clawsomeflow 0.1.1b12

Vertical agent workflow orchestration platform on top of ClawTeam and OpenClaw

ClawsomeFlow

Make your multi-agent workflow Clawsome!

在 ClawTeam 与 OpenClaw 之上的垂直领域 Agent 工作流编排平台。
你只需要用自然语言描述目标，ClawsomeFlow 负责把多 Agent 协作变成可控、可观测、可收敛的工程系统。

Python 3.11+ FastAPI React ClawTeam OpenClaw DAG Scheduler

为什么是 ClawsomeFlow · 核心特性 · 架构 · 快速开始 · 路线图

---

📰 News

• 2026-05：调度模型稳定在“服务端主动派发”范式，默认抑制 Prompt 轮询自调度。
• 2026-05：OpenClaw 路径完成深度适配：会话隔离、工作目录隔离、并发冲突治理。
• 2026-05：投诉闭环进入主流程：Run 可从用户投诉反哺为结构化改进任务。

---

✨ ClawsomeFlow's Key Features

🌳 OpenClaw 深度适配	🧠 AI + 精确编排	🗣️ 自然语言完成所有工作	🔄 投诉闭环机制
解决 OpenClaw 多任务并行中的会话边界不清与 workspace 并发冲突。 每个 Run / Agent 都有稳定隔离语义。	把控制流从 Prompt 拿回代码：调度器决定派发、重试、超时、收敛。 行为更可控，显著减少无效 token 消耗。	Flow 定义、Agent 创建、任务编排、运行干预，都可通过自然语言在 UI/CLI 完成。	Run 支持“用户投诉 → 反思处理 → 回写经验”的闭环机制，形成持续自增长。

🚀 多 Agent 协同	📊 企业级可观测性	🔐 隔离与治理并重	🧩 与现有生态兼容
支持 OpenClaw / Claude / Codex / Gemini / Kimi / Qwen / OpenCode / Nanobot 同图协同。	每个 dispatch/completion/failure 都记录为 RunEvent，可审计、可回放、可计费。	team/session/worktree 三层隔离，避免串扰与误写。	不重造协议层，沿用 ClawTeam CLI + MCP，并复用其监控面板能力。

---

🤔 为什么是 ClawsomeFlow？

多 Agent 框架常见痛点不是“模型能力不足”，而是“协作控制流不稳定”：
流程写在 Prompt 里，最终行为取决于 Agent 当下理解和模型质量，系统可预测性、成本和恢复能力都不够强。

ClawsomeFlow 的核心方法很直接：

• 把协调从自然语言迁回代码：LLM 负责单点任务，调度器负责全局编排。
• 把并发与隔离做成默认能力：同一团队并行、多 Run 并行、OpenClaw 并行都能稳定落地。
• 把失败处理做成流程内建：失败信号、重试策略、用户投诉统一进入收敛通道。

四个你会立即感知到的差异

1. 深度适配 OpenClaw，协同稳定性优先
   针对 OpenClaw 多任务并发的会话隔离模糊和 workspace 并发访问冲突，ClawsomeFlow 在调度层做了会话与目录双隔离，并且将恢复路径纳入标准状态机。

2. 从 Prompt 驱动到精确编排，行为更可控
   ClawTeam 原生模式偏 Prompt 协议驱动，worker 行为受模型状态影响较大；ClawsomeFlow 则由服务端调度器主动派发，重试/跳过/中止由明确策略执行，显著减少轮询 token 开销。

3. 自然语言完成从定义到治理的全链路
   你可以用自然语言定义 Flow、创建 Agent、下发运行目标、做人工干预，不需要手写复杂编排脚本。

4. 投诉闭环让系统“越跑越懂你”
   在 awaiting_user_complaint 阶段接收反馈后，系统会进入投诉处理并沉淀经验，形成可持续反思与改进机制。

✨ The Result?

你负责目标，ClawsomeFlow 负责把多 Agent 协同执行做成稳定系统。

---

🎯 ClawsomeFlow In Action

1) 用自然语言定义 Flow，系统自动编译为 DAG

用户给出业务目标后，平台自动完成任务分解、依赖关系建立、执行编排和状态跟踪。

用户目标（自然语言）
  -> Flow 结构化定义
  -> DAG 编译与校验
  -> 多 Agent 并发执行
  -> Leader 汇总交付

2) 调度器主动派发，替代 Worker Prompt 轮询

RunController tick loop
  -> 拉取 task + inbox 快照
  -> 识别 ready 任务
  -> 按 session 状态选择 inject / resume / spawn
  -> 记录 RunEvent 并收敛失败

3) 用户投诉进入闭环，推动经验自增长

awaiting_user_review
  -> awaiting_user_complaint
  -> complaint_processing
  -> completed / completed_with_conflicts / failed

对比：Prompt 自调度 vs ClawsomeFlow 服务调度

维度	Prompt 自调度（常见模式）	ClawsomeFlow
控制流位置	在 Prompt 中，依赖模型解释	在代码中，确定执行
并发治理	Agent 自轮询，易竞争	调度器统一编排，边界清晰
OpenClaw 稳定性	会话与 workspace 冲突风险高	会话隔离 + worktree 隔离 + 恢复路径
失败恢复	依赖 Agent 临场发挥	retry/skip/abort 明确策略
Token 成本	轮询开销高	按需派发，显著降低无效消耗
可审计性	黑盒上下文居多	全链路 RunEvent 可追踪

---

🧩 与 ClawTeam / OpenClaw 的关系

flowchart LR
    user[用户] -->|Web UI / NL| CSF[ClawsomeFlow]
    CSF -->|CLI + MCP| CT[ClawTeam 协议层]
    CSF -->|Gateway / Agent API| OC[OpenClaw 运行时]
    CT -->|spawn/inject| Agents[Claude / Codex / OpenClaw / ...]
    OC -->|session 执行| Agents

层	职责	所属
协议层	team/task/mailbox/workspace 语义	ClawTeam
运行时层	单个 Agent 执行容器	OpenClaw / Claude / Codex / ...
编排层	DAG 调度、失败收敛、终态处理	ClawsomeFlow
产品层	Web UI、多用户、NL Agent 治理	ClawsomeFlow

---

🏗️ 架构总览

flowchart TB
    subgraph FE[Frontend]
        UI[Flow Editor / Run Panel / Agent 管理]
    end

    subgraph BE[ClawsomeFlow Backend]
        API[REST + WebSocket]
        SCH[FlowScheduler + RunController]
        BRIDGE[OpenClaw Bridge]
    end

    subgraph EXT[External Runtime]
        CT[ClawTeam CLI/MCP]
        OC[OpenClaw]
    end

    subgraph DATA[Data]
        CSFHOME[~/.clawsomeflow]
        DB[SQLite]
    end

    UI <--> API
    API --> SCH
    API --> BRIDGE
    SCH --> CT
    BRIDGE --> OC
    API --> CSFHOME
    API --> DB

---

🚀 快速开始

当前对外默认推荐 local 模式（单机稳定优先）。

安装与启动

# 推荐：直接安装并启动
pip install -U clawsomeflow && csflow start

# 方案 2：安装到受控用户 venv
scripts/install_clawsomeflow.sh
~/.clawsomeflow/.venv/bin/csflow start

# 方案 3：一键托管（含后台服务）
bash scripts/install-user.sh --yes

你将得到什么

• 自动依赖检查与初始化（Python/git/tmux/node/clawteam/openclaw）。
• 自动创建并维护 ~/.clawsomeflow/ 数据目录。
• 自动配置后台服务（Linux systemd --user / macOS launchd）。
• 自动部署 OpenClaw 相关通用 tools 与 skills 运行资源。

常用命令

# 生命周期
csflow start
csflow stop
csflow status
csflow doctor

# Flow / Run
csflow flows list
csflow runs list
csflow runs start <flow-id> --input k=v
csflow runs abort <run-id>

# Agent 治理
csflow agents list
csflow agents create "用自然语言描述你要的 Agent"
csflow agents chat <agent-id> "继续完善该 Agent 的能力"

# 调试
csflow logs tail -f
csflow logs verify-anti-loop

---

📂 数据布局（关键路径）

~/.clawsomeflow/      # ClawsomeFlow 自身数据（配置、runs、flows、agents）
~/.clawteam/          # ClawTeam 状态与 worktrees
~/.openclaw/          # OpenClaw 运行时状态

三者分工明确、互不覆盖：
ClawsomeFlow 不直接接管 ClawTeam worktree，也不把 OpenClaw 运行态混写进自身目录。

---

🗺️ 路线图

阶段	内容	状态
P0	调度引擎、OpenClaw 深度适配、本地模式稳定化	🚧 进行中
P1	失败策略增强、Profile 能力、Human Gate 节点	📅 规划
P2	可视化 DAG 画布、企业服务端模式、多用户协作深化	📅 规划
P3	更丰富的 Agent 技能生态与自治治理能力	💡 探索

---

📄 License

MIT