ClawTeam/README_CN.md at main · HKUDS/ClawTeam

原文

ClawTeam：Agent 群体智能

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.mp4

直接打开演示视频

☝️ 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。

✨ 核心场景

### 🔬 自主 ML 研究 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	### 🏗️ Agent 软件工程 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	### 💰 AI 对冲基金 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	### 🎪 自定义群体 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 clawteam launch 启动

🤔 为什么需要 ClawTeam？

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。

🎯 群体智能的优势

🎬 使用场景

🔬 1. 自主 ML 研究 — 8 Agent × 8 块 H100 GPU

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

🏗️ 2. 大规模 Agent 软件工程

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

💰 3. AI 对冲基金 — 一键启动团队

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

📦 安装

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 。

下面所有 spawn 示例都默认你填写的 agent CLI 已经安装好，并且在 PATH 里可以直接运行。

🚀 快速开始

如果你是第一次用 ClawTeam，建议按这个顺序：

1. 先确认 tmux 和你的 agent CLI 本机能单独跑起来。
2. 选一条路径：让 agent 驱动，或者你自己手动驱动。
3. 根据下面的支持表，选择正确的 spawn 命令。
4. 如果你接的是新 agent，先看兼容要求，再去排查问题。

✅ 开始前先确认

先跑这几个检查：

tmux -V
clawteam --help

# 把 claude 换成你实际要用的 agent：
claude --version
codex --version
nanobot --help

如果 agent CLI 自己都跑不起来， clawteam spawn 也不会帮你修好它。

⚡ 方式一：让 Agent 驱动（推荐）

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。

🔧 方式二：手动操作

# 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

🧭 我到底该用哪条 spawn 命令？

通用格式是 clawteam spawn [backend] [command] ...。 command 要填你机器上本来就能工作的 agent CLI：

# Claude Code
clawteam spawn tmux claude --team my-team --agent-name alice --task "实现 OAuth2"

# Codex
clawteam spawn tmux codex --team my-team --agent-name bob --task "编写前端测试"

# nanobot
clawteam spawn tmux nanobot --team my-team --agent-name carol --task "构建 API"

说明：

• tmux 是默认 backend，适合需要保留交互式 TUI、并且想直接观察 agent 工作过程的场景。
• subprocess 更适合一次性工具或非交互脚本。
• nanobot 在 ClawTeam 内部会自动规范化为 nanobot agent ，上面的写法就是正确入口。
• Claude Code 和 Codex 在全新 worktree 里的 trust prompt，tmux backend 会自动确认。

🔌 接入别的 Agent 要满足什么？

除了 Claude Code、Codex、nanobot 之外，ClawTeam 也能接别的 CLI agent，但至少要满足这几个条件：

1. 命令在 PATH 里能找到，并且脱离 ClawTeam 也能正常启动。
2. 能在指定工作目录或 git worktree 里运行。
3. 能接收初始任务，方式可以是命令行参数，也可以是交互输入。
4. 如果是交互式 agent，启动后不能立刻退出，得能留在 tmux 里。

如果你不确定一个 agent 是否兼容，先这样测：

clawteam spawn subprocess <your-agent> --team my-team --agent-name test --task "Say OK"

这条能跑通，再切到 tmux 做交互式监控。

🤖 支持的 Agent

下表中的命令都默认对应 CLI 已经能在你的机器上独立运行。

✨ 功能特性

🗺️ 发展路线

📖 致谢

• @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

⭐ Star History

如果 ClawTeam 帮助你的 AI Agent 协同工作，给我们一个 star ⭐

📄 开源协议

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！