HKUDS /ClawTeam

"ClawTeam: Agent Swarm Intelligence" (One Command → Full Automation)

★ 5,553⑂ 759👁 41⑃ 101● 61▤ 2
PythonMITCreated 2026-03-17
下载:v0.2.0 — Stabilization Releasev0.2.0 ↓0.2.02026-03-23
+1
日增长
5,553
stars
759
forks
41
watchers
101
prs
61
issues
2
releases

README

  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

---

 📰 News

2026-03-18 ClawTeam 项目正式公开发布。

2026-03-23 ClawTeam v0.2.0 今日发布。

2026-03 当前能力基线已包含配置管理、多用户协作、Web UI、P2P 传输与团队模板。

---





v0.1.0

https://github.com/user-attachments/assets/7e2f0ecd-8fe3-4970-90ac-5c9669ff060c




v0.2.0

https://github.com/user-attachments/assets/fd23be91-5cf4-457c-a77e-bac24b76e58f





☝️ 智能 Leader Agent 在 8 块 H100 GPU 上编排 8 个专职子 Agent,自主设计实验,并根据实时表现动态重分配资源。

🧠 系统会在团队之间汇总突破、持续调整策略,实现无需人工介入的研究自动化。


  


---

 ✨ 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





 🦞 Agent 创建 Agent
Leader Agent 调用 clawteam spawn 创建 Worker。每个 Worker 自动获得独立的 Git Worktree、tmux 窗口和身份标识。

bash
 Leader Agent 执行:
clawteam spawn --team my-team \
  --agent-name worker1 \
  --task "实现认证模块"





 🤖 Agent 之间对话
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。

bash
 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。"





 👀 你只需观看
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。

bash
 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 |

---

 🎬 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

Top issues

Discussions

Latest release

v0.2.0 — Stabilization Release v0.2.0 2026-03-23
What's New

ClawTeam v0.2.0 is the first stabilization release after the initial PyPI launch on March 18, 2026.

 Demo Time

https://github.com/user-attachments/assets/09ac1f72-d3b8-4341-b33f-d58c2479bee8

 Highlights

- Improved spawn reliability across tmux and subprocess backends
- Better startup handling for Claude Code interactive sessions
- Clearer non-worktree repo execution prompts and cwd regression coverage
- Workspace / conflict detection fixes and broader test coverage
- Refreshed docs landing page and project presentation

 Included in this release

- Spawn/works

Snapshot: 2026-11-16T09:23:14Z · Data license Apache-2.0 · JSON