还在手动给每个 AI Agent 分配任务?试试 HiClaw,一个基于 IM 的多 Agent 协作系统,带有人类监督的完整工作流。
为什么需要 HiClaw?
如果你用过多个 AI Agent 干活,大概遇到过这些坑:
- Agent 之间不互通 — 每个 Agent 都是孤岛,信息不同步
- 任务分配靠吼 — 手动切换会话,复制粘贴上下文
- 进度不可见 — 不知道哪个 Agent 在干嘛,干得怎么样
- 人类插不上手 — 想中途干预?得重新解释一遍背景
HiClaw 想解决的就是这些问题。它的核心思路很简单:用 IM(即时通讯)把人类和多个 Agent 拉到同一个房间里聊天,任务分配、进度汇报、人类干预都在一个地方完成。
项目概览
HiClaw 是一个开源的 Agent Teams 系统,由 Higress 团队开发。核心组件:
| 组件 | 作用 |
|---|---|
| Higress AI Gateway | 统一入口,路由所有请求(Matrix、文件、LLM API、MCP) |
| Tuwunel Matrix Server | 高性能 IM 服务器,所有人类和 Agent 在这里聊天 |
| Element Web | Matrix 的网页客户端,人类管理员的界面 |
| MinIO | 集中式文件存储,Agent 配置、任务文档、结果都存在这 |
| Manager Agent | 团队老大,负责任务分配、Worker 创建、进度跟踪 |
| Worker Agent | 打工 Agent,无状态容器,用完即销毁 |
架构长什么样
┌─────────────────────────────────────────────────┐
│ Manager Container │
│ Higress Gateway + Matrix Server + MinIO │
│ + Manager Agent (OpenClaw) │
└─────────────────────────────────────────────────┘
│ │
▼ ▼
┌──────────────────┐ ┌──────────────────┐
│ Worker: Alice │ │ Worker: Bob │
│ OpenClaw + MCP │ │ OpenClaw │
└──────────────────┘ └──────────────────┘
所有通信都走 Matrix 房间:
房间:"Worker: Alice"
├── 成员:@admin, @manager, @alice
├── Manager 分配任务 → 所有人都能看到
├── Alice 汇报进度 → 所有人都能看到
├── 人类随时可以插话 → 所有人都能看到
└── 没有 Manager 和 Worker 之间的私下沟通
快速上手
前置条件
- Docker 或 Podman
- 一个 LLM API key(OpenAI、DashScope 等)
- 可选:GitHub PAT(如果用 MCP 调用 GitHub API)
1. 安装 Manager
# 克隆项目
git clone https://github.com/higress-group/hiclaw.git
cd hiclaw
# 运行安装脚本
./install-manager.sh
安装过程中会让你配置:
- LLM Provider 和 API Key
- Matrix 管理员账号
- MinIO 访问凭证
- 工作空间路径(默认
~/hiclaw-manager)
2. 启动 Manager
docker start hiclaw-manager
Manager 启动后会自动:
- 初始化 Higress Gateway
- 启动 Tuwunel Matrix Server
- 启动 MinIO 并配置
mc mirror同步 - 注册 Manager 的 Matrix 账号
3. 登录 Element Web
浏览器打开 http://localhost:18088,用安装时设置的管理员账号登录。
登录后你会看到:
- 和 Manager 的私聊窗口
- 已有的 Worker 房间(如果有)
4. 创建第一个 Worker
给 Manager 发消息:
创建一个 Worker,名字叫 alice,负责前端开发任务
Manager 会:
- 在 Matrix 注册
@alice账号 - 创建 Higress Consumer(配置访问权限)
- 生成 Worker 配置文件并上传到 MinIO
- 返回
docker run命令给你
# 运行 Worker
docker run -d --name worker-alice \
-e OPENCLAW_CONFIG_URL=https://fs-local.hiclaw.io/hiclaw-storage/agents/alice \
higress-group/hiclaw-worker:latest
5. 分配任务
在 "Worker: Alice" 房间里(成员:你 + Manager + Alice):
@alice 帮我把这个 GitHub repo 的 README 翻译成中文
https://github.com/example/repo
Alice 会:
- 拉取任务配置
- 用 MCP 调用 GitHub API 获取内容
- 翻译并返回结果
- 在房间里汇报进度
最佳实践
1. Worker 按技能分工
别把所有活都丢给一个 Worker。建议:
| Worker | 职责 | MCP 权限 |
|---|---|---|
| Alice | 前端开发 | GitHub, Vercel |
| Bob | 后端开发 | GitHub, AWS |
| Charlie | 内容创作 | 无外部 API |
Manager 会根据 Worker 的技能分配任务。
2. 任务文档写清楚
在 MinIO 的 shared/tasks/task-{id}/spec.md 里写清楚:
## 任务目标
翻译 README 为中文
## 验收标准
- 保持 Markdown 格式
- 技术术语保留英文
- 长度控制在 2000 字以内
## 参考资料
- 项目官网:https://...
- 术语表:https://...
3. 用心跳机制检查进度
Manager 会定期(比如每 30 分钟)检查:
- Worker 是否还活着
- 任务是否卡住
- 是否有超时任务
你可以在 HEARTBEAT.md 里配置检查项。
4. Worker 用完即销毁
Worker 是无状态的,所有配置和结果都存在 MinIO。任务完成后直接销毁:
docker stop worker-alice
docker rm worker-alice
下次需要时重新创建,配置会自动从 MinIO 拉取。
5. 人类随时可以干预
这是 HiClaw 的核心设计:Human-in-the-Loop。
任何时候你觉得 Agent 跑偏了,直接在房间里插话:
@alice 等一下,这个翻译方向不对,应该更口语化一些
Agent 会立刻调整,而且所有对话历史都保留,下次创建新 Worker 时可以参考。
进阶:Manager 的自我进化
Manager Agent 不是固定的,它可以学习你的工作习惯,逐步自动化:
阶段 1:手动指令
你告诉 Manager 做什么:
创建一个 Worker,分配这个任务...
阶段 2:模板化
Manager 学习你的任务分配模式,生成模板:
检测到你在分配"翻译 README"任务,是否使用模板?
- 自动创建 Worker(内容创作类)
- 自动设置验收标准
- 自动关联术语表
阶段 3:主动建议
Manager 根据你的日程和项目状态,主动建议:
检测到 example/repo 刚更新了 README,是否需要翻译?
预计耗时:30 分钟
推荐 Worker:Charlie(内容创作)
阶段 4:自主决策(YOLO 模式)
在 ~/hiclaw-manager/yolo-mode 创建文件,开启自主模式:
Manager 检测到任务,已自动:
1. 创建 Worker Charlie
2. 分配任务
3. 设置 2 小时超时
结果将推送到你的主频道
安全模型
HiClaw 的安全设计比较细致:
┌──────────────────────────────────────┐
│ Higress Gateway │
│ Consumer key-auth (BEARER token) │
│ │
│ manager: full access │
│ worker-alice: AI + FS + MCP(github) │
│ worker-bob: AI + FS │
└──────────────────────────────────────┘
- 每个 Worker 有独立的 Consumer 和 BEARER token
- Manager 控制每个 Worker 能访问哪些路由和 MCP 服务
- 外部 API 凭证(GitHub PAT 等)存在 Manager 端,Worker 看不到
- 所有通信在 Matrix 房间里公开,没有私下沟通
适合谁用
适合:
- 需要多个 Agent 协作完成复杂任务
- 希望人类能随时干预 Agent 工作流
- 想要任务进度透明、可追溯
- 有 Docker/Podman 环境
不适合:
- 只需要单个 Agent 完成简单任务
- 不想维护额外的基础设施(Matrix、MinIO 等)
- 需要极低延迟的实时响应
项目地址
- GitHub: github.com/higress-gro…
- 文档:github.com/higress-gro…
最后说两句
HiClaw 有意思的地方在于它没有追求"全自动",而是承认人类监督的必要性。它把 Agent 当成团队成员,而不是黑盒工具。任务分配、进度汇报、人类干预都在一个 IM 房间里完成,这种设计让整个过程透明、可控。
如果你正在折腾多 Agent 协作,或者被 Agent 之间的信息不同步折磨过,HiClaw 值得一试。