你受够了一个人跟AI鸡同鸭讲了吗？

我最近经常这样：让Claude写代码，它写完了；让Claude Code跑测试，测试失败了；再让它修复，修复完了又冒出新的bug——无限循环，感觉自己像个中介，在两个人之间传话。

有没有可能，让AI自己组个队，自己分工，自己干活？

香港大学的研究团队最近开源了一个项目，叫ClawTeam，直接让多个AI agent自动组队给你打工。上周GitHub周增3000+星，趋势榜上直接杀到第二名。

它是怎么干活的？

简单来说，你只需要给出一个目标，比如”帮我写一个博客系统”，然后就会发生以下事情：

1. 一个Leader Agent（主导者）自动spawn出多个Worker Agent
2. 每个Worker有自己的git worktree和tmux窗口，隔离运行
3. Agent之间通过CLI命令自己协调：分配任务、汇报进度、整合结果
4. Leader实时监控，动态调整策略，哪个慢了就把资源调过去

整个过程不需要你手动管理多个agent的上下文，不用写复杂的orchestration代码。

官方给了一个例子：一位leader agent只需要执行：

clawteam spawn --team my-team --agent-name worker1 --task "Implement auth module"

Worker就会自动检查任务列表，完成后发回结果。所有通信通过命令行完成，不需要额外的消息队列或数据库。

都能干嘛？

官方列了几个典型场景：

  • 大规模自动化ML实验：8个H100 GPU上同时跑2000+实验，AI自己设计实验方案，动态调整参数
  • 全栈自主开发：多个agent分工写前端、后端、测试，自己集成
  • 对冲基金：多策略组合优化，实时风险评估
  • 内容生产工作室：写文案、剪辑、配音一条龙

关键是，它兼容任何CLI agent：Claude Code、Codex、OpenClaw、Cursor、甚至自己写的agent都行。不绑定任何特定框架。

跟现有方案有什么不同？

我查了一下市面上类似的多agent框架，差别还挺大的：

ClawTeam 其他框架
基础设施 只需文件系统 + tmux 需要Redis、消息队列、数据库
配置 pip install + 一句prompt Docker + cloud APIs + YAML
隔离方式 git worktree（真实分支、真实diff） 容器或虚拟环境
智能程度 Swarm自我组织 硬编码的编排逻辑

一句话总结：它让AI agent自己决定怎么分工，而不是我们来写死流程。

我的想法

这玩意儿让我想到一个问题：以后我们跟AI的交互方式，可能从”一人对一人”变成”一人对一群”。

以前我们跟ChatGPT聊天，是一对一。现在有了Swarm模式，你扔一个需求下去，一堆AI自己就开始内部分工、互相沟通、整合输出。

但这同时也带来一个问题：怎么信任它们？八个AI自己跑实验，自己写代码，最后给你一个结果——你知道它们是怎么得出这个结论的吗？

不过技术发展就是这样，先跑起来再说。至少现在你已经可以让AI帮你同时干好几件事了，不用再一个一个来。

Github上搜HKUDS/ClawTeam可以围观，最近还在频繁更新。有兴趣的可以去试试，看它能不能帮你省点功夫。

源代码 https://github.com/HKUDS/ClawTeam