InternScience/DrClaw

最近记录的来源活动: 2026年3月19日 10:46

SkillsMP 收录数据更新: 2026年10月29日 18:30

已收集 skills: 298

GitHub 星标: 172
GitHub Forks: 10

用 AI 助手安装

复制这段 Prompt，发给你正在使用的 AI 助手。

Follow https://skillsmp.com/skill-install/prompt.md to install Agent Skills from https://github.com/InternScience/DrClaw.

仓库 README

仓库 README 来源：README.md

查看 README 源文件

展开完整 README

<div align="center"> <img src="assets/banner1.png" width="80%" /> # 龙虾博士 - DrClaw  [![Python 3.10+](https://img.shields.io/badge/python-3.10%2B-blue.svg)](https://www.python.org/downloads/) [![License: MIT](https://img.shields.io/badge/license-MIT-green.svg)](LICENSE) ![Skills: 244](https://img.shields.io/badge/skills-244-purple.svg) ![Agent Templates: 13](https://img.shields.io/badge/agent%20templates-13-orange.svg)  > 虾做科研，不瞎做 ### 你的7✖️24小时AI科研团队 -- 减少重复劳动，专注思考创造 ### 不能帮你拿到博士学位，但能让你轻松许多 <figure> <img src="assets/UI3.png" alt="DrClaw UI" /> </figure> </div> [**中文**](./README.md) | [**English**](./README_en.md) 文档入口：[用户手册](./docs/USER_MANUAL.md) 微信群聊邀请二维码： <img src="assets/demos/wechat_group.png" alt="DrClaw 微信群聊邀请二维码" width="320" /> ## 开工大吉建造实验室 ```bash bash <(curl -fsSL https://raw.githubusercontent.com/qzzqzzb/drclaw/main/install.sh) ``` 安装完成后，[配置 LLM API](#配置)以启动。 ## 目录 - [DrClaw: 你的7✖️24科研团队](#drclaw-你的724科研团队) - [快速上手](#快速上手) - [使用案例](#使用案例) - [项目结构](#项目结构) - [特点](#特点) - [安全防护](#安全防护) - [配置](#配置) - [测试中功能](#测试中功能) - [使用](#使用) - [Roadmap / Todo](#roadmap--todo) - [测试](#测试) - [附录](#附录) ## DrClaw: 你的7✖️24科研团队 DrClaw不能： - ❌ 产生科研兴趣 - ❌ 给你发博士录取通知书 - ❌ 答辩 - ❌ 授予你博士学位 - ❌ 在院士评选中投票给你 DrClaw可以： - ✅ 让你专注于你真正感兴趣的科研，节省你花费在科研杂活上的时间 - ✅ 在你收到录取通知书的时候告诉你 - ✅ 帮你在答辩前整理成果，下载论文模版，提醒你格式有错误 - ✅ 换个title称呼你 - ✅ 有一定概率增大你参与评选的概率还可以： - ✅ 自动搜集、推送你可能感兴趣的最新论文，免去你一篇一篇翻阅的烦恼。 - ✅ 编写、修改实验代码，并监控实验进度，完成式自动告知你结果如何。 - ✅ 解决繁琐的文案工作 -- 在组会前没时间做ppt写报告？让DrClaw基于你的项目进展，自动生成。 - ✅ 在科研压力山大时和虾摸玩个小游戏，放松一下科研效率更高。 - ✅ 节省你的时间去思考更重要的事情，而不是在不得不做的琐事中迷失自己。 DrClaw内置了10+个开箱即用的各式智能体，基于200+科研技能提供多维度的科研支持，让你在几分钟内就可以组建自己的科研支持团队，招贤纳虾： | 分类 | 智能体 | | :--- | :--- | | 通用科研 | 虾看论文 <img src="./assets/avatars/18.png" alt="虾看论文" height="36" />，脑洞虾，虾跑实验 <img src="./assets/avatars/3.png" alt="虾跑实验" height="36" /> | | 学科专用 | 虾顿 <img src="./assets/avatars/0.png" alt="虾顿" height="36" />（物理），拉瓦虾 <img src="./assets/avatars/1.png" alt="拉瓦虾" height="36" />（化学），高蛋白深海虾（蛋白组学），基因虾 <img src="./assets/avatars/4.png" alt="基因虾" height="36" />（基因组学），地科虾（地球科学），我不是药虾 <img src="./assets/avatars/5.png" alt="我不是药虾" height="36" />（药学）。。。。 | | 科研杂活 | 虾报告 <img src="./assets/avatars/6.png" alt="虾报告" height="36" />，虾写本子，虾做ppt，虾记录 | | 情感陪伴 | 虾摸，虾夸，虾猫 <img src="./assets/avatars/19.png" alt="虾猫" height="36" /> | ## 快速上手 ### 你可以从智能体商店中一键导入预设智能体，迅速搭建自己的科研工作流： <a href="https://youtu.be/aKUg_n3uw9k"> <img src="https://img.youtube.com/vi/aKUg_n3uw9k/hqdefault.jpg" alt="从智能体商店一键导入预设模版，迅速搭建科研工作流" height="384" /> </a>  ## 使用案例作为PI，你只需要对秘书说出你想做什么： ### 让学生找一下最新的论文 <a href="assets/demos/paper_report1.png"> <img src="assets/demos/paper_report1.png" alt="让学生找一下最新的论文示例 1" height="320" /> </a> <a href="assets/demos/papre_report2.png"> <img src="assets/demos/papre_report2.png" alt="让学生找一下最新的论文示例 2" height="320" style="margin-left: 8px;" /> </a> ### 让 agent 接入远程服务器运行实验，并在完成后回传结果： <a href="assets/demos/exp_xiami_hor.png"> <img src="assets/demos/exp_xiami_hor.png" alt="Agent 接入远程服务器运行实验并汇报结果示例 1" height="260" /> </a> <a href="assets/demos/exp_ssh_hor.png"> <img src="assets/demos/exp_ssh_hor.png" alt="Agent 接入远程服务器运行实验并汇报结果示例 2" height="260" /> </a> ### 使用InternAgent平台完成ENSO模型比较，直接生成论文中可用图片 <a href="assets/demos/demo-internagent-enso.gif"> <img src="assets/demos/demo-internagent-enso.gif" alt="使用 InternAgent 平台完成 ENSO 模型比较并直接生成论文可用图片" height="420" /> </a> ### 基于已有成果进行基金申请书的写作 <a href="assets/demos/proposal_writing_agent.png"> <img src="assets/demos/proposal_writing_agent.png" alt="基于已有成果进行基金申请书写作示例 1" height="320" /> </a> <a href="assets/demos/proposal_writing_res.png"> <img src="assets/demos/proposal_writing_res.png" alt="基于已有成果进行基金申请书写作示例 2" height="320" style="margin-left: 8px;" /> </a>  ### 稍微放松一下，和虾摸一起摸个鱼 <a href="assets/demo-xiamo.gif"> <img src="assets/demo-xiamo.gif" alt="和虾摸一起摸个鱼" height="420" /> </a> ## 项目结构 ``` ┌─────────────────────────────────────────────────────────────┐ │ Frontends │ │ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌────────────┐ │ │ │ CLI │ │ Web UI │ │ Feishu │ │ Tauri │ │ │ │ (REPL) │ │ (aiohttp)│ │ (lark) │ │ (desktop) │ │ │ └────┬─────┘ └────┬─────┘ └────┬─────┘ └─────┬──────┘ │ └───────┼──────────────┼─────────────┼──────────────┼─────────┘ │ │ │ │ ▼ ▼ ▼ ▼ ┌─────────────────────────────────────────────────────────────┐ │ Message Bus │ │ (topic-based pub/sub routing) │ │ │ │ inbound ──► per-topic queues ──► agents │ │ outbound ◄── fan-out to all frontend subscribers │ └──────┬──────────────┬──────────────────────┬────────────────┘ │ │ │ ▼ ▼ ▼ ┌─────────────┐ ┌─────────────┐ ┌───────────────────┐ │ Assistant │ │ Student │ │ Equipment │ │ (main) │ │ (proj:id) │ │ (equip:proto:n) │ │ │ │ │ │ │ │ • routing │ │ • execution │ │ • stateless │ │ • projects │ │ • memory │ │ • max 20 iters │ │ • equipment │ │ • skills │ │ • report back │ │ • env/cron │ │ • workspace │ │ │ └──────┬──────┘ └──────┬──────┘ └───────────────────┘ │ │ │ route_to │ use_equipment │ ──────────► │ ──────────────► Equipment │ │ ▼ ▼ ┌─────────────────────────────────────────────────────────────┐ │ Daemon (Kernel) │ │ │ │ ┌──────────────┐ ┌───────────┐ ┌──────────────────────┐ │ │ │ AgentRegistry│ │CronService│ │EquipmentRuntimeMgr │ │ │ │ (lifecycle) │ │(scheduler)│ │spawn, monitor, limit │ │ │ └──────────────┘ └───────────┘ └──────────────────────┘ │ └─────────────────────────────────────────────────────────────┘ ``` ### 工作区布局 ``` ~/.drclaw/ ├── config.json # Global configuration ├── projects.json # Project registry ├── SOUL.md # Assistant persona ├── cron/jobs.json # Scheduled jobs ├── skills/ # Global skills (user-installed) ├── local-skill-hub/ # Reusable skill templates ├── equipments/ # Equipment prototypes + skills ├── sessions/ # Assistant session history └── projects/ └── {project_id}/ ├── MEMORY.md # Long-term facts (LLM-rewritten) ├── HISTORY.md # Append-only log ├── sessions/ # Student session history └── workspace/ # Sandboxed read/write area ├── SOUL.md # Student persona └── skills/ # Project-specific skills ``` ### 技术栈 | Layer | Technology | |-------|-----------| | Language | Python 3.10+ | | LLM | litellm (provider-agnostic) | | CLI | typer + prompt_toolkit + rich | | State | JSON + Markdown (SQLite deferred) | | Skills | Markdown-driven SKILL.md, OpenClaw compatible | | Desktop | Tauri v2 + React 19 | | Frontends | Web (aiohttp), Feishu (lark-oapi), macOS tray (pystray) | ## 特点 ### 微内核 - 内核主要负责意图转发、上下文管理，以及维护用户、智能体、前端的异步通信。 ### 项目级别隔离 - 每个科研项目都有独立的工作区，负责的智能体只对该工作区有管理权限 ### 结构化记忆管理 - **全局**: 项目注册和元数据存储，由秘书智能体负责 - **项目级别**: `MEMORY.md` (长期记忆) + `HISTORY.md` (日志) ### 技能系统 - 本地技能库 (`~/.drclaw/local-skill-hub/`) 按照功能、学科分类存储预设技能包 - 兼容OpenClaw生态 ### 多智能体并发 - 订阅制消息队列，各个智能体独立 - 智能体生命周期监控 (spawn, lookup, stop, cleanup) ### 定时任务 - 为任何智能体设置定时任务，每天早上准时推送最新科研进展，彻底解放双手 ### 前端集成 - **Web控制台**: - **飞书(Lark)**: WebSocket 长连接 - **桌面端**: Tauri v2 前端 - **macOS 任务栏进程**: 任务栏图标管理DrClaw守护进程 - **更多前端支持正在开发中** 更多[测试中功能](#测试中功能). ## 安全防护当前版本已经提供一部分安全防护，主要覆盖**文件保护**和**网络过滤**： - **文件保护** - `write_file` / `edit_file` 默认只允许写入指定工作区 - `exec` / `long_exec` 在项目智能体下会启用工作区限制，并拦截一部分高风险命令与越界路径 - **网络过滤** - Web 控制台默认只监听 `127.0.0.1` / `::1` / `localhost` - Web 请求会额外校验 loopback 来源、`Host` 头和本地 `Origin`，拒绝远程访问与非本机跨域访问需要注意：当前安全机制**不保证完全安全**，它更适合作为默认防护和误操作防护，而不是严格的安全边界。后续版本会继续加强沙箱、权限控制和网络访问限制，提供更完善的安全支持。 ## 配置安装后，编辑 `~/.drclaw/config.json`，设置 LLM API。当前配置结构为 `providers + active_provider`，默认通过 [litellm](https://docs.litellm.ai/docs/providers) 接入。对于支持可调推理强度的模型（例如部分 GPT-5 系列），可在 provider 配置中额外设置 `"reasoning_effort"` 作为默认推理强度。当前支持的取值为 `none`、`minimal`、`low`、`medium`、`high`、`xhigh`，但不同模型支持的子集不同。该字段是 provider 默认配置，不会按单次 query 临时覆盖；是否生效取决于底层模型/provider 是否支持同名参数。正常执行安装脚本后，应该看到: ```text DrClaw installed! Source: ~/.drclaw-src Binary: ~/.local/bin/drclaw Config: ~/.drclaw/config.json Next steps: 1. Set your API key in ~/.drclaw/config.json 2. Launch DrClaw: drclaw daemon --debug-full -f web ``` 更新 DrClaw： ```bash bash <(curl -fsSL https://raw.githubusercontent.com/qzzqzzb/drclaw/main/install.sh) update ``` 卸载程序但保留已有配置和项目数据： ```bash bash <(curl -fsSL https://raw.githubusercontent.com/qzzqzzb/drclaw/main/install.sh) uninstall ``` 配置好 API 后，直接启动： ```bash drclaw daemon --debug-full -f web ``` 默认启动后访问 `http://127.0.0.1:8080` 即可打开 Web 控制台。安装脚本已经自动执行 `drclaw onboard`. 示例： ```json { "providers": { "default": { "api_key": "YOUR_OPENAI_API_KEY", "model": "openai/gpt-5", "reasoning_effort": "high" } }, "active_provider": "default" } ``` ### 各个模型厂商接口配置 <details> <summary>OpenRouter</summary> ```json { "providers": { "default": { "api_key": "sk-or-v1-...", "api_base": "https://openrouter.ai/api/v1", "model": "openrouter/anthropic/claude-sonnet-4-5" } }, "active_provider": "default" } ``` </details> <details> <summary>Anthropic</summary> ```json { "providers": { "default": { "api_key": "sk-ant-...", "model": "anthropic/claude-sonnet-4-5" } }, "active_provider": "default" } ``` </details> <details> <summary>GLM（智谱 OpenAI 兼容接口）</summary> 注意：通过 LiteLLM 接入时，`model` 需要带 provider 前缀，推荐写成 `openai/glm-5` 或 `openai/glm-4.7-flash`。 ```json { "providers": { "default": { "api_key": "YOUR_ZHIPU_API_KEY", "api_base": "https://open.bigmodel.cn/api/paas/v4/", "model": "openai/glm-5" } }, "active_provider": "default" } ``` 如果你主要用于代码任务，也可以尝试智谱 coding 端点： ```json { "providers": { "default": { "api_key": "YOUR_ZHIPU_API_KEY", "api_base": "https://open.bigmodel.cn/api/coding/paas/v4", "model": "openai/glm-5" } }, "active_provider": "default" } ``` </details> <details> <summary>Kimi/Moonshot/Kimi coding plan</summary> 推荐直接使用 Moonshot 配置： ```json { "providers": { "default": { "api_key": "YOUR_MOONSHOT_API_KEY", "api_base": "https://api.moonshot.cn/v1", "model": "moonshot/kimi-k2.5" } }, "active_provider": "default" } ``` 或使用 OpenAI 兼容端点： ```json { "providers": { "default": { "api_key": "YOUR_MOONSHOT_API_KEY", "api_base": "https://api.moonshot.cn/v1", "model": "openai/kimi-k2.5" } }, "active_provider": "default" } ``` 如果你使用的是 Kimi Coding Plan，也可以改用下面这组配置： ```json { "providers": { "default": { "api_key": "sk-kimi-***", "api_base": "https://api.kimi.com/coding", "model": "anthropic/k2p5" } }, "active_provider": "default" } ``` </details> <details> <summary>OAuth LLM 提供商（OpenAI Codex / GitHub Copilot）</summary> 除 API Key 之外，DrClaw 支持通过 OAuth 登录 OpenAI Codex 和 GitHub Copilot，无需提供 API 密钥。 **完整步骤（从零开始）：** #### 1. 初始化 ```bash drclaw onboard ``` #### 2. OAuth 登录根据你使用的提供商选择一个： ```bash # OpenAI Codex drclaw provider login openai-codex # GitHub Copilot drclaw provider login github-copilot ``` OpenAI Codex 会启动浏览器交互式 OAuth 流程；GitHub Copilot 使用设备码流程（device flow），终端会显示一个验证码和链接。 #### 3. 修改配置编辑 `~/.drclaw/config.json`，将 OAuth 提供商配置写到 `providers.default`，并把 `active_provider` 指向 `default`；`api_key` 留空即可： ```json { "providers": { "default": { "model": "openai-codex/gpt-5.1-codex", "api_key": "" } }, "active_provider": "default" } ``` GitHub Copilot 示例： ```json { "providers": { "default": { "model": "github_copilot/gpt-4o", "api_key": "" } }, "active_provider": "default" } ``` #### 4. 启动 ```bash # 命令行聊天 drclaw chat # 或 macOS 托盘模式 drclaw tray # 或 daemon 模式 drclaw daemon --debug-full -f web ``` 登录后的 OAuth token 会被缓存，后续启动自动使用，无需重复登录。 </details> **Serper网页搜索:** ```json { "tools": { "web": { "serper": { "api_key": "YOUR_SERPER_API_KEY", "endpoint": "https://google.serper.dev/search", "max_results": 5 } } } } ``` **在Docker中运行** 上述配置如果是在 Docker 中运行，Web 前端默认会因为网络限制而无法启动如果你明确知道自己是在 Docker 中使用，需要额外开启： ```json { "daemon": { "web_in_docker": true } } ``` 开启后，Web 前端会改为绑定 `0.0.0.0`，并放宽 Docker 网桥带来的来源地址限制。适用于类似下面的本机端口映射 ```bash docker run -p 127.0.0.1:8080:8080 ... ``` 注意：这个配置项只针对 Web 控制台 ## 测试中功能一系列测试中功能正在逐步完善。这些功能未经过充分测试，请谨慎使用。 <details> <summary>单 Project 多 Agent</summary> 单个 project 现在支持一个 `project manager` 加多个 `student agent` 的层级结构。 - `proj:<project_id>` 是项目对外唯一的 manager agent，负责接收 `main agent` 的项目级任务 - `student:<project_id>:<student_id>` 是项目内部 student agent，当前主要由 project manager 调度，不接受 `main agent` 直接下发任务 - `main agent` 现在可以管理 student lifecycle：列出、创建、更新、启用/禁用、删除某个 project 下的 students - 同一 project 下的 students 共享 `projects/<project_id>/workspace` - manager 和每个 student 都有独立的 `MEMORY.md`、`HISTORY.md`、session history 和 SOUL / 配置目录 - 每个 student 还有独立的私有目录 `projects/<project_id>/agents/<student_id>/`，用于保存 memory/history/session/private skills - student 的 shell 可执行根目录现在包含 `project workspace + student private workspace` - `main agent` 现在可以把 local-hub skill 单独安装到某个 student 的私有 `skills/` 目录，不影响 manager 或其他 students - student 的 skill 加载顺序为：`student private skills > project workspace skills > global skills` - `/api/agents` 和 daemon 运行时已经能区分 `project_manager` 与 `project_student` - daemon 在 `--debug` / `--debug-full` 下会输出 student agent 的执行摘要，并在 debug jsonl 中记录 `agent_id` </details> <details> <summary>Docker Sandbox Job</summary> Student agent 现在可以通过 `create_job` 启动一个 Docker sandbox job 来执行高风险 shell 任务。 - 该能力目前只对 student / project agent 暴露，main agent 不直接使用它（也不应该使用） - `shell_task`：student agent 提交命令后，由宿主机上的 manager 启动 Docker 容器执行 - 默认异步执行：`await_result=false` 时会立即返回 `job_id` / `request_id`，任务在后台继续运行 - 可通过 `get_job_status` / `list_active_jobs` 查看状态，并使用 `pause_job` / `resume_job` / `cancel_job` 控制运行中的 job - 容器完成后会自动退出并清理；保留 job 记录、workspace 和 artifacts - 仍属于测试中能力，后续补充 approval、容器内 agent worker 和更严格的网络/权限控制 </details> <details> <summary>外部智能体接入（External Agent Protocol）</summary> 将任意外部智能体连接到DrClaw中，让DrClaw一并管理，派发任务，收取结果会汇报给你。外部智能体配置文件： `~/.drclaw/config.json`: ```json { "external_agents": [ { "id": "chem", "label": "Chem External", "request_url": "http://127.0.0.1:9010/request", "description": "External chemistry specialist", "avatar": "/assets/avatars/1.png", "request_timeout_seconds": 10, "callback_timeout_seconds": 120 } ] } ``` 当用户或任意DrClaw内部智能体发送消息到`ext:chem`, DrClaw将会发送: ```json { "protocol": "drclaw-external-agent-v1", "request_id": "f9d9...", "agent_id": "ext:chem", "text": "User message text", "metadata": { "webui_language": "en" }, "callback": { "url": "http://127.0.0.1:8080/api/external/callback", "method": "POST" } } ``` 外部智能体异步返回: ```json { "request_id": "f9d9...", "agent_id": "ext:chem", "text": "Provider response text", "metadata": { "provider_trace_id": "abc123" } } ``` 或抛出报错信息: ```json { "request_id": "f9d9...", "agent_id": "ext:chem", "error": "Provider timeout" } ``` 注意: - 当前只支持文本通信，外部智能体暂时不能收发文件 - 出于安全考虑，当前版本只建议和本地部署的外部智能体通信 - 当前版本不支持鉴权机制 </details> <details> <summary>调用coding agent</summary> DrClaw 现在支持让 `project agent` 通过现有的 `exec` / `long_exec` 工具直接执行标准 `acpx` CLI，从而使用 Codex。当前实现**不新增专用 acpx tool**，也**不把 acpx 做成 provider**；agent 看到的是 ACPX 使用说明和内置 skill，然后自己调用 shell 工具执行命令。前提: - 宿主机已全局安装 `acpx` - `acpx codex ...` 已能在宿主机终端正常运行 #### 1. 初始化内置 ACPX skill 如果是新安装，直接执行： ```bash drclaw onboard ``` 如果是旧数据目录，也可以重新执行一次 `drclaw onboard`，它会把缺失的内置 skill 补到 `~/.drclaw/skills/`。完成后应能看到： ```bash ls ~/.drclaw/skills/acpx ``` #### 2. 修改配置在 `~/.drclaw/config.json` 中加入： ```json { "acpx": { "enabled": true, "command": "acpx", "default_agent": "codex", "prefer_long_exec": true } } ``` 说明: - `enabled=true`：向 `project agent` 注入 ACPX 使用说明 - `command`：默认执行的 ACPX 二进制名 - `default_agent`：当前推荐为 `codex` - `prefer_long_exec=true`：默认优先用 `long_exec` 跑 ACPX，避免 60 秒超时 #### 3. 如何测试是否可用先在宿主机上确认 ACPX 本身没问题： ```bash acpx --help acpx codex exec 'Reply with exactly: acpx-ok' ``` 然后创建一个测试agent： ```bash drclaw projects create "acpx-test" ``` 向测试agent发送： ```text 不要直接回答。请使用 long_exec 调用 acpx codex exec，并让它输出 exactly: drclaw-acpx-ok。把执行命令和结果都告诉我。 ``` 如果要测试persistent session，发送： ```text 请使用 long_exec 执行以下命令： 1. acpx codex sessions ensure --name drclaw-proj-<当前项目id>-smoke 2. acpx codex -s drclaw-proj-<当前项目id>-smoke 'Reply with exactly: session-ok' 3. acpx codex -s drclaw-proj-<当前项目id>-smoke status 4. acpx codex sessions close drclaw-proj-<当前项目id>-smoke 把每一步的命令和结果都返回给我。 ``` 通过标准: - agent 明确调用了 `exec` 或 `long_exec` - 实际执行了 `acpx codex ...` - 返回的是 ACPX / Codex 的真实输出，而不是 agent 自己直接编写的答案 #### 4. Session 命名与关闭 - `acpx codex exec ...` 是一次性调用，不需要额外关闭 session - 如果 agent 创建持久 session，约定必须使用前缀：`drclaw-proj-<project-id>-` - 持久 session 不会随着 DrClaw 退出而自动关闭；任务结束后应显式执行： ```bash acpx codex sessions close drclaw-proj-<project-id>-<task-suffix> ``` </details> ## 使用 ```bash # Interactive chat drclaw chat # Chat with a specific project drclaw chat --project <name-or-id> # Single-message mode drclaw chat -m "List my projects" # Project management drclaw projects list drclaw projects create "My Research" drclaw status # Daemon mode drclaw daemon --debug-full -f web drclaw daemon --debug-full -f feishu # macOS tray drclaw tray # Cron drclaw cron list drclaw cron add --message "Daily summary" --cron "0 8 * * *" --tz "Asia/Shanghai" # Reset drclaw reset --yes # full reset (keeps config) drclaw reset --yes --memory-only # reset memory only ``` ## Roadmap / Todo - [x] v0.1.0 发布 - [ ] 更多LLM提供商 - [ ] 更好的沙盒支持 - [ ] 内容安全审查 - [ ] 智能体群聊 - [ ] 启动 **智能体市场** 支持第三方发布、下载智能体模版. 目前支持通过PR提交你的智能体模版 - [ ] 智能体生命周期 ## 测试 ```bash # Run tests uv run pytest tests/ -v # Lint and format uv run ruff check drclaw/ uv run ruff format drclaw/ # Type check uv run mypy . ``` ## 附录 <details> <summary>Tray + launchd (macOS)</summary> - `drclaw launchd install` creates `~/Library/LaunchAgents/com.drclaw.tray.plist` - Default: manual-start (`RunAtLoad=false`, `KeepAlive=false`) - Tray menu: "Control Panel" (opens browser) and "Exit" (SIGINT to daemon) Tray config in `~/.drclaw/config.json`: ```json { "tray": { "control_panel_url": "http://127.0.0.1:8080", "daemon_program": ["uv","run","drclaw","daemon","--debug-full","-f","web"], "daemon_env": {}, "shutdown_timeout_seconds": 8 } } ``` ```bash drclaw launchd install drclaw launchd start drclaw launchd status drclaw launchd stop drclaw launchd uninstall ``` </details> <details> <summary>Feishu (Lark) setup</summary> 1. Create a Feishu app at https://open.feishu.cn/app, enable **Bot** 2. Add permissions: `im:message` (send), `im:message.p2p_msg:readonly` (receive) 3. `drclaw daemon --debug-full -f feishu` 4. Add event `im.message.receive_v1`, choose **Long Connection** mode 5. Configure `~/.drclaw/config.json`: ```json { "feishu": { "app_id": "cli_xxx", "app_secret": "xxx", "encrypt_key": "", "verification_token": "", "allow_from": [], "reconnect_interval_seconds": 5 } } ``` 6. Publish app and send a message to the bot **Troubleshooting:** - No messages: check event subscription is in Long Connection mode - Startup fails: verify `app_id`/`app_secret` - Network issues: add Feishu domains to `NO_PROXY` (`open.feishu.cn,*.feishu.cn,*.larksuite.com`) </details> <details> <summary>Daemon agent activation</summary> - New projects activate immediately when created via the Assistant - Activation state persisted at `~/.drclaw/runtime/project-activation.json` - Daemon boot starts `main` + previously activated projects - Web API: `GET /api/agents`, `POST /api/agents/{id}/activate`, `GET /api/agents/{id}/history` </details> <details> <summary>Equipment await policy</summary> - `await_result=true` (sync): student waits for completion in the same tool call - `await_result=false` (async): returns immediately, completion delivered via callback - For async mode, track progress via `list_active_equipment_runs` / `get_equipment_run_status` </details> <details> <summary>Source-aware inference mapping</summary> - Session history normalized to provider-safe payloads before LLM inference - Cross-agent user turns get `name` set to `source` with content header fallback - External human sources (e.g. Feishu) treated as plain user input </details>

正在加载仓库 README…

这个仓库中的 skills

其他生物科学家其他高等院校教师医学科学家（非流行病学）化学家

29 个职业分类 · 已分类 100%

其他高等院校教师

其他生物科学家