企业官网建设流程全解析

• AI Agent
• 多智能体
• 人工智能
• AI 应用
• 任务调度
• 前端
• 后端

Clawe 是一个开源的多Agent协调系统（Multi-agent Coordination System），官方定位是"给 OpenClaw 智能体的 Trello"。它让你一键部署一支由 4 个 AI 智能体组成的小队：每个成员都有自己的身份、专属工作区和定时心跳，能自主认领任务、协作分工、交付成果——而你只需要在一块看板前观察和验收。

它解决了什么问题？

单兵作战的 AI 助手很常见，但"多智能体团队协作"一直很难落地：Agent 之间怎么分工？任务进度谁来盯？结果谁来验收？

Clawe 的思路很直接——把人类团队的项目管理方法搬给 AI 团队：

也就是说，Clawe 是一套完整的"AI 公司操作系统"：有角色、有流程、有考勤，还有验收环节。

认识一下预配置的 4 位 AI 智能体

Clawe 开箱即带一支四人小队，每个成员的角色设定和"性格"都写在各自工作区的 SOUL.md 里：

💡 心跳时间特意错开（staggered），避免多个 Agent 同时醒来触发 API 限流。完整的排班表见 apps/watcher/README.md。

下面就是小队的"作战看板"：左侧是 4 位 Agent 的实时状态，主区域是按流程分列的任务卡——卡片上能看到优先级（URGENT/HIGH/NORMAL）、负责智能体、子任务完成度和评论数：

自运转小队是怎么跑起来的？

心跳唤醒：智能体按点"上班打卡"

每个 Agent 由 cron 定时唤醒（例如*/15 * * * *），醒来后按各自工作区的 HEARTBEAT.md 执行固定动作：

1. 运行clawe check查看有没有新通知；
2. 读取共享状态文件WORKING.md了解团队当前进展；
3. 有活就干、有审查任务就验收；没活就回复HEARTBEAT_OK继续睡。

这套"定时唤醒 + 检查收件箱"的模式，就是小队无需人工催办也能持续运转的核心。

任务生命周期：五段式闭环

所有任务都遵循 WORKFLOW.md 中定义的标准流程：

inbox → assigned → in_progress → review → done

其中有两个强制纪律，保证"AI 团队"不放飞：

• 交付物必须登记：所有产出文件都要通过clawe deliver注册，防止"活干完却找不到"；
• 不能自己宣布完成：执行者只能把任务推进到review，最终done必须由验收方（Clawe 或人类）批准。

Agent 之间怎么沟通？只用 CLI

Clawe 规定：智能体间通信只允许通过claweCLI，禁止用共享文件"留纸条"等旁路。这样所有协作都留痕、可追溯。常用命令速查（完整文档见 CLAWE-CLI.md）：

clawe check agent:main:main # 查看自己的通知 clawe task:create "写博客" --assign agent:inky:main --by agent:main:main clawe task:status <task-id> in_progress # 更新任务状态 clawe subtask:add <task-id> "调研竞品" # 添加子任务 clawe deliver <task-id> "./report.md" "报告" # 登记交付物 clawe squad # 查看全队状态

最优雅的是task:plan一条命令"下单"：一次性创建任务 + 描述 + 子任务 + 分派 + 通知，原子完成。比如给 Inky 派一篇博客时，可以顺手把"调研"分给 Scout、"配图"分给 Pixel——这就是"4 个 AI 智能体变成自运转小队"的关键时刻。

架构：3 个容器 + 1 个实时后端

整套系统由 docker-compose.yml 编排，结构非常清晰：

┌────────────────────────────────────────────────┐ │ DOCKER COMPOSE │ ├──────────────┬───────────────┬─────────────────┤ │ squadhub │ watcher │ clawe │ │ 智能体网关 │ 通知投递+定时 │ Web 看板 │ │ 运行4个Agent │ 心跳cron │ 任务板/聊天/状态 │ └──────┬───────┴───────┬───────┴────────┬────────┘ └───────────────┼───────────────┘ ┌──▼─────────┐ │ Convex │ │ 实时后端 │ │ 任务/通知/ │ │ Agent/活动 │ └────────────┘

• squadhub（docker/squadhub/）：Agent 网关，运行全部 4 个智能体；
• watcher（apps/watcher/src/index.ts）：每 2 秒轮询 Convex 里未送达的通知，即时推送给对应 Agent，同时每 10 秒检查定时例程是否到期；
• clawe（apps/web/）：Next.js 构建的 Web 看板，提供任务板、Agent 聊天、Live Feed 活动流；
• Convex（packages/backend/convex/）：实时后端，存放 agents、tasks、notifications 等核心数据（数据模型见 schema.ts）。

智能体工作区：AI 的"人格"与"记忆"

每个 Agent 拥有独立工作区，一套 Markdown 文件就构成了它的"灵魂"：

/data/workspace-{agent}/ ├── AGENTS.md # 行为约定 ├── SOUL.md # 身份与性格（我是谁） ├── USER.md # 我服务的人类 ├── HEARTBEAT.md # 每次醒来做什么 ├── MEMORY.md # 长期记忆 ├── TOOLS.md # 工具备忘 └── shared/ # 共享状态（软链接） ├── WORKING.md # 团队当前状态 └── WORKFLOW.md# 标准作业流程

以领队 Clawe 为例，它的 SOUL.md 明确写着"ALWAYS delegate，你是协调者不是执行者"——写作归 Inky、设计归 Pixel、调研归 Scout，领队绝不自己下场。正是这种文件即人格的设计，让多智能体团队的分工稳定可预期。

快速开始：4 步启动你的 AI 小队

前提：Docker & Docker Compose、Convex 账号（免费版即可）、Anthropic API Key。

# 1. 克隆并初始化 git clone https://gitcode.com/gh_mirrors/cla/clawe cd clawe cp .env.example .env # 2. 配置 .env（填写 SQUADHUB_TOKEN 与 CONVEX_URL） # 3. 部署 Convex 后端 pnpm install cd packages/backend && npx convex deploy cd ../.. # 4. 一键启动（自动生成令牌、校验配置、拉起容器） ./scripts/start.sh

启动后访问http://localhost:3000，即可进入看板。首次进入会有一段 onboarding 流程：Clawe 会主动分析你的网站、保存业务上下文，然后你就可以给它派活了。API Key 直接在设置页面（Settings → General → API Keys）配置，无需手改代码。

Routines：让小队按日程自动开工

除了随时派单，还可以配置定时例程（Settings → General）：按星期和小时调度，到点自动创建 inbox 任务。比如"每周一早上 9 点生成竞品周报"。系统还内置 1 小时触发窗口容错（见 routines.ts），即使容器重启错过整点也不会漏跑。

进阶：给你的小队添第 5 位成员

新增 Agent 只需 4 步：

1. 在 docker/squadhub/templates/workspaces/ 下新建工作区模板目录；
2. 在 config.template.json 的agents.list中注册新成员；
3. 在 apps/watcher/src/index.ts 的AGENTS数组里加上心跳 cron；
4. 重新构建：docker compose build && docker compose up -d。

此外还支持 Telegram 集成，把任务进展直接推送到手机上（见 apps/web/src/app/setup/telegram/）。

谁适合用 Clawe？

• 🚀独立开发者/创作者：内容生产流水线（写作 + 配图 + SEO）自动跑起来；
• 🧪AI 团队研究者：一个可直接运行的多智能体协调参考实现，架构干净、代码规范；
• 🏢想把 AI 用进业务流程的小团队：有看板、有验收、有通知，AI 团队第一次变得"可管理"。

总结

Clawe 证明了多 Agent 协作不需要神秘框架：一块 Kanban 看板、一套心跳机制、一条 CLI 通信规则、几份 Markdown 人格文件，4 个 AI 智能体就能组成一支真正自运转的小队。如果你想拥有自己的 AI 团队，不妨从部署 Clawe 开始——10 分钟内，你的"数字员工"就能上线报到。

• AI Agent
• 多智能体
• 人工智能
• AI 应用
• 任务调度
• 前端
• 后端