ClawTeam：一个命令，AI 团队自动扛活

让单个 AI 代理从”单兵作战”进化到”团队协作”——香港大学团队开源的 Agent Swarm 工具

导语

你是否遇到过这种困境：让 AI 写一篇完整报告，它前面说的和后面自相矛盾；让它同时处理代码、文档、数据分析，结果哪个都没做好？

问题不在于 AI 不够强，而在于它只有一个人。

ClawTeam 带来了新的解题思路：不再让一个 AI 打全场，而是组建一个 AI 团队，让专业 Agent 做专业的事。一个 leader 负责统筹拆解，多个 worker 并行执行，最终交付完整结果——全程你只需要下一句指令。

---

01 ClawTeam 是什么？

香港大学研究团队开源的 ClawTeam，是一款 Python CLI 工具，专门解决一个核心问题：让 AI 代理从”单兵作战”进化到”团队协作”。

传统 AI Agent 就像一个万能员工，你告诉它做什么，它就做什么。但面对复杂任务时，这位”全能员工”容易陷入困境——代码要改、报告要写、数据要分析，全部塞给一个人，不仅效率低下，还容易出错。

ClawTeam 带来了质变：一条人类命令，它自动组建 AI 团队、分配合适任务、监督协作流程，最终交付完整结果。一个 swarm（集群）取代一个 solo（独狼），这就是 AI Agent 的进化拐点。

👉 关联阅读：《Claude Code 源码解密：它不只是个”会写代码的 AI”》 — 从源码层面深入理解 Agent 的操作系统架构，对认识 ClawTeam 的 Agent 协作机制有重要参考价值。

---

02 它解决了什么问题？

单个 AI Agent 的能力有上限。当任务涉及多个专业领域时，它只能在各角色之间频繁切换，每切换一次就消耗一次上下文，还容易出现”前面写的后面忘”的断层。

ClawTeam 的解决思路很直观：不再让一个 Agent 打全场，而是让专业的人做专业的事。 系统会自动拆解复杂任务，分派给具备不同专长的 AI 代理并行处理，就像一家公司里项目经理统筹全局、各个工程师各司其职一样。

项目经理不需要懂代码细节，工程师不需要知道项目背景——ClawTeam 把这个协作逻辑搬到了 AI 代理层面，让大任务拆分、协同、合并全程自动化，人类只需下一个指令。

👉 关联阅读：《5万开发者点赞！字节跳动开源 deer-flow，国产 AI Agent 框架天花板？》 — 了解 DeerFlow 的 Sub-Agent 编排能力（研究 Agent、编程 Agent、创作 Agent 并行工作），对理解 ClawTeam 的多 Agent 协作范式有直接参考价值。

---

03 核心功能一览

ClawTeam 的强大之处，在于它把”多代理协作”这件复杂的事情，拆解成了 6 个清晰的模块。每个模块各司其职，组合在一起就是一套完整的 AI 团队操作系统。

---

🤖 1. Agent 自主组队

Leader 代理一声令下，自动孵化出所有 Worker 代理，并为每个成员注入量身定制的协作提示词——不需要你写一行配置。无论是 Claude Code、Codex 还是 OpenClaw，只要是 CLI 代理，接入即用。团队规模从 2 人到几十人，完全由 TOML 模板决定，人类全程旁观即可。

---

🌿 2. 工作区隔离

每个代理都有自己专属的 Git Worktree，跑在独立分支上（命名格式：oh/团队名/代理名），代码修改互不干扰。这意味着 10 个代理同时改代码，也不会有任何冲突——就像 10 个程序员各自在独立的笔记本上工作，最后再合并成果。

---

📋 3. 任务跟踪 Kanban

任务状态全程可视：pending → in_progress → completed / blocked。当某个任务被 blocked，系统会自动追踪依赖链，前置任务完成后立即解除阻塞，无需人工干预。用 task wait 命令，还能让整个流程阻塞等待，直到所有任务全部完成才继续推进。

---

📨 4. 代理间消息传递

代理之间可以像发微信一样互通消息：点对点私聊走独立收件箱，广播模式一键通知全团队。支持文件传输，也支持 ZeroMQ P2P 低延迟通道。Leader 发布任务、Worker 汇报进度、代理之间请求协作，全靠这套消息系统串联起来。

---

📊 5. 实时监控面板

不知道团队在干什么？board show 打开终端看板，一屏尽览所有代理状态；board live 开启自动刷新，实时滚动更新；board attach 接入 tmux 分屏，边看边操作；board serve 启动 Web UI，浏览器里远程监控——四种方式，总有一款适合你的工作习惯。

---

🗂️ 6. 团队模板

用 TOML 文件描述你的团队蓝图：有哪些角色、各自的职责、依赖关系……定义好之后，一条 clawteam launch 就能把整个团队拉起来。ClawTeam 内置了一个”AI 对冲基金”示例模板，7 个专业代理分工协作，覆盖研究、分析、风控、执行全流程，开箱即可体验多代理协作的震撼感。

👉 关联阅读：《OpenClaw 技能完全指南：从安装到实战》 — 了解 OpenClaw 的技能扩展机制如何让 AI 助理从”聊天机器人”进化为”全能专家”，与 ClawTeam 的 Agent 能力扩展思路异曲同工。

---

04 快速上手

安装

ClawTeam 通过 pip 安装，命令一行搞定：

pip install clawteam

安装前确认以下几点：

• Python 3.10+：老版本 Python 用户需先升级
• tmux：终端多路复用器，负责分屏管理（apt install tmux 或 brew install tmux）
• 任意 CLI 代理：OpenAI CLI、Claude CLI、Ollama 本地模型等，能在终端运行的 AI 工具即可

小提示：国内用户建议提前配置好代理出海能力，部分 AI 厂商在国内访问不稳定。

---

创建团队

安装完成后，用一条命令拉起你的第一个 AI 团队：

clawteam team spawn-team my-team -d "我的第一个AI团队" -n leader

参数说明：

参数	作用
my-team	团队 ID，后续所有操作都靠它定位团队
-d	团队描述，建议写清楚团队定位
-n leader	指定团队领导者的名字，默认为 leader

命令执行后，ClawTeam 会在 tmux 中初始化团队会话，leader 节点自动上线等待任务。

---

派发任务

团队建好后，给成员分配具体工作：

clawteam spawn --team my-team --agent-name worker1 --task "实现用户认证"

这条命令的含义是：向 my-team 团队中的 worker1 成员下发”实现用户认证”任务。如果 worker1 还不存在，ClawTeam 会自动创建这个角色。

可以同时派发多个任务给不同成员，实现真正的并行工作：

clawteam spawn --team my-team --agent-name worker2 --task "编写API文档"
clawteam spawn --team my-team --agent-name worker3 --task "编写单元测试"

---

监控进展

ClawTeam 提供两种监控方式：

方式一：tmux 分屏（终端党首选）

clawteam board attach my-team

这会在当前终端打开 tmux 分屏，左侧是 leader 的视角，右侧实时滚动各 worker 的执行日志。适合 SSH 远程连接场景，完全在命令行内完成。

方式二：Web UI（可视化控场）

clawteam board serve --port 8080

在浏览器打开 http://localhost:8080，可以看到团队任务看板：各成员状态（空闲/工作中/完成）、任务进度条、输出日志。局域网内其他设备也可访问，方便在电脑上写代码、用手机随时瞄一眼进展。

👉 关联阅读：《香港大学出手了：一行命令，让所有软件都能被 AI 控制》 — 了解 CLI-Anything 如何实现”软件界的 USB 接口”，让所有软件都能被 AI 控制，对 ClawTeam 的工具集成能力有重要启发。

---

05 常见问题 Q&A

Q1: ClawTeam 和普通 AI Agent 有什么区别？

普通 AI Agent 像一个人干活，你问一句它答一句。ClawTeam 则是组队协作——一个 leader 负责拆解任务、分派给多个 worker，worker 完成后结果汇总给 leader 复核。你扮演的是”包工头”角色，而不是逐一指挥每个小工。

Q2: 需要写代码才能用吗？

基本不需要。ClawTeam 全部通过 CLI 命令交互，指令清晰、写汉字也能跑。如果你有编程需求，可以让 AI agent 直接生成代码——本身就在用 AI 干活，代码只是工具。

Q3: 支持哪些 AI 代理？

理论上所有支持 CLI 调用的 AI 工具都可以接入，包括：

• OpenAI CLI（ChatGPT 系列）
• Anthropic Claude CLI
• 阿里通义千问 CLI
• 豆包、Ollama 本地模型 等

具体兼容列表建议参考 GitHub 最新文档 ¹。

Q4: 数据存在哪里？需要云服务吗？

所有数据默认存在本地。任务配置、日志、成员状态都保存在 ~/.clawteam/ 目录下，不依赖任何云服务。如果需要多设备同步，可手动配置共享路径或结合 Git 管理团队配置文件。

👉 关联阅读：《一只龙虾征服了程序员：OpenClaw如何用100天击败Linux？》 — 了解 OpenClaw 如何在 100 天内获得 20 万 star 成为 Agent 领域现象级产品，感受开源社区对这类工具的热情。

---

干货！作者本人的实践案例：wechat-article 团队

光说不练假把式，下面用公众号文章写作这个具体场景，演示如何用 ClawTeam 组建团队、拆解任务、派发指令。

团队配置（TOML 模板）

创建一个 wechat-article.toml 文件，定义 4 个专业角色：

[team]
name = "wechat-article"
description = "微信公众号文章写作团队"
leader = "leader"
​
[agents.writer]
role = "主笔"
prompt = "你是一位资深科技写手，负责公众号文章的整体构思、框架搭建和核心内容撰写。"
model = "claude-sonnet-4-6"
​
[agents.researcher]
role = "研究员"
prompt = "你负责信息检索与整理：热点追踪、竞品调研、数据核实，确保内容有据可查。"
model = "claude-haiku-3"
​
[agents.image-agent]
role = "配图师"
prompt = "你负责根据文章内容生成配套图片：封面图、章节插图、数据可视化图表。"
model = "minimax-multimodal"
​
[agents.editor]
role = "审稿编辑"
prompt = "你负责文章终审：逻辑校验、语言润色、错别字检查、标题优化，确保发布质量。"
model = "claude-sonnet-4-6"

任务拆解

一篇完整的公众号文章，拆解为以下 4 个并行任务：

任务	负责人	输入	输出
热点研究与信息收集	researcher	文章主题方向	素材文档、参考资料列表
文章正文撰写	writer	素材文档 + 文章大纲	完整草稿
配图生成	image-agent	文章草稿	封面图 + 插图文件
终审与润色	editor	文章草稿 + 配图	最终发布版本

派发任务命令

第一步：创建团队

clawteam team spawn-team wechat-article -d "微信公众号文章写作团队" -n writer

第二步：派发并行任务

# 任务1：研究员收集素材
clawteam spawn --team wechat-article --agent-name researcher --task "研究最近一周 AI Agent 领域的最新动态，输出热点列表和关键信息摘要"
​
# 任务2：主笔同时构思大纲
clawteam spawn --team wechat-article --agent-name writer --task "根据研究员提供的素材，确定文章角度和结构，输出详细大纲"
​
# 任务3：配图师准备素材建议
clawteam spawn --team wechat-article --agent-name image-agent --task "根据文章大纲，列出需要的配图类型和描述词，供后续生成参考"

第三步：等待前置任务完成，主笔撰写正文

clawteam task wait wechat-article
clawteam spawn --team wechat-article --agent-name writer --task "基于素材和大纲，撰写完整的公众号文章正文"

第四步：编辑审稿

clawteam spawn --team wechat-article --agent-name editor --task "对文章草稿进行终审，输出修改意见和最终标题建议"

第五步：查看团队状态

clawteam board show wechat-article

协作流程图

整个过程中，人类只需下达 1 条初始指令，4 个代理自动协作，30 分钟后拿到可直接发布的文章。后续你可以更换主题、增减角色，把这套流程复用到任何需要 AI 团队的场景。

---

06 总结

ClawTeam 的核心定位很明确：一个让 AI 真正”组队干活”的 CLI 工具。它不像市面上的 AI Agent 那样只能一对一对话，而是引入了团队协作的概念——leader 统筹拆解任务，多个 worker 并行执行，结果汇总复核。如果你经常需要让 AI 完成复杂的多步骤工作，ClawTeam 能显著提升效率。

最适合以下几类读者：需要 AI 帮你完成系统性工程（不是聊聊天就行的那种）；对 AI 提效有较高期待、愿意折腾一下工具链的技术爱好者；以及想探索多代理协作这一新兴范式的开发者。入门门槛不高，安装配好就能跑，但上限取决于你怎么用它。

目前 ClawTeam 仍处于早期阶段，生态和文档在快速迭代中。建议关注 GitHub 获取最新版本，也欢迎提 Issue 参与贡献。

---

参考资料

[1]  ClawTeam GitHub 仓库

[2]  allclaw.org ClawTeam 主页