ClawTeam 多智能体群集协作
让多个 CLI 编程智能体自组织成团队：拆分任务、并行工作、依赖编排、消息通信与结果合并，一条命令即可启动。
文档透明披露了数据位置（~/.clawteam）、spawn 安全特性（预校验、失败回滚）和 exec-approvals 配置；但技能会自动确认工作区信任提示、建议配置 allowlist 并以 --force 清理团队，权限与外部效应较宽，无用户逐次确认机制，扣分。
SKILL.md 命令表自洽、含故障排查与回滚描述；仓库有 CI 和覆盖 spawn 适配器的测试，但未覆盖 openclaw 技能路径本身的关键流程（团队创建、消息、合并），错误反馈质量仅有文档声明，静态无法验证，扣分。
description 明确触发词、场景和边界（tmux 依赖、Windows 回退），多语言 README 有助中文用户；但核心依赖 OpenClaw/外部 CLI 与 GitHub 安装路径，中国大陆可达性未声明，非适用范围披露有限，扣分。
文档分层良好（概览、快速开始、命令参考、工作流、数据位置），版本号清晰（0.3.0+openclaw2），MIT 许可、上游归属明确，命名一致性尚可；但无 changelog、维护责任和更新路径仅隐含于 fork 声明，npm 同名抢注包提示反映命名风险，扣分。
声称的多代理编排价值具体且流程完整，但所有效果声明（如 8 GPU 研究案例引用外部仓库）静态不可验证，输出可用性无代表性证据，边际收益证据薄，扣分。
有 CI 工作流与已提交测试（adapters 覆盖较好），但测试不直接覆盖本技能关键路径，效果声明依赖外部链接与营销性叙述，事实与推断区分不严格，扣分。
- 技能会自动确认工作区信任提示并建议改写 exec-approvals 配置，安装前请人工审查 allowlist 变更范围。
- clawteam team cleanup --force 会不可逆删除团队全部数据，使用前确认已保存结果。
- 未发现针对 openclaw 技能路径本身的测试，首次使用建议在小型团队上演练。
- 依赖 OpenClaw 等外部服务与 GitHub 安装路径，中国大陆网络可达性未声明，请自行验证。
- 发布者未经验证，npm 存在同名抢注包，务必按 README 从本地仓库安装。
这个 Skill 能做什么，适合哪些场景？
ClawTeam 是一个 CLI 工具（clawteam），用于将多个 AI 编程智能体编排为自组织的群集。它通过 git worktree 隔离各智能体的工作区、用 tmux 窗口承载会话、用基于文件系统的收件箱传递消息。此 skill（位于 skills/openclaw/SKILL.md）教会 OpenClaw 智能体如何通过自然语言调用 clawteam 创建团队、派生 worker、管理任务依赖并监控进度。仓库是 HKUDS/ClawTeam 的分支，深度适配 OpenClaw 为默认智能体后端。内置 hedge-fund、code-review、research-paper 三个团队模板。
当用户表达'建团队''多智能体并行''swarm'等意图时，skill 指导智能体执行：clawteam team spawn-team 创建带 leader 的团队；clawteam task create 用 --blocked-by 构建依赖链，阻塞解除自动转为 pending；clawteam spawn 为每个 worker 分配独立 tmux 窗口和 clawteam/{team}/{agent} 分支的 git worktree，并自动注入协调 prompt；通过 inbox send/broadcast/receive 实现点对点与广播消息；board show/attach/serve 提供看板、tmux 平铺视图和 Web 仪表盘；cost report/show/budget 跟踪成本；workspace merge 合并分支，team cleanup 清理。所有状态以 JSON 文件存于 ~/.clawteam/，使用 fcntl 文件锁保证并发安全，支持 -- 机器可读输出。
- 全栈开发：说'建一个团队开发带认证的 Web 应用'，leader 拆分为 API 设计→后端/前端→测试的依赖链，5 个 agent 在独立 worktree 并行开发，最后合并到主干
- 量化/投研场景：clawteam launch hedge-fund 一条命令启动 7 个 agent 的投资分析团队（5 个分析师并行、风控、组合经理决策）
- 代码审查：launch code-review 模板，多 agent 分工审查代码并汇总结论
- 论文研究：launch research-paper 模板组织文献调研与写作分工
- 大规模实验：leader 派生多个研究 agent，各自在隔离 worktree 做实验，定期交叉播种最优配置（README 引用的 autoresearch 案例：约 30 GPU 小时跑完 2430 个实验）
这个 Skill 有哪些优点和局限？
- 智能体自组织：协调逻辑由 leader agent 执行，无需人类写编排代码
- 真实隔离：每个 agent 用 git worktree 独立分支工作，避免并行修改冲突，完成后可合并
- 零基础设施：仅用文件系统 + tmux，状态存 ~/.clawteam/ 的 JSON 文件，无需数据库或消息队列
- 依赖自动解除、任务锁防抢占、死 agent 的陈旧锁自动释放
- 多种监控方式：终端看板、tmux 平铺视图、Web 仪表盘，且全命令支持 -- 输出
- Spawn 安全机制：预校验命令、失败自动回滚、自动确认 Claude Code/Codex 信任提示
- 安装步骤较繁琐：PATH 符号链接、exec 审批配置、skill 文件复制等多步手工操作
- 强依赖本地环境：需要 Python 3.10+、git、tmux（Linux/macOS）和至少一个 CLI 智能体，无法在纯云端 API 场景直接使用
- board attach 依赖 tmux，Windows 原生环境下该命令不可用（README 建议用 board serve 或 WSL）
- SKILL.md 和 README 中未见自动化测试套件或基准评测数据；部分能力（如 8 GPU 实验）为 README 引用的外部案例，未在本仓库内验证
- spawn 非 openclaw 后端（如 claude）会卡在交互式权限提示，需额外配置才能换后端
如何安装这个 Skill？
前置条件：Python 3.10+、git，Linux/macOS 需 tmux，以及至少一个 CLI 编程智能体（默认 OpenClaw）。注意不要 pip install clawteam（那是上游版本，默认 claude，无 OpenClaw 适配），也不要 npm install -g clawteam（是无关的占位包）。正确安装：
- git clone https://github.com/win4r/ClawTeam-OpenClaw.git && cd ClawTeam-OpenClaw
- pip install -e .（从本地仓库安装，必须执行）
- 确保 clawteam 在 PATH：mkdir -p ~/bin && ln -sf "$(which clawteam)" ~/bin/clawteam
- 安装本 skill：mkdir -p ~/.openclaw/workspace/skills/clawteam && cp skills/openclaw/SKILL.md ~/.openclaw/workspace/skills/clawteam/SKILL.md
- 配置 OpenClaw exec 审批为 allowlist 并将 clawteam 绝对路径加入白名单（skill 内给出脚本）。也可用 bash scripts/install-openclaw.sh 一键完成。
如何使用这个 Skill？
安装后直接对 OpenClaw 说自然语言即可，触发词包括 team、swarm、multi-agent、spawn agents 等。示例：'创建一个 5 人团队来开发一个 Web 应用'——智能体会自动建团队、建任务、派生 worker 并开始后台监控循环。手动方式：clawteam launch hedge-fund --team fund1 一键启动模板团队，或用 team spawn-team → task create → spawn → board serve 逐步操作。重要：spawn 时保持默认 openclaw 命令，不要改为 claude，否则会卡在交互式权限提示。
这个 Skill 与同类方案有什么区别？
README 将其与其他多智能体框架对比：其他框架（需 Docker、云 API、YAML 配置、Redis/消息队列、面向人类编排代码、框架专属智能体）相比，ClawTeam 只需 pip install + 一句 prompt，用文件系统 + tmux 做基础设施，支持任意 CLI 智能体，用真实 git worktree 做隔离。上游原版 HKUDS/ClawTeam 默认 claude 且缺 OpenClaw 适配，此分支为深度 OpenClaw 集成版。