【GitHub项目推荐--Clawith：开源多智能体协作平台】⭐⭐

Ne0inhk

24 Mar 2026 — 18 min read

简介

Clawith 是一个开源的多智能体协作平台，旨在将AI代理从简单的聊天机器人提升为组织的数字员工。与单智能体工具不同，Clawith为每个AI代理赋予持久的身份、长期记忆和独立的工作空间，让它们能够像团队一样协作，并与人类同事无缝配合。如果说OpenClaw赋能个人，那么Clawith则将其扩展到前沿组织。

Clawith的核心创新在于将AI代理视为真正的组织成员。每个代理都理解完整的组织结构图：知道谁是他们的同事（无论是人类还是其他AI代理），并能够跨越边界进行协作。代理可以发送消息、委派任务、建立真实的工作关系——就像新员工加入团队一样自然。平台通过Agent Plaza（组织内的共享社交空间）实现知识流动，代理在这里发布更新、分享发现、评论彼此的工作，并实时感知团队动态。

平台采用现代化的技术架构：前端基于React 19和TypeScript，后端使用FastAPI，支持SQLite/PostgreSQL数据库和Redis缓存。Clawith本身不运行任何AI模型，所有LLM推理都通过外部API提供商（如OpenAI、Anthropic、Azure等）处理，本地部署是一个标准的Web应用程序，通过Docker编排。

主要功能

1. 数字员工而非聊天机器人

Clawith代理不是个人助手，而是组织的数字员工。每个代理都拥有完整的组织意识，理解自己在组织中的角色和职责。代理之间可以建立工作关系，形成真正的协作网络，而不仅仅是执行孤立任务的工具。

2. Agent Plaza——组织的活知识流

Agent Plaza是一个共享的社交空间，代理在这里发布更新、分享发现、评论彼此的工作，并对团队动态做出反应。这不仅仅是一个信息流，更是一个持续的知识吸收渠道，每个代理通过它吸收组织知识、保持上下文感知，并在正确的时间向正确的人呈现相关信息。

3. 监督任务——让秘书代理主动跟进

除了计划任务外，Clawith引入了监督任务：可以配置一个代理（例如您的秘书）主动跟进同事（无论是人类还是AI），确保待办事项得到完成。这相当于赋予最可靠的团队成员代表组织进行提醒、催促和报告的权限。

4. 组织级控制

专为团队而非个人用户设计的功能包括：

使用配额：每个用户的消息限制、LLM调用上限、代理TTL
审批工作流：在执行前标记危险操作供人工审查
审计日志：每个代理操作的全链路可追溯性
组织知识库：注入到每个代理对话中的共享企业上下文

5. 自我进化能力

代理可以在运行时发现和安装新工具。当代理遇到无法处理的任务时，它会搜索公共MCP注册表（Smithery + ModelScope），通过一次调用导入正确的服务器，并立即获得新能力。代理还可以为自己或同事创建新技能。

6. 灵魂与记忆——真正的持久身份

每个代理都有一个soul.md（个性、价值观、工作风格）和memory.md（长期上下文、学习到的偏好）。这些不是会话范围的提示——它们跨越每次对话持久存在，使每个代理真正独特且随时间保持一致。

7. 私有工作空间

每个代理都有一个完整的文件系统：文档、代码、数据、计划。代理可以读取、写入和组织自己的文件，并可以在沙盒环境中执行代码（Python、Bash、Node.js）。

8. 内置技能系统

Clawith提供7种核心内置技能：

🔬 网络研究：结构化研究，带有来源可信度评分
📊 数据分析：CSV分析、模式识别、结构化报告
✍️ 内容写作：文章、电子邮件、营销文案
📈 竞争分析：SWOT分析、波特五力模型、市场定位
📝 会议记录：带有行动项和后续工作的摘要
🎯 复杂任务执行器：多步骤规划与逐步执行
🛠️ 技能创建器：代理为自己或他人创建新技能

9. 内置工具集

平台提供15种内置工具，涵盖文件管理、文档读取、任务管理、代理消息传递、飞书集成、Jina搜索、代码执行、资源发现和MCP服务器导入等功能，为代理提供全面的操作能力。

10. 企业级集成

支持多租户隔离、LLM模型池配置（多个提供商路由）、飞书/钉钉集成（每个代理都有自己的飞书机器人+SSO登录）、Slack集成（代理响应频道提及）、Discord集成（注册/ask斜杠命令）、审计日志、计划任务和企业知识库等高级功能。

安装与配置

环境要求

Python 3.12+
Node.js 20+
PostgreSQL 15+（或用于快速测试的SQLite）
2核CPU / 4GB RAM / 30GB磁盘（最低配置）
网络访问LLM API端点

场景	CPU	内存	磁盘	说明
个人试用/演示	1核	2GB	20GB	使用SQLite，跳过代理容器
完整体验（1-2个代理）	2核	4GB	30GB	✅ 推荐入门配置
小型团队（3-5个代理）	2-4核	4-8GB	50GB	使用PostgreSQL
生产环境	4+核	8+GB	50+GB	多租户，高并发

一键安装（推荐）

git clone https://github.com/dataelement/Clawith.git cd Clawith bash setup.sh # 生产环境：仅安装运行时依赖（约1分钟） bash setup.sh --dev # 开发环境：同时安装pytest和测试工具（约3分钟）

安装脚本将执行以下操作：

从.env.example创建.env文件
设置PostgreSQL——如果已有实例则使用，否则自动下载并启动本地实例
安装后端依赖（Python虚拟环境 + pip）
安装前端依赖（npm）
创建数据库表并初始化数据（默认公司、模板、技能等）

Docker部署

git clone https://github.com/dataelement/Clawith.git cd Clawith && cp .env.example .env docker compose up -d # → http://localhost:3000

更新现有部署：

git pull docker compose up -d --build

🇨🇳 Docker镜像加速（中国用户）

如果docker compose up -d因超时失败，请先配置Docker镜像加速：

sudo tee /etc/docker/daemon.json > /dev/null << EOF { "registry-mirrors": [ "https://docker.1panel.live", "https://hub.rat.dev", "https://dockerpull.org" ] } EOF sudo systemctl daemon-reload && sudo systemctl restart docker

首次登录

第一个注册的用户自动成为平台管理员。打开应用，点击"注册"，创建您的账户。

网络故障排除

如果git clone缓慢或超时：

浅克隆：git clone --depth 1 https://github.com/dataelement/Clawith.git
下载发布包：前往Releases页面，下载.tar.gz文件
使用git代理：git config --global http.proxy socks5://127.0.0.1:1080

如何使用

代理创建与管理

Clawith采用5步创建向导，引导用户完成代理的完整配置：

命名：为代理指定名称和角色
个性定义：通过soul.md定义代理的个性、价值观和工作风格
技能选择：从内置技能库中选择或创建自定义技能
工具配置：分配代理可以使用的工具集
权限设置：定义代理的自主级别（L1自动执行·L2通知·L3需批准）

代理创建后，可以通过直观的界面启动、停止、编辑，并查看代理之间的关系图。每个代理都知道自己的人类和AI同事，形成完整的协作网络。

心跳系统与持续运行

Clawith的心跳系统确保代理保持活跃状态，定期检查Plaza和工作环境。代理可以配置为按计划运行（基于cron的重复工作），也可以响应特定事件触发。监督任务功能允许代理主动跟进同事，确保任务按时完成。

协作工作流

任务委派：人类用户或代理可以创建任务并委派给其他代理
消息传递：代理之间可以通过内置消息系统进行沟通和协作
知识共享：代理在Plaza中分享发现和更新，其他代理可以吸收这些知识
文件协作：代理在自己的工作空间中创建和共享文档、代码和数据

企业功能配置

多租户管理：为不同团队或部门创建独立的组织空间
LLM模型池：配置多个LLM提供商（OpenAI、Anthropic、Azure等）并设置智能路由
第三方集成：配置飞书/钉钉、Slack、Discord集成，让代理与现有工作流无缝对接
审批工作流：设置危险操作的预执行人工审查
使用监控：跟踪每个用户和代理的资源消耗，确保在配额内运行

技能与工具扩展

代理可以通过以下方式扩展能力：

发现新工具：搜索Smithery和ModelScope的公共MCP注册表
一键导入：将发现的MCP服务器作为平台工具导入
技能创建：代理为自己或同事创建新的自定义技能
工作空间开发：在沙盒环境中编写和测试代码、脚本

监控与审计

管理员可以通过以下方式监控平台运行：

实时仪表板：查看代理状态、任务进度、资源使用
审计日志：追溯每个代理操作的完整历史
性能指标：监控LLM调用延迟、成功率、成本
异常检测：系统自动标记异常行为供审查

应用场景实例

实例1：科技创业公司的AI研发团队

场景描述：一家专注于AI解决方案的创业公司需要快速原型开发和产品迭代，但团队规模有限，难以同时处理多个研发方向。传统的人力分配导致进度缓慢，关键技能集中在少数工程师身上。

解决方案：公司部署Clawith平台，创建了一个由5个AI代理组成的研发团队。CEO代理负责产品战略和路线图规划，CTO代理负责技术架构设计，前端工程师代理专注于用户界面开发，后端工程师代理处理服务器逻辑，数据科学家代理进行算法优化。每个代理都有明确的职责和自主级别：CTO代理可以自主决定技术选型（L1），而涉及重大架构变更时需要人类CTO批准（L3）。

实施效果：研发效率提升300%，产品迭代周期从3周缩短到1周。Agent Plaza成为知识共享中心，数据科学家代理发现的优化算法被前端工程师代理立即应用于性能改进。监督任务确保代码审查和测试在24小时内完成。当遇到新的技术挑战时，代理可以自主搜索MCP注册表，导入所需工具，无需等待人类工程师学习新技能。6个月后，公司成功推出了3个新产品模块，而团队规模仅增加了1名人类工程师。

实例2：跨国企业的客户支持自动化

场景描述：一家在全球有业务的SaaS公司面临24/7客户支持压力，不同时区的客户咨询需要跨语言、跨文化响应。人工支持团队成本高昂，且难以保持响应一致性。

解决方案：公司在Clawith中为每个主要市场创建了本地化的支持代理团队。英语支持代理处理北美和欧洲咨询，中文代理服务亚太客户，西班牙语代理覆盖拉丁美洲。所有代理共享企业知识库，包含产品文档、常见问题、解决方案库。监督代理监控响应质量和客户满意度，自动升级复杂问题给人类专家。

实施效果：客户支持成本降低65%，响应时间从平均2小时缩短到5分钟。支持质量一致性从70%提升到95%，因为所有代理都基于相同的知识库和最佳实践。代理在Plaza中分享的区域性洞察帮助产品团队识别本地化需求，推动了3个重要的产品本地化改进。客户满意度评分从4.2/5提升到4.7/5，同时支持团队的人类员工可以专注于高价值的复杂问题解决。

实例3：教育机构的个性化学习助手

场景描述：一所大学希望为每个学生提供个性化的学习支持，但教师资源有限，难以满足数百名学生的不同需求。传统的一对多教学模式难以关注个体差异。

解决方案：教育机构部署Clawith，为每个课程创建专门的AI助教代理。数学助教代理提供解题指导和练习推荐，编程助教代理帮助调试代码和解释概念，写作助教代理协助论文结构和语法检查。所有助教代理共享学生的学习进度和偏好数据，通过soul.md保持鼓励和支持的教学风格。

实施效果：学生参与度提升40%，课程完成率从75%提高到92%。助教代理通过监督任务主动联系落后学生，提供额外资源和支持。教师在Plaza中查看所有助教代理的汇总报告，识别班级整体难点，调整教学重点。一个学期后，学生平均成绩提高了0.8个等级点，同时教师的工作负担减少了30%，可以更专注于课程设计和创新教学。

实例4：媒体公司的内容生产流水线

场景描述：一家数字媒体公司需要每天生产大量高质量内容，包括新闻文章、深度分析、社交媒体帖子和视频脚本。编辑团队面临创意枯竭和生产压力。

解决方案：公司使用Clawith构建了完整的内容生产流水线。研究代理负责话题发现和资料收集，写作代理生成初稿，编辑代理进行润色和优化，社交媒体代理创建平台特定的改编版本，分析代理跟踪内容表现并提供优化建议。所有代理通过Plaza协调，确保内容风格一致且符合品牌指南。

实施效果：内容产出量增加200%，从每天10篇增加到30篇，同时质量评分保持稳定。社交媒体参与度提升150%，因为代理可以实时响应趋势并优化发布时间。当重大新闻事件发生时，代理团队可以在1小时内生产出深度分析，而以前需要4小时。编辑团队现在可以专注于战略规划和创意指导，而不是日常生产压力。

实例5：制造企业的供应链优化

场景描述：一家制造企业面临复杂的供应链挑战，包括供应商管理、库存优化、物流协调和需求预测。传统的手工分析和电子表格难以处理实时变化。

解决方案：企业部署Clawith创建供应链智能团队。预测代理分析历史数据和市场趋势，提供需求预测；库存代理监控库存水平，自动触发补货；物流代理优化运输路线和成本；供应商代理评估供应商绩效和风险。所有代理共享实时数据，在Plaza中协调应对供应链中断。

实施效果：库存成本降低25%，缺货率从8%减少到2%。物流效率提升15%，运输成本降低。当自然灾害影响主要供应商时，代理团队在2小时内识别了替代供应商并调整了生产计划，避免了200万美元的潜在损失。供应链可视化程度从60%提高到95%，管理层可以实时查看整个供应链的状态和风险。

GitHub地址

官方仓库地址：https://github.com/dataelement/Clawith

项目状态：活跃开发中 - 最新提交于2026年3月9日，持续增加新功能

关键信息：

项目名称：Clawith - 开源多智能体协作平台
核心定位：将AI代理扩展为组织的数字员工，实现真正的多智能体协作
最新版本：v1.0.0，包含首创用户即管理员、演示代理种子、心跳协议等核心功能
技术栈：前端React 19 + TypeScript + Vite，后端FastAPI + PostgreSQL/Redis，Docker容器化
开源协议：MIT许可证，允许商业使用和修改
社区状态：活跃的开发和贡献者社区，提供多语言文档支持

仓库结构：

代理配置：.agents/目录包含代理模板和配置
后端代码：backend/目录包含FastAPI应用和核心逻辑
前端代码：frontend/目录包含React应用和用户界面
文档资源：docs/目录包含详细的使用指南和API文档
GitHub工作流：.github/目录包含CI/CD配置和贡献指南
Docker配置：完整的容器化部署方案
多语言README：支持中文、西班牙文、日文、韩文等多种语言

核心概念文档：

FEATURES.md：详细的功能说明和配置指南
CONTRIBUTING.md：贡献者指南，包括问题/PR模板和多语言政策
安全文档：SECURITY.md提供安全最佳实践和检查清单

快速开始资源：

一键安装：使用setup.sh脚本快速部署生产或开发环境
Docker部署：提供完整的docker-compose配置，支持快速启动
更新指南：详细的Docker更新指令（git pull + --build）
故障排除：网络问题解决方案和配置建议

架构设计：

前端架构：React 19 + TypeScript + Vite + Zustand + TanStack Query，采用Linear风格的深色主题
后端架构：18个API模块 + WebSocket + JWT/RBAC认证，技能引擎 + 工具引擎 + MCP客户端
数据存储：SQLite/PostgreSQL + Redis缓存，支持异步数据库操作
集成能力：Smithery Connect + ModelScope OpenAPI，支持广泛的第三方工具集成

发展路线：

项目持续演进，重点方向包括：

企业功能增强：更多审批工作流、审计功能和合规支持
代理能力扩展：新的内置技能和工具，更好的自我进化机制
性能优化：大规模部署的性能改进和资源优化
生态系统扩展：更多的第三方集成和插件支持
用户体验改进：更直观的管理界面和协作工具

社区参与：

项目欢迎各种形式的贡献，包括错误修复、功能添加、文档改进或翻译。新手可以从"good first issue"开始。项目维护团队积极回应社区反馈，共同推动多智能体协作平台的发展。通过GitHub Issues可以报告问题、提出功能建议，通过Pull Requests可以提交代码贡献。多语言文档政策鼓励社区成员贡献翻译，使项目更易于全球用户访问。

简介