends. All upstream fixes are synced.\n\nYou set the goal. The agent swarm handles the rest — spawning workers, splitting tasks, coordinating, and merging results.\n\nWorks with [OpenClaw](https:\u002F\u002Fopenclaw.ai) (default), [Claude Code](https:\u002F\u002Fclaude.ai\u002Fclaude-code), [Codex](https:\u002F\u002Fopenai.com\u002Fcodex), [nanobot](https:\u002F\u002Fgithub.com\u002FHKUDS\u002Fnanobot), [Cursor](https:\u002F\u002Fcursor.com), and any CLI agent.\n\n---\n\n## Why ClawTeam?\n\nCurrent AI agents are powerful but work in **isolation**. ClawTeam lets agents self-organize into teams — splitting work, communicating, and converging on results without human micromanagement.\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 | Docker, cloud APIs, YAML configs |\n| **Infrastructure** | Filesystem + tmux | Redis, message queues, databases |\n| **Agent support** | Any CLI agent | Framework-specific only |\n| **Isolation** | Git worktrees (real branches) | Containers or virtual envs |\n\n---\n\n## How It Works\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd width=\"33%\">\n\n### Agents Spawn Agents\nThe leader calls `clawteam spawn` to create workers. Each gets its own **git worktree**, **tmux window**, and **identity**.\n\n```bash\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 inboxes, update tasks, and report results — all through CLI commands **auto-injected** into their prompt.\n\n```bash\nclawteam task list my-team --owner me\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 Web UI. The leader handles coordination.\n\n```bash\nclawteam board attach my-team\n# Or web dashboard\nclawteam board serve --port 8080\n```\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n---\n\n## Quick Start\n\n### Option 1: Let the Agent Drive (Recommended)\n\nInstall ClawTeam, then prompt your agent:\n\n```\n\"Build a web app. Use clawteam to split the work across multiple agents.\"\n```\n\nThe agent auto-creates a team, spawns workers, assigns tasks, and coordinates — all via `clawteam` CLI.\n\n### Option 2: Drive It Manually\n\n```bash\n# Create a team\nclawteam team spawn-team my-team -d \"Build the auth module\" -n leader\n\n# Spawn workers — each gets a git worktree + tmux window\nclawteam spawn --team my-team --agent-name alice --task \"Implement OAuth2 flow\"\nclawteam spawn --team my-team --agent-name bob   --task \"Write unit tests for auth\"\n\n# Watch them work\nclawteam board attach my-team\n```\n\n### Supported Agents\n\n| Agent | Spawn Command | Status |\n|-------|--------------|--------|\n| [OpenClaw](https:\u002F\u002Fopenclaw.ai) | `clawteam spawn tmux openclaw --team ...` | **Default** |\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| [nanobot](https:\u002F\u002Fgithub.com\u002FHKUDS\u002Fnanobot) | `clawteam spawn tmux nanobot --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\n---\n\n## Install\n\n### Step 1: Prerequisites\n\nClawTeam requires **Python 3.10+**, **tmux**, and at least one CLI coding agent (OpenClaw, Claude Code, Codex, etc.).\n\n**Check what you already have:**\n\n```bash\npython3 --version   # Need 3.10+\ntmux -V             # Need any version\nopenclaw --version  # Or: claude --version \u002F codex --version\n```\n\n**Install missing prerequisites:**\n\n| Tool | macOS | Ubuntu\u002FDebian |\n|------|-------|---------------|\n| Python 3.10+ | `brew install python@3.12` | `sudo apt update && sudo apt install python3 python3-pip` |\n| tmux | `brew install tmux` | `sudo apt install tmux` |\n| OpenClaw | `pip install openclaw` | `pip install openclaw` |\n\n> If using Claude Code or Codex instead of OpenClaw, install those per their own docs. OpenClaw is the default but not strictly required.\n\n### Step 2: Install ClawTeam\n\n> **Important:** Do not use `pip install clawteam` — that installs the upstream version from PyPI, which defaults to `claude` and lacks the OpenClaw adaptations. Always install from this repo.\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fwin4r\u002FClawTeam-OpenClaw.git\ncd ClawTeam-OpenClaw\npip install -e .\n```\n\nOptional — P2P transport (ZeroMQ):\n\n```bash\npip install -e \".[p2p]\"\n```\n\n### Step 3: Create the `~\u002Fbin\u002Fclawteam` symlink\n\nSpawned agents run in fresh shells that may not have pip's bin directory in PATH. A symlink in `~\u002Fbin` ensures `clawteam` is always reachable:\n\n```bash\nmkdir -p ~\u002Fbin\nln -sf \"$(which clawteam)\" ~\u002Fbin\u002Fclawteam\n```\n\nIf `which clawteam` returns nothing, find the binary manually:\n\n```bash\n# Common locations:\n# ~\u002F.local\u002Fbin\u002Fclawteam\n# \u002Fopt\u002Fhomebrew\u002Fbin\u002Fclawteam\n# \u002Fusr\u002Flocal\u002Fbin\u002Fclawteam\n# \u002FLibrary\u002FFrameworks\u002FPython.framework\u002FVersions\u002F3.*\u002Fbin\u002Fclawteam\nfind \u002F -name clawteam -type f 2>\u002Fdev\u002Fnull | head -5\n```\n\nThen ensure `~\u002Fbin` is in your PATH — add this to `~\u002F.zshrc` or `~\u002F.bashrc` if it isn't:\n\n```bash\nexport PATH=\"$HOME\u002Fbin:$PATH\"\n```\n\n### Step 4: Install the OpenClaw skill (OpenClaw users only)\n\nThe skill file teaches OpenClaw agents how to use ClawTeam through natural language. Skip this step if you're not using OpenClaw.\n\n```bash\nmkdir -p ~\u002F.openclaw\u002Fworkspace\u002Fskills\u002Fclawteam\ncp skills\u002Fopenclaw\u002FSKILL.md ~\u002F.openclaw\u002Fworkspace\u002Fskills\u002Fclawteam\u002FSKILL.md\n```\n\n### Step 5: Configure exec approvals (OpenClaw users only)\n\nSpawned OpenClaw agents need permission to run `clawteam` commands. Without this, agents will block on interactive permission prompts.\n\n```bash\n# Ensure security mode is \"allowlist\" (not \"full\")\npython3 -c \"\nimport json, pathlib\np = pathlib.Path.home() \u002F '.openclaw' \u002F 'exec-approvals.json'\nif p.exists():\n    d = json.loads(p.read_text())\n    d.setdefault('defaults', {})['security'] = 'allowlist'\n    p.write_text(json.dumps(d, indent=2))\n    print('exec-approvals.json updated: security = allowlist')\nelse:\n    print('exec-approvals.json not found — run openclaw once first, then re-run this step')\n\"\n\n# Add clawteam to the allowlist\nopenclaw approvals allowlist add --agent \"*\" \"*\u002Fclawteam\"\n```\n\n> If `openclaw approvals` fails, the OpenClaw gateway may not be running. Start it first, then retry.\n\n### Step 6: Verify\n\n```bash\nclawteam --version          # Should print version\nclawteam config health      # Should show all green\n```\n\nIf using OpenClaw, also verify the skill is loaded:\n\n```bash\nopenclaw skills list | grep clawteam\n```\n\n### Automated installer\n\nSteps 2–6 above are also available as a single script:\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fwin4r\u002FClawTeam-OpenClaw.git\ncd ClawTeam-OpenClaw\nbash scripts\u002Finstall-openclaw.sh\n```\n\n### Troubleshooting\n\n| Problem | Cause | Fix |\n|---------|-------|-----|\n| `clawteam: command not found` | pip bin dir not in PATH | Run Step 3 (symlink + PATH) |\n| Spawned agents can't find `clawteam` | Agents run in fresh shells without pip PATH | Verify `~\u002Fbin\u002Fclawteam` symlink exists and `~\u002Fbin` is in PATH |\n| `openclaw approvals` fails | Gateway not running | Start `openclaw gateway` first, then retry Step 5 |\n| `exec-approvals.json not found` | OpenClaw never ran | Run `openclaw` once to generate config, then retry Step 5 |\n| Agents block on permission prompts | Exec approvals security is \"full\" | Run Step 5 to switch to \"allowlist\" |\n| `pip install -e .` fails | Missing build deps | Run `pip install hatchling` first |\n\n---\n\n## Use Cases\n\n### 1. Autonomous ML Research — 8 Agents x 8 GPUs\n\nBased on [@karpathy\u002Fautoresearch](https:\u002F\u002Fgithub.com\u002Fkarpathy\u002Fautoresearch). One prompt launches 8 research agents across H100s that design 2000+ experiments autonomously.\n\n```\nHuman: \"Use 8 GPUs to optimize train.py. Read program.md for instructions.\"\n\nLeader agent:\n├── Spawns 8 agents, each assigned a research direction (depth, width, LR, batch size...)\n├── Each agent gets its own git worktree for isolated experiments\n├── Every 30 min: checks results, cross-pollinates best configs to new agents\n├── Reassigns GPUs as agents finish — fresh agents start from best known config\n└── Result: val_bpb 1.044 → 0.977 (6.4% improvement) across 2430 experiments in ~30 GPU-hours\n```\n\nFull results: [novix-science\u002Fautoresearch](https:\u002F\u002Fgithub.com\u002Fnovix-science\u002Fautoresearch)\n\n### 2. Agentic Software Engineering\n\n```\nHuman: \"Build a full-stack todo app with auth, database, and React frontend.\"\n\nLeader agent:\n├── Creates tasks with dependency chains (API schema → auth + DB → frontend → tests)\n├── Spawns 5 agents (architect, 2 backend, frontend, tester) in separate worktrees\n├── Dependencies auto-resolve: architect completes → backend unblocks → tester unblocks\n├── Agents coordinate via inbox: \"Here's the OpenAPI spec\", \"Auth endpoints ready\"\n└── Leader merges all worktrees into main when complete\n```\n\n### 3. AI Hedge Fund — Template Launch\n\nA TOML template spawns a complete 7-agent investment team with one command:\n\n```bash\nclawteam launch hedge-fund --team fund1 --goal \"Analyze AAPL, MSFT, NVDA for Q2 2026\"\n```\n\n5 analyst agents (value, growth, technical, fundamentals, sentiment) work in parallel. Risk manager synthesizes all signals. Portfolio manager makes final decisions.\n\nTemplates are TOML files — **create your own** for any domain.\n\n---\n\n## Features\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd width=\"50%\">\n\n### Agent Self-Organization\n- Leader spawns and manages workers\n- Auto-injected coordination prompt — zero manual setup\n- Workers self-report status and idle state\n- Any CLI agent can participate\n\n### Workspace Isolation\n- Each agent gets its own **git worktree**\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` chains with auto-unblock on completion\n- `task wait` blocks until all tasks complete\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\n\n### Monitoring & Dashboards\n- `board show` — terminal kanban\n- `board live` — auto-refreshing dashboard\n- `board attach` — tiled tmux view of all agents\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: `clawteam launch \u003Ctemplate>`\n- Variable substitution: `{goal}`, `{team_name}`, `{agent_name}`\n- **Per-agent model assignment** (preview): assign different models to different roles — see [below](#per-agent-model-assignment-preview)\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n**Also:** plan approval workflows, graceful lifecycle management, `--json` output on all commands, cross-machine support (NFS\u002FSSHFS or P2P), multi-user namespacing, spawn validation with auto-rollback, `fcntl` file locking for concurrent safety.\n\n---\n\n## OpenClaw Integration\n\nThis fork makes [OpenClaw](https:\u002F\u002Fopenclaw.ai) the **default agent**. Without ClawTeam, each OpenClaw agent works in isolation. ClawTeam transforms it into a multi-agent platform.\n\n| Capability | OpenClaw Alone | OpenClaw + ClawTeam |\n|-----------|---------------|-------------------|\n| **Task assignment** | Manual per-agent messaging | Leader autonomously splits, assigns, monitors |\n| **Parallel development** | Shared working directory | Isolated git worktrees per agent |\n| **Dependencies** | Manual polling | `--blocked-by` with auto-unblock |\n| **Communication** | Only through AGI relay | Direct point-to-point inbox + broadcast |\n| **Observability** | Read logs | Kanban board + tiled tmux view |\n\nOnce the skill is installed, talk to your OpenClaw bot in any channel:\n\n| What you say | What happens |\n|-------------|-------------|\n| \"Create a 5-agent team to build a web app\" | Creates team, tasks, spawns 5 agents in tmux |\n| \"Launch a hedge-fund analysis team\" | `clawteam launch hedge-fund` with 7 agents |\n| \"Check the status of my agent team\" | `clawteam board show` with kanban output |\n\n```\n  You (Telegram\u002FDiscord\u002FTUI)\n         │\n         ▼\n  ┌──────────────────┐\n  │  OpenClaw Gateway │  ← activates clawteam skill\n  └────────┬─────────┘\n           │\n           ▼\n  ┌──────────────────┐     clawteam spawn     ┌─────────────────┐\n  │  Leader Agent    │ ─────────────────────► │  openclaw tui   │\n  │  (openclaw)      │ ──┐                    │  (tmux window)  │\n  │                  │   │                    │  git worktree   │\n  │  Manages swarm   │   ├──────────────────► ├─────────────────┤\n  │  via clawteam    │   │                    │  openclaw tui   │\n  │  CLI             │   ├──────────────────► ├─────────────────┤\n  └──────────────────┘   │                    │  openclaw tui   │\n                         └──────────────────► └─────────────────┘\n                                               All coordinate via\n                                               ~\u002F.clawteam\u002F (tasks, inboxes)\n```\n\n---\n\n## Architecture\n\n```\n  Human: \"Optimize this LLM\"\n         │\n         ▼\n  ┌──────────────┐     clawteam spawn     ┌──────────────┐\n  │  Leader      │ ──────────────────────► │  Worker      │\n  │  (any agent) │ ──────┐                │  git worktree │\n  │              │       ├──────────────► │  tmux window  │\n  │  spawn       │       │                ├──────────────┤\n  │  task create │       ├──────────────► │  Worker      │\n  │  inbox send  │       │                │  git worktree │\n  │  board show  │       └──────────────► │  tmux window  │\n  └──────────────┘                        └──────────────┘\n                                                 │\n                                                 ▼\n                                      ┌─────────────────────┐\n                                      │    ~\u002F.clawteam\u002F     │\n                                      │ ├── teams\u002F   (who) │\n                                      │ ├── tasks\u002F   (what)│\n                                      │ ├── inboxes\u002F (talk)│\n                                      │ └── workspaces\u002F    │\n                                      └─────────────────────┘\n```\n\nAll state lives in `~\u002F.clawteam\u002F` as JSON files. No database, no server. Atomic writes with `fcntl` file locking ensure crash safety.\n\n| Setting | Env Var | Default |\n|---------|---------|---------|\n| Data directory | `CLAWTEAM_DATA_DIR` | `~\u002F.clawteam` |\n| Transport | `CLAWTEAM_TRANSPORT` | `file` |\n| Workspace mode | `CLAWTEAM_WORKSPACE` | `auto` |\n| Spawn backend | `CLAWTEAM_DEFAULT_BACKEND` | `tmux` |\n\n---\n\n## Command Reference\n\n\u003Cdetails open>\n\u003Csummary>\u003Cstrong>Core Commands\u003C\u002Fstrong>\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>\u003Cstrong>Workspace, Plan, Lifecycle, Config\u003C\u002Fstrong>\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\u003C\u002Fdetails>\n\n---\n\n## Per-Agent Model Assignment (Preview)\n\n> **Branch:** [`feat\u002Fper-agent-model-assignment`](https:\u002F\u002Fgithub.com\u002Fwin4r\u002FClawTeam-OpenClaw\u002Ftree\u002Ffeat\u002Fper-agent-model-assignment)\n>\n> This feature is available for early testing on a separate branch. It will be merged into `main` once the companion OpenClaw `--model` flag is shipped.\n\nAssign different models to different agent roles for better cost\u002Fperformance tradeoffs in multi-agent swarms.\n\n```bash\n# Install from the feature branch\npip install -e \"git+https:\u002F\u002Fgithub.com\u002Fwin4r\u002FClawTeam-OpenClaw.git@feat\u002Fper-agent-model-assignment#egg=clawteam\"\n```\n\n**Per-agent model in templates:**\n```toml\n[template]\nname = \"my-team\"\ncommand = [\"openclaw\"]\nmodel = \"sonnet-4.6\"              # default for all agents\nmodel_strategy = \"auto\"           # or: leaders→strong, workers→balanced\n\n[template.leader]\nname = \"lead\"\nmodel = \"opus\"                    # override for leader\n\n[[template.agents]]\nname = \"worker\"\nmodel_tier = \"cheap\"              # cost tiers: strong \u002F balanced \u002F cheap\n```\n\n**CLI flags:**\n```bash\nclawteam spawn --model opus                          # single agent\nclawteam launch my-template --model gpt-5.4          # override all agents\nclawteam launch my-template --model-strategy auto     # auto-assign by role\n```\n\nSee [issue #1](https:\u002F\u002Fgithub.com\u002Fwin4r\u002FClawTeam-OpenClaw\u002Fissues\u002F1) for the full feature request and discussion.\n\n---\n\n## Roadmap\n\n| Version | What | Status |\n|---------|------|--------|\n| v0.3 | File + P2P transport, Web UI, multi-user, templates | Shipped |\n| v0.4 | Redis transport — cross-machine messaging | Planned |\n| v0.5 | Shared state layer — team config across machines | Planned |\n| v0.6 | Agent marketplace — community templates | Exploring |\n| v0.7 | Adaptive scheduling — dynamic task reassignment | Exploring |\n| v1.0 | Production-grade — auth, permissions, audit logs | Exploring |\n\n---\n\n## Contributing\n\nWe welcome contributions:\n\n- **Agent integrations** — support for more CLI agents\n- **Team templates** — TOML templates for new domains\n- **Transport backends** — Redis, NATS, etc.\n- **Dashboard improvements** — Web UI, Grafana\n- **Documentation** — tutorials and best practices\n\n---\n\n## Acknowledgements\n\n- [@karpathy\u002Fautoresearch](https:\u002F\u002Fgithub.com\u002Fkarpathy\u002Fautoresearch) — autonomous ML research framework\n- [OpenClaw](https:\u002F\u002Fopenclaw.ai) — default agent backend\n- [Claude Code](https:\u002F\u002Fclaude.ai\u002Fclaude-code) and [Codex](https:\u002F\u002Fopenai.com\u002Fcodex) — supported AI coding agents\n- [ai-hedge-fund](https:\u002F\u002Fgithub.com\u002Fvirattt\u002Fai-hedge-fund) — hedge fund template inspiration\n- [CLI-Anything](https:\u002F\u002Fgithub.com\u002FHKUDS\u002FCLI-Anything) — sister project\n\n## License\n\nMIT — free to use, modify, and distribute.\n\n---\n\n\u003Cdiv align=\"center\">\n\n**ClawTeam** — *Agent Swarm Intelligence.*\n\n\u003C\u002Fdiv>\n","\u003Cp align=\"center\">\n  \u003Ca href=\"README.md\">英语\u003C\u002Fa> |\n  \u003Ca href=\"README_CN.md\">简体中文\u003C\u002Fa> |\n  \u003Ca href=\"README_TW.md\">繁体中文\u003C\u002Fa> |\n  \u003Ca href=\"README_JA.md\">日语\u003C\u002Fa> |\n  \u003Ca href=\"README_KO.md\">韩语\u003C\u002Fa> |\n  \u003Ca href=\"README_FR.md\">法语\u003C\u002Fa> |\n  \u003Ca href=\"README_ES.md\">西班牙语\u003C\u002Fa> |\n  \u003Ca href=\"README_DE.md\">德语\u003C\u002Fa> |\n  \u003Ca href=\"README_IT.md\">意大利语\u003C\u002Fa> |\n  \u003Ca href=\"README_RU.md\">俄语\u003C\u002Fa> |\n  \u003Ca href=\"README_PT-BR.md\">葡萄牙语（巴西）\u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Ch1 align=\"center\">🦞ClawTeam-OpenClaw\u003C\u002Fh1>\n\n\u003Cp align=\"center\">\n  \u003Cstrong>面向 CLI 编程代理的多智能体群集协调 — 默认采用 \u003Ca href=\"https:\u002F\u002Fopenclaw.ai\">OpenClaw\u003C\u002Fa>\u003C\u002Fstrong>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FHKUDS\u002FClawTeam\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fupstream-HKUDS%2FClawTeam-purple?style=for-the-badge\" alt=\"上游\">\u003C\u002Fa>\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=\"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\u002Fagents-OpenClaw_%7C_Claude_Code_%7C_Codex_%7C_nanobot-blueviolet\" alt=\"代理\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Ftransport-文件_%7C_ZeroMQ_P2P-orange\" alt=\"传输\">\n  \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fversion-0.3.0-teal\" alt=\"版本\">\n\u003C\u002Fp>\n\n> **[HKUDS\u002FClawTeam](https:\u002F\u002Fgithub.com\u002FHKUDS\u002FClawTeam)** 的分支，深度整合了 OpenClaw：默认使用 `openclaw` 代理，支持每代理独立会话、自动配置执行审批，以及经过生产环境严苛考验的 spawn 后端。所有上游修复都已同步到位。\n\n你设定目标，剩下的工作由代理群集来完成——包括启动工作节点、分配任务、进行协调，并将结果汇总。\n该方案可与 [OpenClaw](https:\u002F\u002Fopenclaw.ai)（默认）、[Claude Code](https:\u002F\u002Fclaude.ai\u002Fclaude-code)、[Codex](https:\u002F\u002Fopenai.com\u002Fcodex)、[nanobot](https:\u002F\u002Fgithub.com\u002FHKUDS\u002Fnanobot)、[Cursor](https:\u002F\u002Fcursor.com) 以及任何 CLI 代理协同工作。\n\n---\n\n## 为什么选择 ClawTeam？\n\n当前的人工智能代理功能强大，但往往处于**孤立状态**。而 ClawTeam 让代理能够自我组织成团队——在不依赖人工微观管理的情况下，分工协作、相互沟通，并最终达成一致的结果。\n\n| | ClawTeam | 其他多智能体框架 |\n|---|---------|----------------------------|\n| **适用人群** | 人工智能代理本身 | 人类编写编排代码 |\n| **设置流程** | 使用 `pip install` + 一条命令 | Docker、云 API、YAML 配置 |\n| **基础设施** | 文件系统 + tmux | Redis、消息队列、数据库 |\n| **代理支持** | 任何 CLI 代理 | 仅针对特定框架 |\n| **隔离性** | Git 工作树（真实分支） | 容器或虚拟环境 |\n\n---\n\n## 工作原理\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd width=\"33%\">\n\n### 代理启动代理\n领导者调用 `clawteam spawn` 来创建工作节点。每个代理都会拥有自己的 **Git 工作树**、**tmux 窗口** 和 **身份标识**。\n\n```bash\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### 代理间通信\n工作节点会检查收件箱、更新任务并汇报结果——所有这些操作都通过 CLI 命令自动注入到它们的提示符中。\n\n```bash\nclawteam task list my-team --owner me\nclawteam inbox send my-team 领导者 \\\n  \"认证已完成！所有测试均通过。\"\n```\n\n\u003C\u002Ftd>\n\u003Ctd width=\"33%\">\n\n### 你可以静静观察\n通过分屏的 tmux 视图或 Web UI 监控整个群集。领导者负责协调工作。\n\n```bash\nclawteam board attach my-team\n# 或者通过 Web 仪表盘\nclawteam board serve --port 8080\n```\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n---\n\n## 快速入门\n\n### 方法一：让代理自主运行（推荐）\n\n安装 ClawTeam，然后向你的代理发出指令：\n\n```\n“构建一个 Web 应用。利用 ClawTeam 将工作分配给多个代理。”\n```\n\n代理会自动创建团队、启动工作节点、分配任务并进行协调——所有这一切都通过 `clawteam` CLI 实现。\n\n### 方法二：手动驱动\n\n```bash\n# 创建团队\nclawteam team spawn-team my-team -d \"构建认证模块\" -n leader\n\n# 启动工作节点——每个节点都将拥有自己的 Git 工作树和 tmux 窗口\nclawteam spawn --team my-team --agent-name alice --task \"实现 OAuth2 流程\"\nclawteam spawn --team my-team --agent-name bob   --task \"编写认证单元测试\"\n\n# 观察它们的工作\nclawteam board attach my-team\n```\n\n### 支持的代理\n\n| 代理 | 启动命令 | 状态 |\n|-------|----------|------|\n| [OpenClaw](https:\u002F\u002Fopenclaw.ai) | `clawteam spawn tmux openclaw --team ...` | **默认** |\n| [Claude Code](https:\u002F\u002Fclaude.ai\u002Fclaude-code) | `clawteam spawn tmux claude --team ...` | 全面支持 |\n| [Codex](https:\u002F\u002Fopenai.com\u002Fcodex) | `clawteam spawn tmux codex --team ...` | 全面支持 |\n| [nanobot](https:\u002F\u002Fgithub.com\u002FHKUDS\u002Fnanobot) | `clawteam spawn tmux nanobot --team ...` | 全面支持 |\n| [Cursor](https:\u002F\u002Fcursor.com) | `clawteam spawn subprocess cursor --team ...` | 实验性支持 |\n| 自定义脚本 | `clawteam spawn subprocess python --team ...` | 全面支持 |\n\n---\n\n## 安装\n\n### 第一步：先决条件\n\nClawTeam 需要 **Python 3.10+**、**tmux**，以及至少一个 CLI 编程代理（OpenClaw、Claude Code、Codex 等）。\n\n**检查你已有的工具：**\n\n```bash\npython3 --version   # 需要 3.10+\ntmux -V             # 需要任意版本\nopenclaw --version  # 或：claude --version \u002F codex --version\n```\n\n**安装缺失的先决条件：**\n\n| 工具 | macOS | Ubuntu\u002FDebian |\n|------|-------|---------------|\n| Python 3.10+ | `brew install python@3.12` | `sudo apt update && sudo apt install python3 python3-pip` |\n| tmux | `brew install tmux` | `sudo apt install tmux` |\n| OpenClaw | `pip install openclaw` | `pip install openclaw` |\n\n> 如果使用 Claude Code 或 Codex 而不是 OpenClaw，请根据各自文档进行安装。OpenClaw 是默认选项，但并非严格必需。\n\n### 第二步：安装 ClawTeam\n\n> **重要提示：** 请勿使用 `pip install clawteam`——该方法会安装 PyPI 上的上游版本，默认使用 `claude`，且缺少 OpenClaw 的适配。务必从本仓库直接安装。\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fwin4r\u002FClawTeam-OpenClaw.git\ncd ClawTeam-OpenClaw\npip install -e .\n```\n\n可选：P2P 传输（ZeroMQ）\n\n```bash\npip install -e \".[p2p]\"\n```\n\n### 第三步：创建 `~\u002Fbin\u002Fclawteam` 符号链接\n\n启动的代理运行在全新的 shell 中，而这些 shell 可能并未将 pip 的 bin 目录添加到 PATH 中。通过在 `~\u002Fbin` 中创建符号链接，可以确保 `clawteam` 总是可访问：\n\n```bash\nmkdir -p ~\u002Fbin\nln -sf \"$(which clawteam)\" ~\u002Fbin\u002Fclawteam\n```\n\n如果 `which clawteam` 返回为空，可手动查找二进制文件：\n\n```bash\n# 常见位置：\n# ~\u002F.local\u002Fbin\u002Fclawteam\n# \u002Fopt\u002Fhomebrew\u002Fbin\u002Fclawteam\n# \u002Fusr\u002Flocal\u002Fbin\u002Fclawteam\n# \u002FLibrary\u002FFrameworks\u002FPython.framework\u002FVersions\u002F3.*\u002Fbin\u002Fclawteam\nfind \u002F -name clawteam -type f 2>\u002Fdev\u002Fnull | head -5\n```\n\n随后，确保 `~\u002Fbin` 已加入你的 PATH 中——如果尚未添加，请将其添加到 `~\u002F.zshrc` 或 `~\u002F.bashrc` 中：\n\n```bash\nexport PATH=\"$HOME\u002Fbin:$PATH\"\n```\n\n### 第4步：安装OpenClaw技能（仅限OpenClaw用户）\n\n该技能文件通过自然语言，教导OpenClaw代理如何使用ClawTeam。如果您未使用OpenClaw，请跳过此步骤。\n\n```bash\nmkdir -p ~\u002F.openclaw\u002Fworkspace\u002Fskills\u002Fclawteam\ncp skills\u002Fopenclaw\u002FSKILL.md ~\u002F.openclaw\u002Fworkspace\u002Fskills\u002Fclawteam\u002FSKILL.md\n```\n\n### 第5步：配置执行审批（仅限OpenClaw用户）\n\n已启动的OpenClaw代理需要具备运行`clawteam`命令的权限。若未设置此项，代理将在交互式权限提示时被阻拦。\n\n```bash\n# 确保安全模式为“白名单”（而非“全盘”）\npython3 -c \"\nimport json, pathlib\np = pathlib.Path.home() \u002F '.openclaw' \u002F 'exec-approvals.json'\nif p.exists():\n    d = json.loads(p.read_text())\n    d.setdefault('defaults', {})['security'] = 'allowlist'\n    p.write_text(json.dumps(d, indent=2))\n    print('exec-approvals.json 更新：安全模式已设为“白名单”')\nelse:\n    print('exec-approvals.json 未找到——请先运行一次openclaw，再重新执行本步骤')\n\"\n\n# 将clawteam添加至白名单\nopenclaw approvals allowlist add --agent \"*\" \"*\u002Fclawteam\"\n```\n\n> 如果`openclaw approvals`失败，可能是因为OpenClaw网关尚未启动。请先启动网关，然后再重试。\n\n### 第6步：验证\n\n```bash\nclawteam --version          # 应输出版本信息\nclawteam config health      # 应显示所有状态为绿色\n```\n\n若使用OpenClaw，还需确认技能已成功加载：\n\n```bash\nopenclaw skills list | grep clawteam\n```\n\n### 自动化安装器\n\n上述第2–6步也可作为单个脚本实现：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fwin4r\u002FClawTeam-OpenClaw.git\ncd ClawTeam-OpenClaw\nbash scripts\u002Finstall-openclaw.sh\n```\n\n### 故障排除\n\n| 问题 | 原因 | 解决方案 |\n|-------|-------|------|\n| `clawteam: 命令未找到` | pip bin 目录未在 PATH 中 | 运行第3步（创建符号链接并更新 PATH） |\n| 已启动的代理无法找到`clawteam` | 代理在无 pip PATH 的新 shell 中运行 | 确认`~\u002Fbin\u002Fclawteam`符号链接已存在，并且`~\u002Fbin`已包含在 PATH 中 |\n| `openclaw approvals` 失败 | 网关未运行 | 先启动 `openclaw gateway`，再尝试重试第5步 |\n| `exec-approvals.json 未找到` | OpenClaw 从未运行 | 先运行一次 `openclaw` 以生成配置，然后重试第5步 |\n| 代理在权限提示时被阻拦 | 执行审批的安全模式为“全盘” | 运行第5步，将安全模式切换为“白名单” |\n| `pip install -e .` 失败 | 缺少构建依赖 | 先运行 `pip install hatchling` |\n\n---\n\n## 使用场景\n\n### 1. 自主式机器学习研究 — 8 个代理 × 8 块 GPU\n\n基于 [@karpathy\u002Fautoresearch](https:\u002F\u002Fgithub.com\u002Fkarpathy\u002Fautoresearch)。只需一个指令，即可在 H100 上启动 8 个研究代理，自主设计 2000 多项实验。\n\n```\n人类：「使用 8 块 GPU 优化 train.py。请阅读 program.md 以获取操作说明。」\n\n领导代理：\n├── 启动 8 个代理，每个代理被分配到一项研究方向（深度、宽度、学习率、批量大小……）\n├── 每个代理拥有独立的 Git 工作树，用于隔离实验\n├── 每隔 30 分钟，检查实验结果，并将最佳配置交叉传播给新代理\n├── 当代理完成任务后，会重新分配 GPU——新代理将从已知的最佳配置开始运行\n└── 实验结果：val_bpb 从 1.044 降至 0.977（提升 6.4%），涵盖 2430 项实验，耗时约 30 个 GPU 小时\n```\n\n完整实验结果：[novix-science\u002Fautoresearch](https:\u002F\u002Fgithub.com\u002Fnovix-science\u002Fautoresearch)\n\n### 2. 代理式软件工程\n\n```\n人类：「构建一个全栈待办事项应用，包含身份验证、数据库以及 React 前端。」\n\n领导代理：\n├── 创建具有依赖链的任务（API 规范 → 身份验证 + 数据库 → 前端 → 测试）\n├── 在各自的工作树中启动 5 个代理（架构师、2 名后端开发人员、前端开发人员、测试人员）\n├── 依赖关系自动解析：架构师完成任务 → 后端解锁 → 测试人员解锁\n├── 代理通过收件箱进行协调：“这是 OpenAPI 规范”、“身份验证接口已就绪”\n└── 领导者在所有工作树完成时，将它们合并为一个整体\n```\n\n### 3. 人工智能对冲基金 — 模板启动\n\n一个 TOML 模板可一键启动一支由 7 个代理组成的完整投资团队：\n\n```bash\nclawteam launch hedge-fund --team fund1 --goal \"分析 AAPL、MSFT、NVDA，预测 2026 年第二季度的表现\"\n```\n\n5 位分析师代理（价值分析、增长分析、技术分析、基本面分析、情绪分析）并行开展工作。风险经理综合所有信号，投资组合经理则作出最终决策。\n\n模板为 TOML 文件——**您可以根据自身需求自定义模板**，适用于任何领域。\n\n---\n\n## 功能特性\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd width=\"50%\">\n\n### 代理自组织\n- 领导者负责启动并管理各代理\n- 自动注入协调提示——无需手动配置\n- 代理可自行报告状态与空闲状态\n- 任意 CLI 代理均可参与\n\n### 工作区隔离\n- 每个代理拥有独立的 **Git 工作树**\n- 并行代理间不存在合并冲突\n- 提供检查点、合并与清理命令\n- 分支命名规则：`clawteam\u002F{team}\u002F{agent}`\n\n### 任务跟踪与依赖关系\n- 共享看板：`pending` → `in_progress` → `completed` \u002F `blocked`\n- 通过 `--blocked-by` 链接，任务完成时自动解除阻塞\n- 使用 `task wait` 命令，等待所有任务全部完成\n\n\u003C\u002Ftd>\n\u003Ctd width=\"50%\">\n\n### 代理间消息传递\n- 点对点收件箱（发送、接收、查看）\n- 向全体团队成员广播消息\n- 采用文件传输方式（默认）或 ZeroMQ P2P 传输协议\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` — 将所有代理以分屏形式展示于 tmux 中\n- `board serve` — 提供 Web UI，实时更新数据\n\n### 团队模板\n- TOML 文件可定义团队原型（角色、任务、提示）\n- 一条命令：`clawteam launch \u003Ctemplate>`\n- 变量替换：`{goal}`, `{team_name}`, `{agent_name}`\n- **按代理模型分配**（预览）：为不同角色分配不同的模型——详见下方的【按代理模型分配预览】\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n**此外：** 还可规划审批流程、实现优雅的生命周期管理、在所有命令中输出 `--json` 格式的数据、支持跨机器部署（NFS\u002FSSHFS 或 P2P）、多用户命名空间、通过自动回滚进行启动验证、以及利用 `fcntl` 文件锁来确保并发操作的安全性。\n\n---\n\n## OpenClaw 集成\n\n此分支将 [OpenClaw](https:\u002F\u002Fopenclaw.ai) 作为 **默认代理**。在没有 ClawTeam 的情况下，每个 OpenClaw 代理都处于孤立状态。而 ClawTeam 则将其转变为一个多代理平台。\n\n| 能力 | 单独使用 OpenClaw | OpenClaw + ClawTeam |\n|-------|-------------------|-------------------|\n| **任务分配** | 每个代理手动发送消息 | 领导者可自主拆分、分配并监控任务 |\n| **并行开发** | 共享工作目录 | 每个代理拥有独立的 Git 工作树 |\n| **依赖关系** | 手动轮询 | 使用 `--blocked-by` 并自动解除阻塞 |\n| **通信方式** | 仅通过 AGI 中继 | 直接点对点收件箱与广播式通信 |\n| **可观测性** | 读取日志 | Kanban 板与分屏的 tmux 视图 |\n\n一旦技能安装完成，您只需在任意频道中与您的 OpenClaw 机器人对话：\n\n| 您说的内容 | 发生的情况 |\n|-------------|-------------|\n| “创建一个由 5 个代理组成的团队来构建一个网页应用” | 创建团队、分配任务，并在 tmux 中启动 5 个代理 |\n| “启动一支对冲基金分析团队” | 使用 `clawteam launch hedge-fund`，并配备 7 个代理 |\n| “查看我的代理团队的状态” | 使用 `clawteam board show`，以 Kanban 输出的形式呈现 |\n\n```\n  您（Telegram\u002FDiscord\u002FTUI）\n         │\n         ▼\n  ┌──────────────────┐\n  │  OpenClaw 网关 │  ← 启动 clawteam 技能\n  └────────┬─────────┘\n           │\n           ▼\n  ┌──────────────────┐     clawteam 启动     ┌─────────────────┐\n  │  领导者代理    │ ─────────────────────► │  openclaw TUI   │\n  │  （openclaw）      │ ──┐                    │  （tmux 窗口）  │\n  │                  │   │                    │  Git 工作树   │\n  │  管理集群的代理  │   ├──────────────────► ├─────────────────┤\n  │  通过 clawteam    │   │                    │  openclaw TUI   │\n  │  CLI             │   ├──────────────────► ├─────────────────┤\n  └──────────────────┘   │                    │  openclaw TUI   │\n                         └──────────────────► └─────────────────┘\n                                               所有坐标均通过\n                                               ~\u002F.clawteam\u002F 进行管理（任务、收件箱）\n```\n\n---\n\n## 架构\n\n```\n  人类：「优化这个大语言模型」\n         │\n         ▼\n  ┌──────────────┐     clawteam 启动     ┌──────────────┐\n  │  领导者      │ ──────────────────────► │  工作员      │\n  │  （任意代理）│ ──────┐                │  Git 工作树 │\n  │              │       ├──────────────► │  tmux 窗口  │\n  │  启动        │       │                ├──────────────┤\n  │  创建任务    │       │                │  工作员      │\n  │  发送收件箱  │       │                │  Git 工作树 │\n  │  显示板      │       └──────────────► │  tmux 窗口  │\n  └──────────────┘                        └──────────────┘\n                                                 │\n                                                 ▼\n                                      ┌─────────────────────┐\n                                      │    ~\u002F.clawteam\u002F     │\n                                      │ ├── teams\u002F   (谁) │\n                                      │ ├── tasks\u002F   (做什么)│\n                                      │ ├── inboxes\u002F (交流)│\n                                      │ └── workspaces\u002F    │\n                                      └─────────────────────┘\n```\n\n所有状态均以 JSON 文件的形式存储于 `~\u002F.clawteam\u002F` 目录下。无需数据库，也无需服务器。通过 `fcntl` 文件锁进行原子写入操作，确保了数据的崩溃安全。\n\n| 设置 | 环境变量 | 默认值 |\n|-------|---------|---------|\n| 数据目录 | `CLAWTEAM_DATA_DIR` | `~\u002F.clawteam` |\n| 传输方式 | `CLAWTEAM_TRANSPORT` | `file` |\n| 工作空间模式 | `CLAWTEAM_WORKSPACE` | `auto` |\n| 启动后端 | `CLAWTEAM_DEFAULT_BACKEND` | `tmux` |\n\n---\n\n## 命令参考\n\n\u003Cdetails open>\n\u003Csummary>\u003Cstrong>核心命令\u003C\u002Fstrong>\u003C\u002Fsummary>\n\n```bash\n# 团队生命周期\nclawteam team spawn-team \u003Cteam> -d \"描述\" -n \u003C领导者>\nclawteam team discover                    # 列出所有团队\nclawteam team status \u003Cteam>               # 显示团队成员\nclawteam team cleanup \u003Cteam> --force      # 删除团队\n\n# 启动代理\nclawteam spawn --team \u003Cteam> --agent-name \u003C名称> --task \"执行此操作\"\nclawteam spawn tmux codex --team \u003Cteam> --agent-name \u003C名称> --task \"执行此操作\"\n\n# 任务管理\nclawteam task create \u003Cteam> \"主题\" -o \u003C负责人> --blocked-by \u003CID1>,\u003CID2>\nclawteam task update \u003Cteam> \u003CID> --status completed   # 自动解除依赖项的阻塞\nclawteam task list \u003Cteam> --status blocked --owner worker1\nclawteam task wait \u003Cteam> --timeout 300\n\n# 消息传递\nclawteam inbox send \u003Cteam> \u003C收件人> \"消息\"\nclawteam inbox broadcast \u003Cteam> \"消息\"\nclawteam inbox receive \u003Cteam>             # 消费消息\nclawteam inbox peek \u003Cteam>                # 无需消费即可阅读消息\n\n# 监控\nclawteam board show \u003Cteam>                # 终端 Kanban\nclawteam board live \u003Cteam> --interval 3   # 自动刷新\nclawteam board attach \u003Cteam>              # 分屏的 tmux 视图\nclawteam board serve --port 8080          # Web UI\n```\n\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n\u003Csummary>\u003Cstrong>工作空间、计划、生命周期、配置\u003C\u002Fstrong>\u003C\u002Fsummary>\n\n```bash\n# 工作空间（Git 工作树管理）\nclawteam workspace list \u003Cteam>\nclawteam workspace checkpoint \u003Cteam> \u003C代理>    # 自动提交\nclawteam workspace merge \u003Cteam> \u003C代理>         # 合并回主分支\nclawteam workspace cleanup \u003Cteam> \u003C代理>       # 移除工作树\n\n# 计划审批\nclawteam plan submit \u003Cteam> \u003C代理> \"计划\" --摘要 \"TL;DR\"\nclawteam plan approve \u003Cteam> \u003C计划 ID> \u003C代理> --反馈 \"太棒了！\"\nclawteam plan reject \u003Cteam> \u003C计划 ID> \u003C代理> --反馈 \"请修改 X\"\n\n# 生命周期\nclawteam lifecycle request-shutdown \u003Cteam> \u003C代理> --原因 \"已完成\"\nclawteam lifecycle approve-shutdown \u003Cteam> \u003C请求 ID> \u003C代理>\nclawteam lifecycle idle \u003Cteam>\n\n# 模板\nclawteam launch \u003C模板> --team \u003C名称> --目标 \"构建 X\"\nclawteam template list\n\n# 配置\nclawteam config show\nclawteam config set transport p2p\nclawteam config health\n```\n\n\u003C\u002Fdetails>\n\n---\n\n## 每个代理的模型分配（预览）\n\n> **分支：`feat\u002Fper-agent-model-assignment`（Per-Agent 模型分配）\u003C\u002Fbr>\n> 该功能目前可在单独的分支上进行早期测试。待配套的 OpenClaw `--model` 标志正式发布后，该功能将被合并至 `main` 分支。\n>\n> 为多代理集群中的不同代理角色分配不同的模型，以实现更好的成本与性能权衡。\n\n```bash\n\n# 从功能分支安装\n`pip install -e \"git+https:\u002F\u002Fgithub.com\u002Fwin4r\u002FClawTeam-OpenClaw.git@feat\u002Fper-agent-model-assignment#egg=clawteam\"`\n```\n\n**模板中的每代理模型：**\n```toml\n[template]\nname = \"my-team\"\ncommand = [\"openclaw\"]\nmodel = \"sonnet-4.6\"              # 所有代理的默认模型\nmodel_strategy = \"auto\"           # 或者：领导者→强，工人→均衡\n\n[template.leader]\nname = \"lead\"\nmodel = \"opus\"                    # 为领导者覆盖模型\n\n[[template.agents]]\nname = \"worker\"\nmodel_tier = \"cheap\"              # 成本层级：强 \u002F 平衡 \u002F 廉价\n```\n\n**CLI 标志：**\n```bash\nclawteam spawn --model opus                          # 单个代理\nclawteam launch my-template --model gpt-5.4          # 覆盖所有代理\nclawteam launch my-template --model-strategy auto     # 按角色自动分配\n```\n\n如需了解完整的功能请求与讨论，请参阅 [问题 #1](https:\u002F\u002Fgithub.com\u002Fwin4r\u002FClawTeam-OpenClaw\u002Fissues\u002F1)。\n\n---\n\n## 发展路线\n\n| 版本 | 说明 | 状态 |\n|-------|------|--------|\n| v0.3 | 文件 + P2P 传输、Web UI、多用户支持、模板 | 已发布 |\n| v0.4 | Redis 传输——跨机器消息传递 | 计划中 |\n| v0.5 | 共享状态层——跨机器的团队配置 | 计划中 |\n| v0.6 | 代理市场——社区模板 | 正在探索中 |\n| v0.7 | 自适应调度——动态任务重新分配 | 正在探索中 |\n| v1.0 | 生产级——身份验证、权限、审计日志 | 正在探索中 |\n\n---\n\n## 贡献方式\n\n我们热烈欢迎各位的贡献：\n\n- **代理集成**——支持更多 CLI 代理\n- **团队模板**——用于新领域的 TOML 模板\n- **传输后端**——Redis、NATS 等\n- **仪表盘改进**——Web UI、Grafana\n- **文档**——教程与最佳实践\n\n---\n\n## 感谢\n\n- [@karpathy\u002Fautoresearch](https:\u002F\u002Fgithub.com\u002Fkarpathy\u002Fautoresearch) — 自主式 ML 研究框架\n- [OpenClaw](https:\u002F\u002Fopenclaw.ai) — 默认的代理后端\n- [Claude Code](https:\u002F\u002Fclaude.ai\u002Fclaude-code) 与 [Codex](https:\u002F\u002Fopenai.com\u002Fcodex) — 支持的 AI 编程代理\n- [ai-hedge-fund](https:\u002F\u002Fgithub.com\u002Fvirattt\u002Fai-hedge-fund) — 对冲基金模板灵感来源\n- [CLI-Anything](https:\u002F\u002Fgithub.com\u002FHKUDS\u002FCLI-Anything) — 同属项目\n\n## 许可证\n\nMIT — 免费使用、修改及分发。\n\n---\n\n\u003Cdiv align=\"center\">\n\n**ClawTeam** — *代理群智能.*\n\n\u003C\u002Fdiv>","# ClawTeam-OpenClaw 快速上手指南\n\nClawTeam-OpenClaw 是一个专为 CLI 编码智能体设计的多智能体集群协调工具。它允许 AI 智能体自动组建团队、拆分任务、协同工作并合并结果，默认深度集成 **OpenClaw**。\n\n## 1. 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**: macOS 或 Linux (Ubuntu\u002FDebian)\n*   **Python**: 版本 ≥ 3.10\n*   **终端复用器**: `tmux` (任意版本)\n*   **编码智能体**: 至少安装一个 CLI 智能体（推荐使用 **OpenClaw**，也支持 Claude Code, Codex, nanobot 等）\n\n### 检查现有环境\n```bash\npython3 --version   # 需为 3.10+\ntmux -V             # 需已安装\nopenclaw --version  # 或检查 claude\u002Fcodex 版本\n```\n\n### 安装缺失依赖\n\n| 工具 | macOS (Homebrew) | Ubuntu\u002FDebian |\n| :--- | :--- | :--- |\n| **Python 3.10+** | `brew install python@3.12` | `sudo apt update && sudo apt install python3 python3-pip` |\n| **tmux** | `brew install tmux` | `sudo apt install tmux` |\n| **OpenClaw** | `pip install openclaw` | `pip install openclaw` |\n\n> **提示**: 如果使用国内网络环境安装 Python 包较慢，可添加清华或阿里镜像源：\n> `pip install -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple openclaw`\n\n## 2. 安装步骤\n\n**重要提示**: 请勿直接使用 `pip install clawteam`，这会安装上游版本（默认使用 Claude 且缺少 OpenClaw 适配）。必须从本仓库源码安装。\n\n### 第一步：克隆并安装\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fwin4r\u002FClawTeam-OpenClaw.git\ncd ClawTeam-OpenClaw\npip install -e .\n```\n*(可选) 如需启用 ZeroMQ P2P 传输模式:*\n```bash\npip install -e \".[p2p]\"\n```\n\n### 第二步：配置全局命令路径\n新生成的智能体进程可能无法读取 pip 的环境变量。需创建软链接确保 `clawteam` 命令在任何 shell 中均可用。\n\n```bash\nmkdir -p ~\u002Fbin\nln -sf \"$(which clawteam)\" ~\u002Fbin\u002Fclawteam\n```\n\n确保 `~\u002Fbin` 已加入环境变量 PATH。如果没有，请将以下内容添加到 `~\u002F.zshrc` 或 `~\u002F.bashrc`：\n```bash\nexport PATH=\"$HOME\u002Fbin:$PATH\"\n```\n然后执行 `source ~\u002F.zshrc` (或 `source ~\u002F.bashrc`) 使配置生效。\n\n### 第三步：配置 OpenClaw 技能与权限 (仅 OpenClaw 用户)\n\n**1. 安装技能文件**\n让 OpenClaw 学会如何使用 ClawTeam：\n```bash\nmkdir -p ~\u002F.openclaw\u002Fworkspace\u002Fskills\u002Fclawteam\ncp skills\u002Fopenclaw\u002FSKILL.md ~\u002F.openclaw\u002Fworkspace\u002Fskills\u002Fclawteam\u002FSKILL.md\n```\n\n**2. 配置执行白名单**\n防止智能体在执行 `clawteam` 命令时被交互式权限提示阻塞：\n```bash\n# 更新安全模式为 allowlist\npython3 -c \"\nimport json, pathlib\np = pathlib.Path.home() \u002F '.openclaw' \u002F 'exec-approvals.json'\nif p.exists():\n    d = json.loads(p.read_text())\n    d.setdefault('defaults', {})['security'] = 'allowlist'\n    p.write_text(json.dumps(d, indent=2))\n    print('exec-approvals.json updated: security = allowlist')\nelse:\n    print('未找到 exec-approvals.json，请先运行一次 openclaw 生成配置')\n\"\n\n# 将 clawteam 加入白名单\nopenclaw approvals allowlist add --agent \"*\" \"*\u002Fclawteam\"\n```\n> 如果 `openclaw approvals` 命令失败，请先运行 `openclaw gateway` 启动网关。\n\n### 第四步：验证安装\n```bash\nclawteam --version\nclawteam config health\n```\n若使用 OpenClaw，还可验证技能是否加载：\n```bash\nopenclaw skills list | grep clawteam\n```\n\n## 3. 基本使用\n\nClawTeam 有两种主要使用方式：由智能体自主驱动（推荐）或手动驱动。\n\n### 方式一：智能体自主驱动（推荐）\n只需向您的主智能体（Leader）发送一条自然语言指令，它会自动创建团队、生成子智能体并分配任务。\n\n**示例指令:**\n> \"Build a web app. Use clawteam to split the work across multiple agents.\"\n> （构建一个 Web 应用。使用 clawteam 将工作拆分给多个智能体。）\n\n智能体将自动执行以下操作：\n1. 创建团队上下文。\n2. 根据任务复杂度生成若干 Worker 智能体。\n3. 为每个 Worker 分配独立的 Git Worktree 和 Tmux 窗口。\n4. 协调任务进度并合并代码。\n\n### 方式二：手动驱动\n您可以手动创建团队并生成特定的 Worker。\n\n**1. 创建团队**\n```bash\nclawteam team spawn-team my-team -d \"Build the auth module\" -n leader\n```\n\n**2. 生成 Worker 智能体**\n每个 Worker 将获得独立的 Git 分支和 Tmux 会话：\n```bash\nclawteam spawn --team my-team --agent-name alice --task \"Implement OAuth2 flow\"\nclawteam spawn --team my-team --agent-name bob   --task \"Write unit tests for auth\"\n```\n\n**3. 监控进度**\n在终端查看看板，或启动 Web 仪表盘：\n```bash\n# 终端看板\nclawteam board attach my-team\n\n# 或启动 Web UI (端口 8080)\nclawteam board serve --port 8080\n```\n\n### 支持的智能体类型\n您可以通过不同的命令参数调用不同类型的智能体：\n\n*   **OpenClaw (默认)**: `clawteam spawn tmux openclaw --team ...`\n*   **Claude Code**: `clawteam spawn tmux claude --team ...`\n*   **Codex**: `clawteam spawn tmux codex --team ...`\n*   **nanobot**: `clawteam spawn tmux nanobot --team ...`\n*   **自定义脚本**: `clawteam spawn subprocess python --team ...`","某初创团队需要在 48 小时内从零构建一个包含前端、后端及数据库迁移的全栈电商原型，但核心开发人力仅有两人。\n\n### 没有 ClawTeam-OpenClaw 时\n- **单兵作战瓶颈**：开发者必须手动拆分任务，串行完成各个模块，导致整体进度受限于个人编码速度，无法并行推进。\n- **上下文切换混乱**：在不同功能分支间频繁切换代码环境，极易引发配置冲突或忘记当前修改状态，调试成本高昂。\n- **协作沟通断层**：若尝试多人或多 Agent 协作，需人工编写复杂的脚本协调任务分发与结果合并，耗费大量精力在“管理”而非“开发”上。\n- **环境依赖繁重**：传统多智能体框架往往需要配置 Docker、Redis 或消息队列，搭建基础设施耗时且容易出错。\n\n### 使用 ClawTeam-OpenClaw 后\n- **自动蜂群协作**：主 Agent 接收指令后，自动调用 `clawteam spawn` 衍生出多个子 Agent，分别并行处理用户认证、商品接口和前端页面，实现真正的并发开发。\n- **隔离式工作流**：每个子 Agent 拥有独立的 Git worktree 和 tmux 会话，互不干扰，彻底消除了代码冲突和环境污染风险。\n- **零摩擦通信**：Agent 之间通过内置 CLI 命令自动交换任务状态和代码片段，无需人工干预即可完成任务分配、进度汇报与结果合并。\n- **极简部署体验**：仅需 `pip install` 即可运行，利用本地文件系统和 tmux 作为通信骨干，无需任何额外的云服务或复杂中间件配置。\n\nClawTeam-OpenClaw 将原本需要数天的人工协调工作压缩为分钟级的自动化流程，让开发者只需定义目标，即可坐视智能体蜂群自主交付完整成果。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fwin4r_ClawTeam-OpenClaw_8b446387.png","win4r","Chao Qin","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fwin4r_7c14dbf1.jpg","Hi there! 👋 I'm Chao Qin (秦超)\r\nI’m passionate about programming 💻 and the art of archery 🏹.\r\n\r\n🚀 Creator & Lead Maintainer of memory-lancedb-pro",null,"AISuperDomain","https:\u002F\u002Fwww.aivi.fyi\u002F","https:\u002F\u002Fgithub.com\u002Fwin4r",[85,89,93],{"name":86,"color":87,"percentage":88},"Python","#3572A5",91.4,{"name":90,"color":91,"percentage":92},"HTML","#e34c26",6.7,{"name":94,"color":95,"percentage":96},"Shell","#89e051",1.9,1034,224,"2026-04-05T11:25:12","MIT","Linux, macOS","未说明 (工具本身为 CLI 协调框架，不直接依赖 GPU；但所调用的 AI Agent 如 OpenClaw\u002FClaude Code 等可能有独立 GPU 需求)","未说明",{"notes":105,"python":106,"dependencies":107},"1. 必须安装 tmux 才能运行。2. 不支持直接通过 pip 安装上游版本，必须从 GitHub 仓库克隆并本地安装以获取 OpenClaw 适配功能。3. 需要配置 ~\u002Fbin 目录并将 clawteam 命令链接到该目录，以确保子进程能正确调用命令。4. 若使用 OpenClaw，需额外配置执行许可白名单 (exec-approvals) 和技能文件 (SKILL.md)。5. Windows 系统未在支持列表中明确提及，主要测试环境为 macOS 和 Linux。","3.10+",[108,109,110],"tmux","openclaw (可选，默认推荐)","ZeroMQ (可选，用于 P2P 传输)",[45,15],[113,114,115,116,117,118,119,120,121],"ai-agents","clawdbot","openclaw","openclaw-extension","openclaw-plugin","openclaw-skills","swarm","swarm-intelligence","swarms","2026-03-27T02:49:30.150509","2026-04-06T05:37:32.077869",[125,130,134,139,144,148],{"id":126,"question_zh":127,"answer_zh":128,"source_url":129},6598,"为什么子代理（subagent）退出后，spawn_registry.json 中的记录没有被清理？","这是一个已知问题，根本原因是 `lifecycle_on_exit()` 函数在代理退出时只重置了任务状态并通知了领导者，但没有调用删除注册表条目的逻辑。此外，`clawteam\u002Fspawn\u002Fregistry.py` 中原本缺少 `unregister_agent()` 方法。\n\n解决方案已在 PR #41 中实施：\n1. 在 `registry.py` 中添加了 `unregister_agent(team_name, agent_name)` 方法用于移除条目。\n2. 在 `lifecycle_on_exit()` 结束时调用该方法，并增加了 `is_agent_alive()` 检查以及针对同一团队中其他死亡代理的垃圾回收（GC）逻辑。\n3. 为了防止竞态条件，在注销代理前会先调用 `release_stale_locks()` 释放过期的锁。\n\n如果遇到问题，请确保升级到包含此修复的版本，或者手动运行清理脚本移除无效 PID 的条目。","https:\u002F\u002Fgithub.com\u002Fwin4r\u002FClawTeam-OpenClaw\u002Fissues\u002F38",{"id":131,"question_zh":132,"answer_zh":133,"source_url":129},6599,"如何防止 OpenClaw TUI 在任务完成后不自动退出，导致退出钩子（exit hook）无法触发？","如果 OpenClaw TUI 没有自动退出，退出钩子就不会执行，从而导致资源未清理。根本原因往往是 Agent 提示词（prompt）中缺少明确的退出指令。\n\n解决方法是在生成给 Agent 的提示词末尾添加明确指令：\"When done, type exit\"（完成后，输入 exit）。这将确保 Agent 在完成任务后主动终止会话，从而触发后续的清理逻辑（如注销注册表、释放锁等）。",{"id":135,"question_zh":136,"answer_zh":137,"source_url":138},6600,"ClawTeam 的 tmux 隔离架构是否会导致 OpenClaw 的原生记忆系统（如 LanceDB-Pro）失效？","是的，默认情况下会失效。因为 ClawTeam 通过 tmux 为每个子代理启动独立的进程和会话（`--session clawteam-{team}-{agent}`），导致每个代理拥有独立的内存空间，Leader 存储的记忆无法被 Worker 直接访问，且多进程同时写入可能导致数据冲突。\n\n解决思路是利用 `memory-lancedb-pro` 已有的多作用域（multi-scope）系统：\n1. 不要依赖默认的独立会话隔离，而是配置共享的内存作用域（scope）。\n2. 使用 `global` 或自定义的 `custom:\u003Cname>` 作用域，并通过 `agentAccess` ACL 控制权限，使团队成员共享同一个记忆数据库。\n3. 需要修改启动参数或配置文件，显式指定多个代理共用同一个 memory scope，而不是让每个 tmux 会话创建新的隔离上下文。","https:\u002F\u002Fgithub.com\u002Fwin4r\u002FClawTeam-OpenClaw\u002Fissues\u002F24",{"id":140,"question_zh":141,"answer_zh":142,"source_url":143},6601,"仓库中的 SKILL.md 文件包含了过多安装说明和 CLI 参考，污染了模型上下文，该如何优化？","为了减少 Token 消耗并提高上下文效率，维护团队计划对 `skills\u002F` 目录进行以下清理：\n1. **精简 SKILL.md**：移除安装说明、版本要求等非操作性内容，仅保留核心操作指引。\n2. **迁移参考资料**：将完整的 CLI reference 移动到 `references\u002F` 子目录中，设置为按需加载，不再默认放入主上下文。\n3. **清理遗留内容**：检查并移除来自上游 HKUDS\u002FClawTeam 的过时或不相关内容。\n\n用户也可以提交 PR 协助清理，或者在本地使用时手动编辑 `SKILL.md` 以适应自己的上下文窗口限制。","https:\u002F\u002Fgithub.com\u002Fwin4r\u002FClawTeam-OpenClaw\u002Fissues\u002F43",{"id":145,"question_zh":146,"answer_zh":147,"source_url":129},6602,"如何在 ClawTeam 中检测和处理“僵尸”代理（已死但未被清理的进程）？","项目已引入专门的命令来检测僵尸代理。你可以使用 `check-zombies` 命令来扫描当前团队中状态异常的代理。\n\n该功能通过在 `spawn_registry.json` 中跟踪 `spawned_at` 时间戳来实现。结合最新的修复（PR #41），系统在代理退出时会主动检查进程存活状态（`is_agent_alive()`），并对同一团队内的其他死亡代理执行垃圾回收（GC），自动清理无效的注册表条目和会话文件。",{"id":149,"question_zh":150,"answer_zh":151,"source_url":129},6603,"ClawTeam 的退出钩子（on-exit hook）中使用分号 (;) 还是双与号 (&&) 更好？","早期建议将退出钩子中的分号 `;` 改为 `&&` 以确保顺序执行，但后续审查发现这可能在崩溃场景下导致清理逻辑完全跳过（如果前一个命令失败）。\n\n更稳健的解决方案是使用 shell 的 `trap` 机制。建议在后端脚本中使用 `trap 'cleanup_commands' EXIT`，这样无论前面的命令是成功完成还是异常崩溃，退出时的清理指令都能被可靠地触发和执行。",[153,158],{"id":154,"version":155,"summary_zh":156,"released_at":157},106166,"v0.3.0+openclaw1","## Highlights\n\nThis release brings **research-backed intelligence features** that no competitor offers, plus production-grade reliability primitives.\n\n### 🧠 Multi-Agent Intelligence (Phase 1)\n- **Max 4 Workers warning** — backed by Google\u002FMIT empirical research ([arXiv:2512.08296](https:\u002F\u002Farxiv.org\u002Fabs\u002F2512.08296))\n- **Intent-based prompts** — military C2 Auftragstaktik: give agents `intent` + `end_state` + `constraints`, not step-by-step instructions\n- **Boids emergence rules** — Reynolds 1986 flocking rules adapted for LLM agent coordination\n- **Metacognitive self-assessment** — agents tag their confidence levels\n\n### 💰 Reliability + Cost Dashboard (Phase 2)\n- **Cost Dashboard MVP** — real-time token\u002Fcost aggregation by agent, model, and task. `clawteam board cost` — **no competitor has this**\n- **Circuit Breaker** — healthy → degraded → open tri-state with half-open probing\n- **Retry with exponential backoff** — resilient agent spawning via `spawn_with_retry()`\n- **Idempotency keys** — deduplication for `create()` and `send()`\n\n### 🎯 Per-Agent Model Resolution (Phase 3)\n- **7-level priority chain**: CLI > agent model > agent tier > template strategy > template model > config default > None\n- Mix Claude, GPT, Qwen, and other models in the same team\n- `spawn --model`, `launch --model-strategy` CLI support\n\n### 🔄 Upstream Cherry-Picks\n- Runtime live injection — `runtime inject\u002Fstate\u002Fwatch` for tmux inbox messaging\n- Waiter zero-tasks fix\n- Windows `os.replace()` compatibility\n\n### 🛠 OpenClaw 4.2 Compatibility\n- Workspace isolation for workers (prevents SOUL.md\u002FAGENTS.md pollution)\n- Allowlist path hints at spawn time\n- `--agent` flag detection and graceful fallback\n\n---\n\n**Full changelog**: [CHANGELOG.md](https:\u002F\u002Fgithub.com\u002Fwin4r\u002FClawTeam-OpenClaw\u002Fblob\u002Fmain\u002FCHANGELOG.md)\n\n**453 tests** | **ruff clean** | **Python 3.10-3.12**\n\n```bash\npip install git+https:\u002F\u002Fgithub.com\u002Fwin4r\u002FClawTeam-OpenClaw.git\n```","2026-04-03T18:55:00",{"id":159,"version":160,"summary_zh":161,"released_at":162},106167,"v0.2.0+openclaw.1","## What's New\n\nSelective cherry-pick of 10 PRs from upstream [HKUDS\u002FClawTeam](https:\u002F\u002Fgithub.com\u002FHKUDS\u002FClawTeam) v0.2.0, focused on security and stability. All OpenClaw-specific features preserved.\n\n### Security\n- **Path traversal prevention** — `validate_identifier()` + `ensure_within_root()` applied across 15+ modules\n- **Board SSRF mitigation** — proxy endpoint hardened\n- **Dashboard XSS fix** — HTML output escaped\n- **Spawn env sanitization** — filters shell-invalid env keys before export\n- **Dot identifier rejection** — `.` and `..` blocked as team\u002Fagent names\n\n### Stability\n- **Atomic file writes** — `fileutil.py` with `mkstemp` + `fcntl.flock` prevents race conditions\n- **Mailbox quarantine** — malformed messages isolated to `dead_letters\u002F` instead of crashing\n- **Subprocess pipe fix** — `DEVNULL` replaces `PIPE` to prevent agent blocking\n\n### Architecture\n- **TaskStore abstraction** — pluggable `BaseTaskStore` \u002F `FileTaskStore` layer\n- **Command validation refactor** — shared `command_validation.py` module\n\n### Performance\n- **Cost summary cache** — rolling cache avoids re-scanning all cost files on every call\n\n### Testing & CI\n- 5 new test files (identity, costs, lifecycle, prompt, registry)\n- GitHub Actions CI workflow (ruff + pytest matrix: Python 3.10\u002F3.11\u002F3.12 × ubuntu\u002Fmacos)\n- **317 passed, 9 skipped, 0 failures**\n\n### Tested By\n- **Claude Code (host)**: pytest, ruff, E2E spawn + mailbox + board\n- **AntiBot (Docker)**: 30-item integration test covering all cherry-picked changes\n\n## Full Changelog\nhttps:\u002F\u002Fgithub.com\u002Fwin4r\u002FClawTeam-OpenClaw\u002Fcompare\u002Fv0.1.1...v0.2.0+openclaw.1","2026-03-28T19:15:33"]