能力标签
开源AI工作流
⚙️
Agent工作流

开源AI工作流

基于 TypeScript · 无代码搭建完整 AI 自动化流程
英文名:teamclaw
⭐ 77 Stars 🍴 14 Forks 💻 TypeScript 📄 MIT 🏷 AI 8.0分
8.0AI 综合评分
AI工作流TypeScript
✦ AI Skill Hub 推荐

经 AI Skill Hub 精选评估,开源AI工作流 获评「强烈推荐」。这款Agent工作流在功能完整性、社区活跃度和易用性方面表现出色,AI 评分 8.0 分,适合有一定技术背景的用户使用。

📚 深度解析

开源AI工作流 是一套完整的 AI Agent 自动化工作流方案。随着 AI 能力的不断提升,基于 Agent 的自动化工作流正在成为提升个人和团队效率的核心方式。区别于传统的 RPA 自动化(模拟鼠标键盘操作),AI Agent 工作流通过理解任务意图、动态规划执行路径,能够处理更复杂的非结构化任务。

开源AI工作流 工作流的设计遵循"最小配置,最大复用"原则:核心逻辑已经封装好,用户只需配置自己的 API Key 和业务参数即可快速上手。工作流内置错误处理和重试机制,在网络波动或 API 限速等情况下仍能稳定运行,适合作为生产环境的自动化基础设施。

在实际部署时,建议先在测试环境中运行 3-5 次,验证各个环节的输出结果符合预期,再部署到生产环境。AI Skill Hub 评分 8.0 分,是同类 Agent 工作流中的精选推荐。

📋 工具概览

企业级AI管理平台,提供聊天界面和对话功能

开源AI工作流 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排,将复杂的多步骤任务拆解为清晰的自动化流程,实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成,适合构建数据处理管线、业务自动化和 AI 辅助决策系统。

GitHub Stars
⭐ 77
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
MIT
AI 综合评分
8.0 分
工具类型
Agent工作流
Forks
14

📖 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」。

企业级AI管理平台,提供聊天界面和对话功能

开源AI工作流 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排,将复杂的多步骤任务拆解为清晰的自动化流程,实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成,适合构建数据处理管线、业务自动化和 AI 辅助决策系统。

📌 核心特色
  • 可视化 Agent 工作流编排,无需编写复杂代码
  • 支持多步骤自动化任务链,实现全流程无人值守
  • 与外部 API、数据库和第三方服务无缝集成
  • 内置错误处理与自动重试机制,保障稳定运行
  • 提供可复用的自动化模板,快速在同类场景部署
🎯 主要使用场景
  • 自动化日常重复性工作,将精力集中于创造性任务
  • 构建数据采集 → 处理 → 输出的完整自动化管线
  • 实现跨平台、跨系统的数据流转和业务协同
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
# 方式一:npm 全局安装
npm install -g teamclaw

# 方式二:npx 直接运行(无需安装)
npx teamclaw --help

# 方式三:项目依赖安装
npm install teamclaw

# 方式四:从源码运行
git clone https://github.com/szsip239/teamclaw
cd teamclaw
npm install
npm start
📋 安装步骤说明
  1. 访问 GitHub 仓库获取工作流文件
  2. 在对应平台(Dify / Flowise / Make 等)中找到「导入工作流」功能
  3. 上传工作流文件
  4. 按照提示配置必要的环境变量和 API Key
  5. 运行测试确认流程正常后投入使用
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
# 命令行使用
teamclaw --help

# 基本用法
teamclaw [options] <input>

# Node.js 代码中使用
const teamclaw = require('teamclaw');

const result = await teamclaw.run(options);
console.log(result);
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
# teamclaw 配置说明
# 查看配置选项
teamclaw --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 TEAMCLAW_CONFIG="/path/to/config.yml"
📑 README 深度解析 真实文档 完整度 61/100 含工作流图 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

<p align="center"> <img src="docs/screenshots/cover.png" alt="TeamClaw Cover" width="800"> </p>

<p align="center"> <h1 align="center">TeamClaw</h1> <p align="center">Enterprise AI Agent Operations Platform</p> <p align="center">企业级多实例 · 多租户 · 多 Agent · 多 Runtime 管理平台</p> </p>

<p align="center"> <a href="LICENSE"><img src="https://img.shields.io/badge/license-MIT-blue.svg" alt="License"></a> <a href="https://nodejs.org/"><img src="https://img.shields.io/badge/node-%3E%3D20-green.svg" alt="Node.js"></a> <a href="https://github.com/szsip239/teamclaw/releases"><img src="https://img.shields.io/github/v/release/szsip239/teamclaw" alt="Release"></a> </p>

<p align="center"> <a href="#中文">中文</a> | <a href="#english">English</a> </p>

---

<a id="中文"></a>

核心能力

  • 多实例和多租户:托管 Docker 实例、外部 gateway、部门隔离、RBAC、审计日志。
  • 多 Agent 工作台:跨实例 Agent 浏览、创建、克隆、重命名、文件编辑和运行状态展示。
  • Chat 体验:流式回复、工具过程、阶段回复、图片附件、文件下载、后台完成提醒。
  • Skills 管理:ClawHub 搜索、安装、升级、本地编辑和实例自动发现。
  • 模型资源:Provider variants、API Key 加密存储、默认模型、OpenClaw/Pi 同步推送。
  • 知识库:PDF/DOCX/Excel 上传,Postgres FTS + pgvector + RRF 混合检索,PDF 页码预览。
  • 工具箱:法规追踪、舆情监控等企业辅助工具入口。

v0.6.0 Highlights

  • Multi-runtime Chat: OpenClaw-compatible and Pi runtimes share one chat surface with runtime icons, model display, and background status.
  • Pi Agent Runtime: Added Pi sessions, streaming replies, charts/file artifacts, model config sync, and secured gateway access.
  • OpenClaw 6.6 / v4 protocol: Locked to gateway protocol v4 and refactored tool progress, staged replies, hidden thinking, and error completion states.
  • Reliable artifacts: Generated files are normalized into session output, duplicate filenames are auto-numbered, and send/history/queue share download-link finalization.
  • Model and resource sync: Provider variants, OpenClaw/Pi model push, and selectable low / medium / xhigh thinking levels.
  • Agent workspace UX: Long-press rename, running indicators, unread/error badges, background completion notices, and recent-session ordering fixes.

Core Capabilities

  • Multi-instance and multi-tenant operations: managed Docker instances, external gateways, RBAC, department isolation, audit logs.
  • Multi-agent workspace: browse, create, clone, rename, edit files, and monitor runtime status across instances.
  • Chat workflow: streaming replies, tool progress, staged replies, image attachments, file downloads, background completion reminders.
  • Skills management: ClawHub search/install/update, local editing, and automatic instance discovery.
  • Model resources: provider variants, encrypted API keys, default models, OpenClaw/Pi model push.
  • Knowledge base: PDF/DOCX/Excel upload, Postgres FTS + pgvector + RRF hybrid retrieval, PDF page preview.
  • Toolbox: enterprise utilities such as regulation tracking and public-opinion monitoring.

快速开始

TeamClaw 依赖 PostgreSQL、Redis、RAG service 和 Docker socket,不支持单独 docker run 启动。生产或试用请优先使用 setup.sh

生产/试用部署

前置要求:

  • Docker 与 Docker Compose v2
  • gitopensslcurl
  • Linux 上运行脚本的用户需要能访问 Docker daemon
git clone https://github.com/szsip239/teamclaw.git
cd teamclaw
bash setup.sh

setup.sh 会完成:

  • .env.example 创建 .env
  • 只在空值或占位符时生成 JWT、加密密钥、数据库密码、RAG 内部密钥和初始管理员密码;复跑时保留已有值
  • 自动设置 TEAMCLAW_DATA_DIR,Linux 下自动检测 DOCKER_GID
  • 可选配置 Nginx HTTPS
  • 启动 docker-compose.prod.yml,运行数据库迁移和 seed
  • 检查 Web 服务是否可访问

访问 http://localhost:3100。初始管理员邮箱和密码会在 setup.sh 完成时打印,也会写入 .env

  • INITIAL_ADMIN_EMAIL
  • INITIAL_ADMIN_PASSWORD

手动生产部署

仅当你不想使用交互式脚本时使用。请先准备好 .env 中的密钥、端口和数据目录:

```bash cp .env.example .env node scripts/generate-keys.mjs --write

Production / Trial Deployment

Requirements:

  • Docker and Docker Compose v2
  • git, openssl, curl
  • On Linux, the current user must be able to access the Docker daemon
git clone https://github.com/szsip239/teamclaw.git
cd teamclaw
bash setup.sh

setup.sh will:

  • Create .env from .env.example
  • Generate JWT/encryption secrets, database password, RAG internal secret, and initial admin password only when values are missing or placeholders; reruns preserve existing values
  • Set TEAMCLAW_DATA_DIR and auto-detect DOCKER_GID on Linux
  • Optionally configure Nginx HTTPS
  • Start docker-compose.prod.yml, run DB migrations, and seed the admin user
  • Verify that the web app responds

Open http://localhost:3100. The initial admin email and password are printed by setup.sh and written to .env:

  • INITIAL_ADMIN_EMAIL
  • INITIAL_ADMIN_PASSWORD

Manual Production Deployment

Use this only if you do not want the interactive setup script:

```bash cp .env.example .env node scripts/generate-keys.mjs --write

首次使用流程

  1. 进入 资源管理,创建模型资源并设置默认模型。
  2. 进入 实例管理,创建 Docker 实例或接入外部 gateway。默认普通 runtime 镜像是 alpine/openclaw:2026.6.6-browser
  3. 实例上线后进入 AI 对话,选择 Agent 开始对话。
  4. 需要知识库时,在 知识库 页面配置 RAG LLM、Embedding、Rerank 和 PaddleOCR。
  5. 需要 Skills 时,在 Skills 管理 中搜索、安装或编辑。

Quick Start

TeamClaw requires PostgreSQL, Redis, the RAG service, and Docker socket access. Standalone docker run is not supported. Use setup.sh for production or trial deployments.

界面截图


仪表盘

AI 对话

Agent 管理

Skills 管理

实例管理

配置编辑器

Screenshots


Dashboard

AI Chat

Agent Management

Skills

Instance Management

Config Editor

编辑 .env:TEAMCLAW_DATA_DIR、可选 Nginx 证书配置

docker compose -f docker-compose.prod.yml up -d --build docker compose -f docker-compose.prod.yml logs -f app


启用 Nginx HTTPS 时,把证书放到 `nginx/cert/`,设置 `.env` 中的 `NGINX_*`,再启动:
bash docker compose -f docker-compose.prod.yml --profile nginx up -d --build ```

如果目标主机已有其他反向代理占用 80/443,不要直接启用 TeamClaw 的 nginx profile。应改用现有反向代理转发到 TeamClaw app 端口,或设置不冲突的 NGINX_HTTP_PORT / NGINX_HTTPS_PORT

用户必须关心的配置

配置说明
JWT_PRIVATE_KEY / JWT_PUBLIC_KEY / ENCRYPTION_KEYsetup.shnode scripts/generate-keys.mjs --write 生成;上线后不要随意轮换
POSTGRES_PASSWORD / RAG_SERVICE_SECRETsetup.shnode scripts/generate-keys.mjs --write 生成;不要使用固定公开值
INITIAL_ADMIN_EMAIL / INITIAL_ADMIN_PASSWORD只在首次 seed 创建管理员时使用;已有管理员复跑时不会被重置
TEAMCLAW_DATA_DIR托管 runtime 的宿主机数据目录,必须是绝对路径
DOCKER_SOCKET_PATH / DOCKER_GIDTeamClaw 管理 Docker runtime 所需;setup.sh 会尽量自动检测
DEFAULT_OPENCLAW_IMAGE新建普通 runtime 的默认镜像,默认 alpine/openclaw:2026.6.6-browser

更细的 RAG 并发、OCR、Embedding 维度和模型预算参数请看 .env.example;多数用户应该优先在后台 UI 配置。

Edit .env: TEAMCLAW_DATA_DIR, optional Nginx settings

docker compose -f docker-compose.prod.yml up -d --build docker compose -f docker-compose.prod.yml logs -f app


For Nginx HTTPS, place certificates under `nginx/cert/`, configure `NGINX_*` in `.env`, then run:
bash docker compose -f docker-compose.prod.yml --profile nginx up -d --build ```

If another reverse proxy already owns 80/443 on the target host, do not enable TeamClaw's nginx profile with default ports. Route the existing proxy to the TeamClaw app port, or set non-conflicting NGINX_HTTP_PORT / NGINX_HTTPS_PORT.

Configuration You Actually Need

ConfigNotes
JWT_PRIVATE_KEY / JWT_PUBLIC_KEY / ENCRYPTION_KEYGenerated by setup.sh or node scripts/generate-keys.mjs --write; do not rotate casually after deployment
POSTGRES_PASSWORD / RAG_SERVICE_SECRETGenerated by setup.sh or node scripts/generate-keys.mjs --write; do not use fixed public values
INITIAL_ADMIN_EMAIL / INITIAL_ADMIN_PASSWORDUsed only when seed creates the first admin user; reruns preserve an existing admin password
TEAMCLAW_DATA_DIRAbsolute host path for managed runtime data
DOCKER_SOCKET_PATH / DOCKER_GIDRequired for TeamClaw to manage Docker runtimes; setup.sh auto-detects where possible
DEFAULT_OPENCLAW_IMAGEDefault normal runtime image, alpine/openclaw:2026.6.6-browser

Detailed RAG concurrency, OCR, embedding dimension, and model-budget variables live in .env.example. Most users should configure RAG from the admin UI first.

🇨🇳 中文文档镜像 AI 翻译 2026-07-07
英文原文章节由系统翻译为中文摘要,便于快速理解。完整原文见上方 "📑 README 深度解析"。
📌 简介

TeamClaw 是一个企业级的 OpenClaw AI Agent 管理平台。它旨在为企业提供统一的 AI 智能体调度与管理能力,通过可视化的界面,帮助用户高效地管理、部署和运行各类 AI Agent,实现从对话交互到复杂任务自动化的全流程管控。

⚡ 功能介绍

平台提供强大的 AI 对话功能,支持流式输出、思考过程展示及多会话管理;Agent 管理模块支持跨实例克隆与三级分类体系,并提供可视化编辑器;Skills 市场深度集成 ClawHub,支持技能包的搜索与安装;此外,平台还内置了强大的知识库(RAG)系统与工具箱,支持多模态文档处理与实时舆情监控。

🛠 安装步骤(Docker/pip/源码)

推荐使用 Docker Compose 进行部署。由于 TeamClaw 强依赖 PostgreSQL 和 Redis,请勿使用单独的 `docker run` 命令。开发者只需克隆仓库并运行 `bash setup.sh` 脚本,即可自动完成密钥生成、Nginx HTTPS 配置、数据库初始化及容器启动。在 Linux 环境下,请确保正确配置 `DOCKER_SOCKET_PATH` 以便管理容器。

🚀 使用教程

部署完成后,请通过浏览器访问 `http://localhost:3100` 并使用默认管理员账号登录。首次使用前,请务必完成 `.env` 文件的配置,并根据引导创建模型资源。建议先配置好模型 Provider,再进行 Agent 实例的创建与对话测试,以确保整个 AI 工作流的顺畅运行。

⚙️ 配置说明(含 MCP / env)

配置过程主要通过 `.env` 文件完成。系统使用 `setup.sh` 自动生成 JWT 和加密密钥,若手动配置,请运行 `node scripts/generate-keys.mjs`。配置重点在于模型资源的接入,平台支持 Anthropic (Claude 系列) 和 OpenAI 等 25 个内置 Provider。若涉及知识库功能,需特别注意 `RAG_SERVICE_SECRET` 与 `PGVECTOR_EMBED_DIM` 等参数的准确性。

🔄 工作流/模块

平台集成了先进的 RAG(检索增强生成)工作流。用户可以通过后台界面或 `.env` 环境变量配置 LLM、Embedding、Rerank 及 PaddleOCR 凭据。系统支持 PDF/DOCX 等多种格式的上传,并利用 FTS、向量检索与 RRF 混合检索技术,结合流式问答能力,实现精准的文档知识检索与问答体验。

🎯 aiskill88 AI 点评 A 级 2026-06-20

高质量的开源AI工作流管理平台

📚 实用指南(长尾问题)
适合谁
  • 构建多智能体协作系统的 Agent 开发者
  • 构建企业知识库 / RAG 检索应用的团队
  • 需要从图片、PDF 提取文字的文档自动化场景
  • 跨境业务、多语言内容运营团队
最佳实践
  • 生产部署优先使用 Docker Compose 隔离依赖,并挂载 volume 持久化数据
  • 本地部署优先选 GGUF 量化模型,节省显存并保持响应速度
  • 分块大小建议 256-512 tokens,向量库优选 pgvector 或 Qdrant
  • Agent 任务先做 dry-run 验证工具调用链,再开启自主执行
常见错误
  • API key 直接提交到 git 仓库(请用 .env 并加入 .gitignore)
  • 容器内无法访问宿主机 localhost — 使用 host.docker.internal
  • embedding 模型与查询模型不一致导致检索失效
  • 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
部署方案
  • Docker:teamclaw 提供官方镜像,docker compose up 一键启动
  • CLI:直接 npm install -g / pip install,命令行调用
  • 本地部署:CPU 8GB 起,GPU 推荐 16GB+ 显存
  • 云端托管:可放在 Vercel / Railway / Fly.io 等 PaaS 平台
相关搜索
teamclaw 中文教程teamclaw 安装报错怎么办teamclaw Docker 部署teamclaw Agent 工作流teamclaw 与同类工具对比teamclaw 最佳实践teamclaw 适合谁用

⚡ 核心功能

👥 适合谁
  • 构建多智能体协作系统的 Agent 开发者
  • 构建企业知识库 / RAG 检索应用的团队
  • 需要从图片、PDF 提取文字的文档自动化场景
  • 跨境业务、多语言内容运营团队
⭐ 最佳实践
  • 生产部署优先使用 Docker Compose 隔离依赖,并挂载 volume 持久化数据
  • 本地部署优先选 GGUF 量化模型,节省显存并保持响应速度
  • 分块大小建议 256-512 tokens,向量库优选 pgvector 或 Qdrant
  • Agent 任务先做 dry-run 验证工具调用链,再开启自主执行
⚠️ 常见错误
  • API key 直接提交到 git 仓库(请用 .env 并加入 .gitignore)
  • 容器内无法访问宿主机 localhost — 使用 host.docker.internal
  • embedding 模型与查询模型不一致导致检索失效
  • 显存不足直接 OOM — 优先降低 context 或换更小的量化模型

👥 适合人群

自动化工程师和运维人员项目经理和业务分析师希望减少重复性工作的专业人士数字化转型团队

🎯 使用场景

  • 自动化日常重复性工作,将精力集中于创造性任务
  • 构建数据采集 → 处理 → 输出的完整自动化管线
  • 实现跨平台、跨系统的数据流转和业务协同

⚖️ 优点与不足

✅ 优点
  • +MIT 协议,可免费商用
  • +大幅减少重复性人工操作
  • +可视化流程,清晰直观
  • +可扩展性强,支持复杂场景
⚠️ 不足
  • 初始配置和调试需投入一定时间
  • 强依赖外部服务的稳定性
  • 复杂场景需具备一定技术基础
⚠️ 使用须知

AI Skill Hub 为第三方内容聚合平台,本页面信息基于公开数据整理,不对工具功能和质量作任何法律背书。

建议在沙箱或测试环境中充分验证后,再部署至生产环境,并做好必要的安全评估。

📄 License 说明

✅ MIT 协议 — 最宽松的开源协议之一,可自由商用、修改、分发,仅需保留版权声明。

🔗 相关工具推荐

📚 相关教程推荐
📰 相关 AI 新闻
🍿 AI 圈相关吃瓜
🗺️ 相关解决方案
🧩 你可能还需要
基于当前 Skill 的能力图谱,自动补全的工具组合

❓ 常见问题 FAQ

teamclaw 是一款TypeScript开发的AI辅助工具。开源AI工作流:Enterprise OpenClaw AI Agent Management Platform 企业级🦞openclaw管理平台。原生提供聊天界面,提供对话。⭐77 · TypeScript 主要应用场景包括:自动化工作流管理。
💡 AI Skill Hub 点评

AI Skill Hub 点评:开源AI工作流 的核心功能完整,质量优秀。对于自动化工程师和运维人员来说,这是一个值得纳入个人工具库的选择。建议先在非生产环境试用,再逐步推广。

⬇️ 获取与下载
⬇ 下载源码 ZIP

✅ MIT 协议 · 可免费商用 · 直接从 aiskill88 服务器下载,无需跳转 GitHub

📚 深入学习 开源AI工作流
查看分步骤安装教程和完整使用指南,快速上手这款工具
🌐 原始信息
原始名称 teamclaw
原始描述 开源AI工作流:Enterprise OpenClaw AI Agent Management Platform 企业级🦞openclaw管理平台。原生提供聊天界面,提供对话。⭐77 · TypeScript
Topics AI工作流TypeScript
GitHub https://github.com/szsip239/teamclaw
License MIT
语言 TypeScript
🔗 原始来源
🐙 GitHub 仓库  https://github.com/szsip239/teamclaw

收录时间:2026-06-20 · 更新时间:2026-06-20 · License:MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。

📺 订阅 AI Skill Hub Daily Telegram 频道
每天 8 条精选 AI Skill、MCP、Agent 与自动化工具推送
加入频道 →