今天的 Agent 各自为战 🤖，明天的 Agent 将协同作战 🦞🤖🤖🤖
ClawTeam：让 AI Agent 自主组建团队、分配任务、协同工作的 CLI 工具
一行命令：给 Agent 一个目标，它自动组建团队完成任务。支持 Claude Code、Codex、OpenClaw、nanobot、Cursor 及任意 CLI Agent。 English
clawteam-promo-compressed.mp4
☝️ 一个 Leader Claude Agent 在 8 块 H100 GPU 上自主创建 8 个子 Agent，分配实验方向，监控进度，交叉融合发现，并及时纠正无效方向 —— 全程无人干预。
多 GPU 实验群体 8 Agent × 8 H100 自主优化 LLM 训练：2430+ 实验，val_bpb 1.044→0.977 |
并行软件开发 Agent 自动拆分为 API、后端、前端、测试 —— 各自独立分支，完成后自动合并 |
多分析师信号融合 7 个分析师 Agent（价值、成长、技术、基本面、情绪）+ 风控经理收敛投资决策 |
一键启动团队 用 TOML 模板定义任意团队原型 —— 角色、任务、提示词 —— 一条命令 |
AI 编程 Agent 很强大 —— 但它们各自为战。当任务太大时，你只能手动拆分工作、复制粘贴上下文、合并结果。
如果 Agent 能自己组队呢？
ClawTeam 实现了 Agent 群体智能（Swarm Intelligence）—— Agent 自主组建团队、分工协作、共享发现、收敛到最优方案。一个 Leader Agent 可以：
- 🚀 创建子 Agent —— 每个子 Agent 拥有独立的 Git Worktree 和 tmux 会话
- 📋 分配任务 —— 支持依赖链，完成时自动解除下游阻塞
- 💬 发送消息 —— 向任意子 Agent 发送指令
- 📊 监控进度 —— 查看看板、读取实验结果
- 🔄 调整方向 —— 终止低效 Agent，用新方向重新分配
人类只需提供初始目标，群体智能完成剩下的一切。
|
Leader Agent 调用 # Leader Agent 执行：
clawteam spawn --team my-team \
--agent-name worker1 \
--task "实现认证模块" |
Worker 检查收件箱、更新任务状态、汇报结果 —— 全部通过 CLI 命令，启动时自动注入协作提示词。 # Worker Agent 检查任务：
clawteam task list my-team --owner me
# 汇报结果：
clawteam inbox send my-team leader \
"认证模块完成，全部测试通过。" |
通过 tmux 平铺视图或 Web UI 监控群体工作。Leader 负责协调 —— 你只在需要时介入。 # 同时观看所有 Agent
clawteam board attach my-team
# 或打开 Web 仪表板
clawteam board serve --port 8080 |
| ClawTeam | 其他多 Agent 框架 | |
|---|---|---|
| 🎯 使用者 | AI Agent 自身 | 人类编写编排代码 |
| ⚡ 搭建 | pip install + 一句提示词 |
Docker、云 API、YAML 配置 |
| 🏗️ 基础设施 | 文件系统 + tmux 即可 | Redis、消息队列、数据库 |
| 🤖 Agent 支持 | 任意 CLI Agent（Claude Code、Codex、OpenClaw 等） | 仅限特定框架 |
| 🌳 隔离机制 | Git Worktree（真实分支、真实 diff） | 容器或虚拟环境 |
| 🧠 协调方式 | 群体自组织 CLI 命令 | 硬编码编排逻辑 |
基于 @karpathy 的 autoresearch。人类告诉 Leader Agent："用 8 块 GPU 优化这个 LLM 训练配置。" Leader 自主完成所有工作。
🏆 val_bpb: 1.044 → 0.977（提升 6.4%）| 2430+ 实验 | ~30 GPU 小时
Leader Agent 自主完成的操作：
人类提示词："用 8 块 GPU 优化 train.py，阅读 program.md 了解规则。"
🦞 Leader Agent 的行动：
├── 📖 阅读 program.md，理解实验协议
├── 🏗️ clawteam team spawn-team autoresearch
├── 🚀 为每块 GPU 分配研究方向：
│ ├── GPU 0: clawteam spawn --task "探索模型深度（DEPTH 10-16）"
│ ├── GPU 1: clawteam spawn --task "探索模型宽度（ASPECT_RATIO 80-128）"
│ ├── GPU 2: clawteam spawn --task "调优学习率和优化器"
│ ├── GPU 3: clawteam spawn --task "探索批量大小"
│ ├── GPU 4-7: clawteam spawn tmux codex --task "..."（Codex Agent）
│ └── 🌳 每个 Agent 独立的 Git Worktree 和分支
├── 🔄 每 30 分钟检查进展：
│ ├── clawteam board show autoresearch
│ ├── 读取每个 Agent 的 results.tsv
│ ├── 🏆 识别最佳发现（depth=12、batch=2^17、norm-before-RoPE）
│ └── 📡 交叉融合：让新 Agent 从最佳配置开始
├── 🔧 Agent 完成后重新分配 GPU：
│ ├── 终止空闲 Agent，清理工作区
│ ├── 从最佳 commit 创建新的 Worktree
│ └── 用组合优化方向创建新 Agent
└── ✅ 2430+ 实验后：val_bpb 1.044 → 0.977
完整结果：novix-science/autoresearch
你告诉 Claude Code："帮我做一个全栈 Todo 应用。" Claude 判断这是多模块任务，自主组建团队：
人类提示词："做一个全栈 Todo 应用，包含认证、数据库和 React 前端。"
🦞 Leader Agent 的行动：
├── 🏗️ clawteam team spawn-team webapp -d "全栈 Todo 应用"
├── 📋 创建带依赖链的任务：
│ ├── T1: "设计 REST API 接口" → architect
│ ├── T2: "实现 JWT 认证" --blocked-by T1 → backend1
│ ├── T3: "构建数据库层" --blocked-by T1 → backend2
│ ├── T4: "构建 React 前端" → frontend
│ └── T5: "集成测试" --blocked-by T2,T3,T4 → tester
├── 🚀 创建 5 个子 Agent（各自独立 Git Worktree）
├── 🔗 依赖自动解除：
│ ├── architect 完成 → backend1 和 backend2 自动解除阻塞
│ └── 所有后端完成 → tester 自动开始
├── 💬 子 Agent 通过收件箱协调：
│ ├── architect → backend1: "API 接口规范在这..."
│ ├── backend1 → tester: "认证端点已就绪 /api/auth/*"
│ └── tester → leader: "全部 47 个测试通过 ✅"
└── 🌳 Leader 将所有 Worktree 合并回主分支
预置的 TOML 模板一键创建 7 Agent 投资分析团队：
# 一条命令启动完整团队：
clawteam launch hedge-fund --team fund1 --goal "分析 AAPL、MSFT、NVDA 的 Q2 2026 投资价值"🦞 自动发生的事情：
├── 📊 投资组合经理（Leader）启动并接收目标
├── 🤖 5 个分析师 Agent 启动，各有不同策略：
│ ├── 🎩 巴菲特分析师 → 价值投资（护城河、ROE、DCF）
│ ├── 🚀 成长分析师 → 颠覆潜力（TAM、网络效应）
│ ├── 📈 技术分析师 → 技术指标（EMA、RSI、布林带）
│ ├── 📋 基本面分析师 → 财务比率（P/E、D/E、FCF）
│ └── 📰 情绪分析师 → 新闻 + 内部交易信号
├── 🛡️ 风险经理汇总所有信号，计算仓位限制
└── 💼 投资组合经理做出最终买入/卖出/持有决策
pip install clawteam
# 或从源码安装
git clone https://github.com/HKUDS/ClawTeam.git
cd ClawTeam
pip install -e .
# 可选：P2P 传输（ZeroMQ）
pip install -e ".[p2p]"需要 Python 3.10+。依赖：typer、pydantic、rich。
ClawTeam 内置 Claude Code 技能，安装后自动激活。直接告诉你的 Agent：
"帮我做一个 Web 应用。用 clawteam 把工作拆分给多个 Agent。"
Agent 会自动使用 clawteam 命令创建团队、启动 Worker、分配任务、协调工作。
# 1. 创建团队
clawteam team spawn-team my-team -d "构建认证模块" -n leader
# 2. 启动 Worker Agent —— 每个自动获得 Git Worktree、tmux 窗口和身份
clawteam spawn --team my-team --agent-name alice --task "实现 OAuth2 流程"
clawteam spawn --team my-team --agent-name bob --task "编写认证单元测试"
# 3. Worker 自动获得协作提示词，知道如何：
# ✅ 查看任务：clawteam task list my-team --owner alice
# ✅ 更新状态：clawteam task update my-team <id> --status completed
# ✅ 汇报 Leader：clawteam inbox send my-team leader "完成！"
# 4. 观看 Agent 协同工作
clawteam board attach my-team| Agent | 启动命令 | 状态 |
|---|---|---|
| Claude Code | clawteam spawn tmux claude --team ... |
✅ 完全支持 |
| Codex | clawteam spawn tmux codex --team ... |
✅ 完全支持 |
| OpenClaw | clawteam spawn tmux openclaw --team ... |
✅ 完全支持 |
| nanobot | clawteam spawn tmux nanobot --team ... |
✅ 完全支持 |
| Cursor | clawteam spawn subprocess cursor --team ... |
🔮 实验性 |
| 自定义脚本 | clawteam spawn subprocess python --team ... |
✅ 完全支持 |
|
|
| 阶段 | 版本 | 内容 | 状态 |
|---|---|---|---|
| 当前 | v0.3 | 文件传输 + P2P (ZeroMQ) + Web UI + 多用户 + 团队模板 | ✅ 已完成 |
| Phase 1 | v0.4 | Redis Transport —— 跨机器消息通信 | 🔜 计划中 |
| Phase 2 | v0.5 | 共享状态层 —— 团队配置和任务也跨机器 | 🔜 计划中 |
| Phase 3 | v0.6 | Agent 市场 —— 发现和复用社区 Agent 模板 | 💡 规划中 |
| Phase 4 | v0.7 | 自适应调度 —— 根据 Agent 性能动态调整任务分配 | 💡 规划中 |
| Phase 5 | v1.0 | 生产级稳定版 —— 认证、权限、审计日志 | 💡 规划中 |
- @karpathy/autoresearch — 8 Agent 群体实验的基础框架
- Claude Code 和 Codex — 作为 ClawTeam 团队成员的 AI 编程 Agent
- ai-hedge-fund — AI 对冲基金模板的灵感来源
- CLI-Anything — 姊妹项目，让所有软件都能被 Agent 使用
如果 ClawTeam 帮助你的 AI Agent 协同工作，给我们一个 star ⭐
MIT
ClawTeam — Agent 群体智能 🦞
8 Agent × 8 H100 × 2430 实验 × 一个 CLI × 一个群体
感谢访问 ✨ ClawTeam！