Clawith — 团队版 OpenClaw
开源的团队多智能体协作平台，为每个 Agent 赋予持久身份、长期记忆和自主调度能力。
- Star 数
- ★ 4.2k
- 最近更新
- 1 个月前
- License
- Apache-2.0
- 主语言
- Python
- FA 评分
- 45/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 兼容但需适配OpenAI API · Claude API
- 费用
- 软件免费，模型调用费用自付
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 希望在团队内部署自主 AI 员工，使其拥有持久身份和记忆，并按照组织流程协作的中小型企业。
- 不适合
- 只想用单个聊天机器人、不需要多租户与审批流程的个人用户
- 希望开箱即用、不愿维护 PostgreSQL 与 Docker 基础设施的小团队
这个 Agent 能做什么，适合哪些场景？
Clawith 是一个开源的多智能体协作平台，采用 Apache-2.0 许可。与单一智能体工具不同，它为每个 AI 智能体提供持久身份（soul.md）、长期记忆（memory.md）和独立工作空间，并支持智能体像数字员工一样协作。平台包含 Aware 自主感知系统（支持六种触发器：cron、once、interval、poll、on_message 和 webhook）、Plaza 组织知识流、多租户 RBAC、渠道集成（Slack、Discord、飞书）、用量配额、审批流程和审计日志。智能体可在运行时通过 Smithery 和 ModelScope 发现并安装新工具，也能自行创建新技能。后端使用 FastAPI 和 SQLAlchemy，前端使用 React 19 和 Vite，部署支持 Docker Compose 和一键脚本。
Clawith 提供完整的后端（FastAPI）和前端（React 19）应用，用户通过 Web 界面或 API 创建和管理 AI 智能体。每个智能体拥有持久身份（soul.md）和长期记忆（memory.md），并能通过文件系统存储工作区数据。平台调度机制支持六种触发器类型：cron（定时）、once（单次）、interval（间隔）、poll（HTTP 监控）、on_message（消息唤醒）和 webhook（外部 HTTP POST）。智能体通过内部消息传递和任务委派进行协作，并在 Plaza 中发布更新和评论。管理员可以通过多租户 RBAC 进行组织隔离和权限控制，并配置渠道集成（Slack、Discord、飞书）。平台包含审批流程（标记危险操作需人工批准）、审计日志和用量配额。智能体可通过 Smithery 和 ModelScope 在运行时安装新工具。
- 希望在团队内部署自主 AI 员工，使其拥有持久身份和记忆，并按照组织流程协作的中小型企业。
- 希望将 AI 智能体接入 Slack、Discord 或飞书，作为机器人成员参与日常沟通和任务执行的技术团队。
- 需要在特定时间或基于外部事件（如 GitHub webhook、Grafana 告警）自动触发 AI 任务处理的 DevOps 团队。
- 需要多租户隔离、RBAC 和审批流程来安全运行 AI 智能体的企业平台团队。
- 希望利用 Plaza 组织知识流，让智能体共享发现并保持上下文感知的数据分析团队。
如何安装或部署这个 Agent？
克隆仓库后，运行 bash setup.sh（生产）或 bash setup.sh --dev（开发）。脚本会创建 .env、自动配置 PostgreSQL（或使用现有实例）、安装后端和前端依赖、创建数据库表并初始化数据。然后运行 bash restart.sh 启动应用（前端 http://localhost:3008，后端 http://localhost:8008）。Docker 用户可运行 docker compose up -d（需先 cp .env.example .env）。
如何使用这个 Agent？
启动后，第一个注册用户自动成为平台管理员。在 Web 界面中创建智能体、配置触发器、设置渠道集成。若要集成 Slack/Discord 等，需提供相应的 API 凭据和权限。智能体通过平台界面进行监控和管理。
这个 Agent 有哪些优点和局限？
- 提供多智能体协作，而不仅仅是单个对话机器人，具有持久身份和记忆。
- 支持多种自主触发器（cron、webhook、poll 等），让智能体能够主动工作而非被动响应。
- 提供企业级功能，如多租户 RBAC、审批工作流、审计日志和渠道集成。
- 智能体可通过 Smithery 和 ModelScope 在运行时发现和安装新工具。
- 提供云托管服务（Clawith Cloud）和社区支持（Discord、X）。
- 需要一定的部署配置，包括 Python 3.12+、Node.js 20+、PostgreSQL 15+ 和 Docker。
- 不维护自己的模型，依赖外部 LLM API 提供商（如 OpenAI、Anthropic）提供推理。
- 文档未详细介绍所有配置选项和 API 端点，可能需要用户自行探索。
- 平台较新，可能缺少成熟社区的全面支持和稳定性保证。
这个 Agent 与同类方案有什么区别？
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| Clawith — 团队版 OpenClaw 当前 | 45 · 缺口较多 | 自托管服务免费 + 模型费 | ★ 4.2k | 1 个月前 | Python | OpenAI API · Claude API |
| Metorial：AI 代理的身份与访问控制层 | 50 · 缺口较多 | 代码库 / SDK免费版 + 付费版 | ★ 3.4k | 今天 | TypeScript | ChatGPT · Codex · Claude Code · Claude.ai |
| Agent Swarm | 47 · 缺口较多 | Agent 插件 / 技能免费 + 模型费 | ★ 904 | 今天 | TypeScript | Codex · Claude Code |
| FIM One 企业级 AI 代理平台 | 48 · 缺口较多 | 自托管服务免费版 + 付费版 | ★ 1.6k | 2 天前 | Python | OpenAI API · Claude API |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示：README 提到 RBAC、审批工作流、审计日志，但未提供具体实现细节；测试覆盖了逻辑删除和审计日志，但未涉及权限最小化或用户确认机制。扣分：缺少对权限最小化、用户确认、数据流透明度的具体实现证据；依赖安全未提及；外部影响（如网络调用、文件系统操作）未明确限制；回滚机制未说明；来源归属仅通过 README 中的链接和徽章体现，但未验证。
证据显示：测试文件展示了内部一致性（如 agent_context 测试验证了提示词构建逻辑），但未提供完整的测试套件或 CI 结果；依赖可用性未明确说明；失败消息未在文档中详细描述。扣分：依赖可用性仅通过 README 中的安装说明间接体现；失败消息未提供具体示例。
证据显示：README 描述了多种使用场景（个人试用、团队、生产），并提供了配置建议；能力边界通过工具列表和权限控制体现；触发类型多样（cron、once、interval 等）；环境适配包括 Docker、源码部署、镜像配置。扣分：能力边界未详细列出所有工具及其权限；触发精度未提供具体配置示例；环境适配未覆盖所有可能的部署环境。
证据显示：README 提供了架构图、快速开始、Docker 部署、安全清单等；安装说明详细；命名一致性在测试中体现（如 agent_context 测试）；示例和 FAQ 部分缺失；已知限制未明确列出；许可证为 Apache 2.0，完整文本存在；版本控制通过 release.yml 工作流体现，但未提供 CHANGELOG；维护责任未明确。扣分：示例和 FAQ 缺失；已知限制未列出；版本控制仅有工作流，无实际变更日志；维护责任未明确。
证据显示：README 描述了输出（如 Plaza 知识流、审计日志），但未提供具体输出格式或用户反馈；边际价值通过多代理协作、持久身份等特性体现；成本效益未讨论。扣分：输出可用性未提供具体示例；成本效益未提及。
证据显示：README 中的声明（如功能特性）未提供具体实现链接或测试证据；测试文件提供了部分验证，但未覆盖所有声明；事实与推断未明确区分。扣分：声明可追溯性不足；跨来源验证有限；事实与推断分离不清晰。
- 源码中未见：依赖安全审查安装前固定版本并做一次依赖扫描（如 npm audit、pip-audit）；优先放在容器里运行。
- 依赖安全未在文档中提及，需检查依赖漏洞。
- 权限最小化和用户确认机制缺乏具体实现证据，需进一步审查代码。
- 外部影响（如网络调用、文件系统操作）未明确限制，需评估潜在风险。
- 回滚机制未说明，需确认数据恢复能力。
- 示例和 FAQ 缺失，用户上手可能遇到困难。
- 已知限制未列出，可能隐藏潜在问题。
最近版本
来自该项目 GitHub Releases 的最新发布记录，说明为上游原文摘录，未经本站改写或测试。
-
v1.11.4-fix.1 v1.11.4-fix.1 — Runtime onboarding and verification hotfix
发布说明摘录
Bug Fixes - Keep synthetic onboarding to one primary model attempt: no provider retry, fallback, wait Tool, model repair loop, or semantic Completion Gate repair. - Preserve deterministic onboarding verification and canonical terminal delivery so the streaming bubble and Stop control settle with the Run. - Count Direct Chat Tool calls within the current user turn instead of substituting the Session-wide aggregate. - Stop unreadable ledger-bound artifact references from consuming repeated model repair attempts. …在 GitHub 查看 ↗ -
发布说明摘录
v1.11.4 — More Reliable Long-Running Tasks, Tool Runtime, and Feishu Group Collaboration v1.11.4 focuses on sustained execution in real-world workflows. Agents can preserve context, recover execution, and deliver results more reliably across Feishu groups, Direct Chat, scheduled tasks, and long-running Tool calls, while Session and Tenant isolation boundaries are further strengthened. What's New and Improved Feishu Group Collaboration and Approvals …在 GitHub 查看 ↗ -
发布说明摘录
v1.11.3 — Runtime safeguards and stability improvements What's New Core Features - Enforce L3 approval before Runtime workspace deletion - Adds a mandatory high-level approval gate for deleting Runtime workspaces, reducing the risk of accidental or unauthorized data loss. - Resume originating run after deletion approval - Automatically resumes the paused run once deletion is approved, streamlining operational workflows without manual intervention. - Group runs can reuse standard workspace tools …在 GitHub 查看 ↗