CoordClaw 多智能体协作系统
用自然语言定义 AI 团队，让多个 Agent 互相开会、审查、裁决并交付，一人即一支公司。
- Star 数
- ★ 160
- 最近更新
- 2 个月前
- License
- MIT
- 主语言
- TypeScript
- FA 评分
- 42/100 · 缺口较多
30 秒速览
- 可在哪里用
- 平台专用
- 开始前需要
- 典型场景
- 产品经理或独立开发者想在数小时内拿到一份可交付的小型软件成果（如网页版贪吃蛇），并希望过程有审查和裁决记录。
- 主要局限
- 强依赖 OpenClaw 运行时（或 qclaw 等变种）并需先完成其环境初始化，多一层外部依赖与版本匹配风险。
这个 Agent 能做什么，适合哪些场景？
CoordClaw 是一个构建在 OpenClaw 运行时之上的多智能体协作系统，用管理学和自组织理论组织 AI：团队结构写在自然语言 Markdown 里（teamsoul.md 定义角色、team RULE.md 定义协作规则），而非硬编码 DAG。协作由点对点消息循环驱动，每个 Agent 通过 chat_manager.py inbox 只拉取发给自己的未读消息，用 task_start.py、task_report.py、task_done.py 完成结构化工作日志与任务闭环。人类通过 http://localhost:18790 的控制面板拥有上帝视角：可查看全部消息、切换已读状态、冒充任意成员发消息干预。每轮上下文完全重置，只保留角色定义与可审计日志，以抑制上下文污染。它依赖 Node.js >= 22 与已初始化的 OpenClaw（或 qclaw 变种），当前仅在 Windows 完整验证。
启动后 CoordClaw 作为服务运行在 18790 端口，控制面板通过 SSE 与 Gateway 双绿灯判断运行时就绪。新建项目时后端从团队模板复制配置和脚本到 .data/ 目录，团队配置由 team RULE.md（五项标准动作 T1~T5 与十项禁止行为 P1~P10）、teamsoul.md（角色身份）和 team.json（25 个运行时参数，如 max_activations、idle_confirm_ms、六类督查开关）组成。开启自动协同后，Agent 依次执行 T1 用 chat_manager.py inbox --reader '{name}' --last 20 拉取未读消息，T2 用 task_start.py 建任务清单并读依赖文件，T3 用 task_report.py 写结构化工作日志，T4 用 chat_manager.py send --from --to 点对点回复，T5 用 task_done.py 收尾。控制面板用本地 BPE 估算 token 消耗并绘制图表，人类可经 POST /api/send-message 与 POST /api/toggle-read 干预任何消息。
- 产品经理或独立开发者想在数小时内拿到一份可交付的小型软件成果（如网页版贪吃蛇），并希望过程有审查和裁决记录。
- 研究者希望观察多智能体在类社会结构中的经济、管理与组织行为，并能随时介入干预实验。
- 团队需要用 Markdown 而非代码定义 AI 岗位、层级与汇报关系，以适配不同项目组织架构。
- 需要审计轨迹的交付场景：每个 Agent 的工作日志与点对点消息都持久化为可查文档。
- 使用国内模型（如 Kimi、MiniMax、qclaw 内置额度）而非头部闭源模型的团队，希望以较低成本验证多 Agent 协作。
如何安装或部署这个 Agent？
先安装并初始化 OpenClaw 或其变种（国内推荐 qclaw），首次打开软件让其完成环境初始化后退出，否则 CoordClaw 发现不到运行时。然后克隆仓库并启动：
# Linux / macOS
node start.cjs:: Windows 可双击 start.bat，或同样运行
node start.cjs首次访问 http://localhost:18790 会进入安装向导：选语言 → 勾选扫描到的 OpenClaw 实例 → 一键安装。若实例装在非标准路径，复制仓库根的 findplatforms.json.example 为 findplatforms.json，在 directories 字段填入实例目录后重跑向导。安装完成后先开 OpenClaw，再开 CoordClaw 控制面板。环境要求 Node.js >= 22；已测环境为 Windows 11 24H2 + OpenClaw v2026.4.5 / Qclaw v0.2.32，Linux 与 macOS 尚未实测。
如何使用这个 Agent？
1）按顺序启动 OpenClaw（或变种）与 CoordClaw 服务，确认控制面板右上角 SSE 与 Gateway 双绿灯。2）侧边栏项目卡片 → 新建项目 → 选团队模板（预置 7 人标准团队）→ 填名称与路径。3）打开自动协同开关，在消息输入框选择接收成员并发送任务消息。4）在消息列表观察 Agent 间的交付、驳回与裁决；需要干预时用左下角消息发送按钮，选择发送者身份和接收者写入数据库。5）技能在侧边栏「工具」卡片统一管理，成员列表点击技能图标可单独勾选。自定义团队走侧边栏「团队」卡片 → 新建团队，按 5 阶段引导生成 teamsoul.md 与 team RULE.md 后注册。运行时参数在项目 .data/team.json 中调整。Agent 侧调用示例：
python .data/scripts/chat_manager.py inbox --reader 'PM' --last 20
python .data/scripts/chat_manager.py send --from 'PM' --to 'QA'这个 Agent 有哪些优点和局限？
- 团队结构完全由自然语言 Markdown（teamsoul.md / team RULE.md）定义，无需改代码即可新建任意组织形态。
- 点对点消息 + 每轮上下文重置 + 结构化工作日志，把记忆外化为可审计文档，直接针对上下文污染与无限时长协作。
- 人类拥有上帝视角：可查看全部消息、切换已读状态、冒充任意成员干预，Agent 只能看到发给自己的未读消息。
- 内置本地 BPE token 估算与消耗图表，在模型不返回 usage 时仍可观测成本。
- 实测案例记录了 7 Agent、1 小时、126 条消息完成网页版贪吃蛇的完整协作轨迹。
- 强依赖 OpenClaw 运行时（或 qclaw 等变种）并需先完成其环境初始化，多一层外部依赖与版本匹配风险。
- 仅在 Windows 11 24H2 上完整测试，Linux/macOS 只完成代码层兼容，官方未保证开箱即用。
- 项目提倡的「面面俱到审查」可能导致小事讨论过久，需要自行调整 team.json 与流程来放权。
- team RULE.md 的 T1~T5 与 scripts/ 被明确标注不可改动，修改可能导致协作链断裂，定制自由度受限。
- 会话稳定需要较大上下文预算，官方建议 contextWindow ≥ 128000、maxTokens ≥ 8192，对模型和成本有要求。
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 |
|---|---|---|---|---|---|---|
| CoordClaw 多智能体协作系统 当前 | 42 · 缺口较多 | — | ★ 160 | 2 个月前 | TypeScript | — |
| AgentChat 智能对话平台 | 29 · 缺口较多 | 自托管服务免费 + 模型费 | ★ 929 | 19 天前 | Python | — |
| 活动策划多智能体系统 | 62 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 115 | 6 个月前 | Python | — |
| AgentRQ | 64 · 存在缺口 | 自托管服务免费 + 模型费 | ★ 1.2k | 今天 | Go | Codex · Claude Code |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
README 描述了人类上帝视角、Agent 仅能读取自身未读消息、点对点消息等权限分层，属于最小权限的初步设计（least_privilege=1），但人类可冒充任意成员身份发送消息、可切换任意消息读写状态，缺乏确认或审计约束（user_confirmation=1）。数据流透明度较好：消息流、token 消耗、结构化工作日志均可观测（data_flow_transparency=2）。敏感数据处理无专门说明，仅提及本地 BPE 估算 token，未见密钥/凭据管理策略（sensitive_data_handling=1）。依赖安全无证据：依赖 OpenClaw/qclaw 运行时，未见依赖清单或漏洞缓解说明（dependency_security=0）。外部效应方面，安装向导会扫描用户主目录一级子目录并可能创建 junction/symlink，属于有外部副作用的操作，但文档提示需自行判断，仅给 1（external_effects=1）。回滚方面仅提及 auto-reset 与上下文重置，未见对已执行外部动作的回滚机制（rollback=1）。来源归属：README 标注华中科技大学 AI Lab，但发布者未经 FollowAgents 验证，归属仅属声明（source_attribution=1）。
自洽性较好：README 的 T1–T5 动作、消息循环、上下文重置与测试文件中的分桶/门控逻辑相互印证（self_consistency=2）。依赖可用性薄弱：强依赖 OpenClaw 或其变体且需先完成环境初始化，Linux/macOS 明确标注未测试，依赖获取路径不清晰（dependency_availability=1）。失败消息方面仅见测试断言与 LLM 错误阻断开关，未见面向用户的错误提示设计（failure_messages=1）。
受众与场景描述充分：面向个人开发者、团队搭建、人文社科研究等多场景（audience_and_scenarios=2）。能力边界有部分说明（单 Agent 不足、协作阈值），但未系统列出不支持的能力（capability_boundaries=1）。触发精度：消息循环与 T1–T5 触发机制有描述，但缺乏精确的触发条件与边界说明（trigger_precision=1）。环境适配：仅 Windows 明确可用，Linux/macOS 未测试，非标准路径需手动配置 findplatforms.json（environment_fit=1）。
信息架构清晰：README 分节完整，含安装、使用流程、配置调优、教程链接（information_architecture=2）。安装说明详尽，含启动顺序与向导（install_notes=2）。命名稳定性：teamsoul.md、team RULE.md、team.json 等命名有说明，但存在中文/英文混排与空格文件名，稳定性一般（naming_stability=1）。示例与教程丰富，含图文教程与截图（examples_and_faq=2）。已知限制仅零散提及（Linux 未测试、非标准路径），未集中列出（known_limitations=1）。许可证为完整 MIT 文本（license=3）。无版本号或变更日志（versioning_changelog=0）。维护责任：仅标注 Contributors 与实验室，无明确维护者或联系方式（maintenance_responsibility=1）。
输出可用性：结构化工作日志、消息流、token 图表使产出可审阅（output_usability=2）。边际价值：多 Agent 协作与上下文重置理念有差异化，但证据仅一个 Snake 游戏示例，价值主张多为断言（marginal_value=1）。成本效益：强调非前沿模型与本地 BPE 估算，但缺乏成本对比数据（cost_benefit=1）。
主张可追溯性弱：README 大量理念性主张（概率即智能、差异即燃料）缺乏可验证来源（claim_traceability=1）。交叉印证有限：仅测试文件与 README 部分逻辑对应，无独立第三方佐证（cross_source_corroboration=1）。事实与推断分离不足：示例结果（1 小时 126 消息）为自述，未区分实测与推断（fact_inference_separation=1）。
- 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。
- 人类可冒充任意成员身份发送消息并切换消息读写状态，缺乏确认与审计，生产使用需谨慎。
- 安装向导会扫描用户主目录并可能创建 junction/symlink，需确认目标路径后再执行。
- 强依赖 OpenClaw/qclaw 运行时且需先完成初始化，Linux/macOS 未测试，跨平台可用性存疑。
- 无依赖清单与漏洞缓解说明，依赖安全无法静态确认。
- README 主张多为理念性断言，示例结果自述，缺乏独立验证。