📄 工具详情 ⚙️ 安装教程 📚 使用教程

能力标签

🤖 Agent 🔄 工作流 🐳 Docker 💻 CLI 🧬 Embedding 📚 RAG 🧠 Claude ✨ GPT 🖥 本地 LLM

💬

Prompt模板

ClawAI

基于 TypeScript · 专业级提示词模板，解锁 AI 的真实潜力

⭐ 17 Stars 🍴 1 Forks 💻 TypeScript 📄 Apache-2.0 🏷 AI 8.0分

8.0AI 综合评分

aiai-agentstypescript

⬇ 下载源码 ZIP ⚙️ 配置说明

✦ AI Skill Hub 推荐

ClawAI 是 AI Skill Hub 本期精选Prompt模板之一。综合评分 8.0 分，整体质量较高。我们强烈推荐将其纳入你的 AI 工具库，帮助提升工作效率。

📚 深度解析

ClawAI 是经过精心设计和实践验证的专业 Prompt 模板。Prompt 工程（Prompt Engineering）是充分发挥 Claude、ChatGPT 等大型语言模型潜力的关键技能，而一套经过优化的 Prompt 模板可以将 AI 输出质量提升数倍。

优质 Prompt 模板的核心价值在于其结构化设计：明确的角色设定、精确的任务描述、具体的输出格式要求和必要的边界条件，这些要素共同构成了一个能够持续产出高质量结果的 Prompt 框架。ClawAI 提供的模板经过反复迭代和用户验证，能够有效减少 AI 的"幻觉"（Hallucination）和输出不稳定问题。

无论你使用 Claude 3.5 Sonnet、GPT-4、Gemini 还是国内的文心一言、智谱 AI，优质的 Prompt 设计都能跨模型复用。AI Skill Hub 建议将本模板保存为个人 Prompt 库的标准组件，根据具体场景调整参数后反复使用，形成自己的 AI 提效工作流。

📋 工具概览

ClawAI 是经过精心设计和反复验证的专业 Prompt 模板集合。这些 Prompt 框架能够有效激活 Claude、ChatGPT 等大型语言模型的深层能力，让 AI 生成更准确、更有价值的输出结果。无需任何安装，直接复制模板内容到 AI 对话框即可使用。

GitHub Stars

⭐ 17

开发语言

TypeScript

支持平台

Windows / macOS / Linux

维护状态

轻量级项目，按需更新

开源协议

Apache-2.0

AI 综合评分

8.0 分

工具类型

Prompt模板

Forks

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

📌 核心特色

精心设计的 Prompt 框架，快速激活 AI 的深层能力
支持参数化替换，灵活适配多种业务场景
经过反复验证的指令结构，显著提升 AI 输出质量和一致性
适用于 Claude、ChatGPT 等主流大语言模型
可作为团队标准 Prompt 模板复用和二次开发

🎯 主要使用场景

快速生成高质量的专业文案、分析报告或结构化内容
利用 Prompt 框架引导 AI 解决特定领域的复杂问题
在不同 AI 工具间复用经过验证的提示词模板

以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。

安装命令

# Prompt 无需安装，直接复制使用
# 支持：Claude / ChatGPT / Gemini / 通义千问 等主流模型

# 使用步骤
# 1. 复制 Prompt 模板内容
# 2. 粘贴到 AI 对话框
# 3. 替换 [占位符] 为实际内容
# 4. 发送后获取结构化输出

# 获取原始文件
git clone https://github.com/ihabkhaled/ClawAI

📋 安装步骤说明

复制本工具的 Prompt 模板内容
打开 Claude、ChatGPT 或其他 AI 对话工具
将 Prompt 粘贴到对话框开头
根据实际需求替换 [占位符] 中的内容
发送后 AI 将按照模板格式执行，获得结构化输出

以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。

常用命令 / 代码示例

# 粘贴到 Claude/ChatGPT 使用
# 示例 Prompt 结构：

你是一位 [角色]，擅长 [领域]。
请根据以下要求完成任务：

任务背景：[描述背景]
具体要求：[详细说明]
输出格式：[期望格式]

# 将 [] 内内容替换为实际需求

以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。

配置示例

# clawai 配置说明
# 查看配置选项
clawai --config-example > config.yml

# 常见配置项
# output_dir: ./output
# log_level: info
# workers: 4

# 环境变量（覆盖配置文件）
export CLAWAI_CONFIG="/path/to/config.yml"

📑 README 深度解析真实文档完整度 44/100 查看 GitHub 原文 →

以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

简介

   _____ _
  / ____| |
 | |    | | __ ___      __
 | |    | |/ _` \ \ /\ / /
 | |____| | (_| |\ V  V /
  \_____|_|\__,_| \_/\_/

Architecture Overview

Browser
  |
  v
Next.js Frontend (:3000)
  |
  v
Nginx Reverse Proxy (:4000)
  |
  +--> Auth (:4001) -------------> PostgreSQL claw_auth (:5441)
  +--> Chat (:4002) -------------> PostgreSQL claw_chat (:5442)
  +--> Connector (:4003) --------> PostgreSQL claw_connectors (:5443)
  +--> Routing (:4004) ----------> PostgreSQL claw_routing (:5444)
  +--> Memory (:4005) -----------> PostgreSQL claw_memory (:5445, pgvector)
  +--> File (:4006) -------------> PostgreSQL claw_files (:5446)
  +--> Audit (:4007) ------------> MongoDB claw_audit (:27018)
  +--> Ollama Service (:4008) ---> PostgreSQL claw_ollama (:5447)
  +--> Health (:4009) -----------> Aggregated service health
  +--> Client Logs (:4010) ------> MongoDB claw_client_logs (:27018)
  +--> Server Logs (:4011) ------> MongoDB claw_server_logs (:27018)
  +--> Image (:4012) ------------> PostgreSQL claw_images (:5448)
  +--> File Generation (:4013) --> PostgreSQL claw_file_generations (:5449)
  +--> Agent (:4015) ------------> PostgreSQL claw_agent (:5451)
  +--> Research (:4016) ---------> PostgreSQL claw_research (:5452)
  +--> Workspace (:4014) --------> PostgreSQL claw_workspace (:5450)
  +--> Llamacpp (:4017) ---------> PostgreSQL claw_llamacpp (:5440)
                                   + llamacpp-data volume (binary + GGUF weights)

Shared infrastructure:
  - RabbitMQ (:5672 / :15672)
  - Redis (:6380)
  - Ollama runtime (:11434)
  - ClamAV (:3310)

Key Features

Multi-provider routing -- OpenAI, Anthropic, Google Gemini, AWS Bedrock, DeepSeek, xAI, and local models via Ollama
Intelligent model routing -- A local judge model selects the best provider/model for each request based on task characteristics, connector health, and learned priors from routing telemetry and replay data
Local-first architecture -- Run entirely on your own hardware with Ollama; cloud providers are optional
Microservices backend -- 16 independent NestJS services with fault isolation and independent scaling
Secure secret management -- Connector API keys encrypted at rest with AES-256-GCM
Chat interface -- Threaded conversations with full message history
Memory and context packs -- Persistent memory and embeddings for contextual conversations
File processing -- Upload, chunk, and index files for retrieval-augmented generation
Advanced chat orchestration -- Parallel compare, consensus, escalation chains, repair, best-of-n, verification, role packs, and pipelines
Routing replay and judge review -- Replay Lab and judge/referee flows help tune routing quality over time
Workspace grounding -- External connector sync, search, and approval-style actions through the workspace service
Desktop agent runtime -- Local CLI sessions, human-approved terminal commands, repository registration, and file-system event reporting
Image and file generation -- Dedicated services for image output and downloadable document/file generation
Operational visibility -- Aggregated health, audit logging, usage ledgers, client logs, and server logs
Role-based access control -- Admin, operator, and viewer roles with JWT authentication
Monorepo structure -- Frontend, 16 backend services, and 4 shared packages using npm workspaces