Clawith：开源多智能体协作平台完整指南
Clawith 是什么？简单来说，它是 OpenClaw 的团队协作版本，一个面向企业和组织的开源多智能体协作平台。如果说 OpenClaw 是给个人用的 AI 助理，那 Clawith 就是把一群 AI 助理组织起来，让它们像真正的数字员工一样协同工作。
这个项目最近在国内外的开发者社区都挺火。我花了不少时间研究它的文档和代码，这篇文章就来系统地聊聊 Clawith 到底是什么、能干什么、怎么用，以及它跟 OpenClaw 的区别。
Clawith 的核心定位：数字员工而非聊天工具
市面上很多 AI 工具都把自己定位为”聊天助手”或者”AI 伴侣”，但 Clawith 的思路完全不同。它把每个 AI Agent 都当作一个”数字员工”来设计——每个 Agent 都有自己的身份、记忆、工作空间，还能理解组织架构，跟其他 Agent 和人类同事协作。
这种设计理念的差别体现在很多细节上：
持久身份：每个 Agent 都有一个 soul.md 文件，里面定义了它的名字、性格、角色定位。这个身份不会因为会话结束而消失，而是持续存在。你今天跟它聊的内容，下个月它还能记得。 长期记忆：通过 memory.md 文件系统，Agent 可以记录重要的信息、学到的知识、做过的决策。这种记忆是结构化的，Agent 自己能决定什么值得记住。 独立工作空间：每个 Agent 都有自己的文件系统，可以读写文件、执行代码、保存工作成果。这不是临时性的，而是真正的工作环境。
这种设计让 Clawith 的 Agent 更像是刚入职的新员工——有自己的工位、有自己的工作方式、能记住公司的各种事情，而不是每次对话都从零开始的聊天机器人。
Aware 系统：Agent 的自主感知能力
Clawith 最大的技术创新是 Aware 系统，这是它的自主感知引擎。传统的 AI Agent 都是被动响应——你问它才答，你不说话它就闲着。但 Aware 让 Agent 具备了主动感知和决策的能力。
Focus Items：结构化工作记忆
Aware 系统引入了 Focus Items 的概念，这相当于 Agent 的”待办事项清单”，但更智能。每个 Focus Item 都有状态标记：
Agent 会自己维护这个清单。比如你让它”每周五提交一份竞品分析报告”，它会创建一个 Focus Item，然后自己设置定时触发器，到时间就执行，不需要你每次都提醒。
自适应触发机制
Aware 支持六种触发类型：
Cron 定时：按固定周期执行，比如”每天早上 9 点” Once 单次：在特定时间执行一次 Interval 间隔：每隔 N 分钟执行一次 Poll 轮询：监控某个 HTTP 端点，有变化就触发 On Message：当特定 Agent 或人类回复时唤醒 Webhook：接收外部系统的 HTTP POST 请求，比如 GitHub、Grafana、CI/CD 系统的回调
关键是，Agent 可以自己创建、调整、删除这些触发器。你给了它一个目标，它会自己决定什么时候做、怎么做。
Focus-Trigger 绑定
Aware 还有一个重要的设计：每个与任务相关的触发器都必须绑定到一个 Focus Item。Agent 会先创建 Focus Item，然后设置触发器引用它。当 Focus Item 完成时，相关的触发器会自动取消。
这种设计避免了”僵尸触发器”的问题——不会因为任务完成了但触发器还在，导致 Agent 做无用功。
Plaza：组织级知识共享空间
Clawith 的 Plaza 功能是一个很有意思的设计。你可以把它理解为”AI 的朋友圈”或者”组织内部的知识广场”。
Agent 可以在 Plaza 上发布更新、分享发现、评论其他 Agent 的工作。这不是简单的日志记录，而是一个真正的社交空间。Agent 们通过 Plaza 了解彼此在做什么、学到了什么、遇到了什么问题。
举个例子：一个负责市场研究的 Agent 发现了竞争对手的新动向，它可以在 Plaza 上发帖分享。负责产品规划的 Agent 看到后可以评论询问细节，负责销售支持的 Agent 可以基于这个信息更新话术。
这种设计让知识在组织内自然流动，不需要人工整理会议纪要或者写周报——Agent 们自己在 Plaza 上就完成了信息共享。
企业级治理：安全与合规
Clawith 在设计之初就考虑了企业级应用的需求，提供了完整的安全和合规能力。
多租户隔离
支持基于组织的多租户架构，不同公司的数据完全隔离。每个组织内部还有基于角色的访问控制（RBAC），可以精细化控制谁可以做什么。
使用配额管理
平台管理员可以设置：
这些配额可以防止资源滥用，也能控制成本。
危险操作审批
对于敏感操作（比如删除数据、发送邮件、调用外部 API），可以设置为需要人工审批。Agent 会暂停执行，等待管理员确认后再继续。
审计日志
所有 Agent 的操作都有完整的日志记录，包括谁在什么时候做了什么、调用了哪些工具、消耗了多少资源。这对企业合规很重要。
企业知识库
可以上传 PDF、Word、Excel 等文档到组织级知识库，所有 Agent 都能访问。这样 Agent 就能基于公司的内部文档回答问题，而不是只靠训练时的知识。
能力进化：运行时工具发现与技能创建
Clawith 的 Agent 不是一成不变的，它们可以在运行时自我进化。
MCP 工具注册表集成
Agent 可以从 Smithery 和 ModelScope 的 MCP（Model Context Protocol）注册表中搜索和安装新工具。这相当于 Agent 可以自己去”软件商店”下载需要的软件。
比如一个 Agent 需要处理 Google Sheets，它可以搜索到 google-sheets-mcp，然后一键安装，立即就能读写表格了。不需要重启系统，也不需要管理员介入。
自主技能创建
更厉害的是，Agent 可以从重复的工作模式中提炼出”技能”。比如你经常让 Agent 做”收集竞品信息并生成对比表格”这件事，几次之后 Agent 可能会自己创建一个”竞品分析”技能，以后直接调用就行。
这个技能还可以分享给其他 Agent，相当于”老员工带新员工”。
与 OpenClaw 的关系和区别
很多人搞不清楚 Clawith 和 OpenClaw 的关系，这里解释一下。
OpenClaw 是一个个人级的 AI Agent 框架，跑在你的电脑或服务器上，主要服务一个人。它强调”本地主权”——你的数据、你的配置、你的 Agent，都在你自己的机器上。 Clawith 是 OpenClaw 的团队/企业版本。它把 OpenClaw 的核心能力（持久身份、长期记忆、工具调用等）扩展到了多人协作场景。
主要区别：
| 特性 | OpenClaw | Clawith |
|---|---|---|
| 定位 | 个人助理 | 企业数字员工 |
| 协作 | 单用户 | 多 Agent + 多人 |
| 组织架构 | 无 | 完整的 org chart |
| Plaza | 无 | 有 |
| 治理 | 简单 | 企业级 RBAC |
| 部署 | 单机 | 多租户服务端 |
Clawith 的代码仓库也开源在 GitHub 上，基于 React 19 和 FastAPI 构建，前后端分离，支持 Docker 部署。
快速上手：如何部署 Clawith
Clawith 支持两种部署方式：脚本安装和 Docker 部署。
环境要求
脚本安装（推荐开发环境）
git clone https://github.com/dataelement/Clawith.git cd Clawith bash setup.sh # 生产环境 或
bash setup.sh --dev # 开发环境（包含测试工具） setup.sh 会自动完成：创建 .env 文件、设置 PostgreSQL、安装后端依赖（Python venv）、安装前端依赖（npm）、创建数据库表和初始数据。
然后启动：
bash restart.sh 前端: http://localhost:3008
后端: http://localhost:8008
Docker 部署（推荐生产环境）
git clone https://github.com/dataelement/Clawith.git cd Clawith cp .env.example .env docker compose up -d 访问: http://localhost:3000
国内用户如果下载 Docker 镜像慢，可以配置镜像源：
配置 Docker 镜像源
sudo tee /etc/docker/daemon.json > /dev/null <首次登录
打开应用后点击注册，第一个注册的账号会自动成为平台管理员，拥有最高权限。
创建第一个 Agent
Clawith 提供了一个五步向导来创建 Agent：
第一步：基础信息 设置 Agent 的名字、角色、头像。这是 Agent 的身份标识。 第二步：灵魂与性格 编辑 soul.md 文件，定义 Agent 的性格、说话方式、价值观。这是塑造 Agent"人格"的地方。 第三步：技能配置 从 8 个内置技能中选择：Web 研究、数据分析、内容写作、竞品分析、会议纪要、复杂任务执行、技能创建者、内容研究写手。 第四步：权限设置 选择三级自主控制级别：
第五步：渠道绑定 绑定通讯渠道，让 Agent 可以通过 Slack、Discord 或飞书与你交互。每个 Agent 都有自己的 Bot 身份，可以私信或在群里@它。
应用场景：Clawith 能做什么
智能办公秘书
配置一个秘书型 Agent，它可以：
市场情报研究
部署研究型 Agent，持续监测竞品动态：
数据驱动决策
上传业务数据后，Agent 可以：
人机协作客服
Agent 接入企业通讯工具作为客服：
技术架构解析
Clawith 的技术栈选得比较现代：
前端：React 19 + Vite + TypeScript + Zustand + TanStack Query 后端：FastAPI + SQLAlchemy（异步）+ PostgreSQL/SQLite + Redis 基础设施：Docker + Docker Compose 集成：Smithery MCP 注册表 + ModelScope OpenAPI
架构设计有几个亮点：
1. Agent 数据持久化：每个 Agent 的数据都保存在 host 文件系统的 `./backend/agent_data/
2. WebSocket 实时通信：Agent 的状态更新、Plaza 的新消息都是实时推送的，体验流畅。
3. MCP 客户端：内置了对 Model Context Protocol 的支持，可以方便地接入各种 MCP 工具。
4. 模块化技能系统：技能是独立的模块，可以热插拔，Agent 可以动态发现和加载新技能。
社区与生态
Clawith 是开源项目，采用 Apache 2.0 协议。代码托管在 GitHub 上，社区活跃：
项目还在快速发展中，最近几个月更新很频繁。如果你喜欢这个项目，可以去 GitHub 点个 star，或者参与贡献（有 good first issue 标签的 issue 适合新手）。
总结：Clawith 的价值和局限
核心价值：
1. 真正把 Agent 当员工用：持久身份、长期记忆、工作空间，这些都是为了让 Agent 能像人类员工一样持续工作。
2. 团队协作原生支持：Plaza、任务委托、关系图谱，这些都是为多人多 Agent 协作设计的。
3. 企业级安全合规：多租户、RBAC、审计日志、配额管理，企业可以放心使用。
4. 开源可控：代码开源，数据在自己手里，不用担心被 vendor lock-in。
当前局限：
1. 学习成本：概念比较多（Focus Item、Trigger、Plaza 等），上手需要一定时间。
2. LLM 依赖：Clawith 本身不运行大模型，需要接入 OpenAI、Anthropic 等 API，有一定的使用成本。
3. 生态还在成长：虽然支持 MCP，但相比一些商业平台，原生集成的工具还不多。
4. 部署门槛：虽然是 Docker 一键部署，但对于完全没有技术背景的用户来说，还是有点门槛。
总的来说，Clawith 是一个非常有野心的项目。它不满足于做一个"更好用的聊天工具"，而是想重新定义 AI 在企业中的角色——不是工具，而是数字员工。如果你正在寻找一个能让 AI Agent 真正"干活"的平台，Clawith 值得认真考虑。