[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-1343":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":9,"htmlUrl":9,"language":10,"languages":9,"totalLinesOfCode":9,"stars":11,"forks":12,"watchers":13,"openIssues":13,"contributorsCount":14,"subscribersCount":14,"size":14,"stars1d":14,"stars7d":14,"stars30d":13,"stars90d":14,"forks30d":14,"starsTrendScore":14,"compositeScore":15,"rankGlobal":9,"rankLanguage":9,"license":9,"archived":16,"fork":16,"defaultBranch":17,"hasWiki":18,"hasPages":16,"topics":19,"createdAt":9,"pushedAt":9,"updatedAt":20,"readmeContent":21,"aiSummary":22,"trendingCount":14,"starSnapshotCount":14,"syncStatus":23,"lastSyncTime":24,"discoverSource":25},1343,"qyclaw","760485464\u002Fqyclaw","760485464","Qyclaw 可以理解为一个“平台化的智能体操作系统”：  - 上层是多用户、多会话、多技能、多连接器的平台能力 - 中间是队列、调度、记忆、权限、审计等运行时编排能力 - 下层是容器化工具执行沙箱",null,"Python",237,5,1,0,2.33,false,"main",true,[],"2026-06-12 02:00:26","# Qyclaw\n\nQyclaw 是一个面向多租户场景的智能体任务平台。\n\n它不是一个只会“聊天回复”的前端壳，也不是一个把整套智能体直接塞进容器里跑的黑盒。Qyclaw 的核心目标是：\n\n- 让智能体真正可运行、可隔离、可审计\n- 让用户记忆、技能、工具、外部连接都能分层管理\n- 让同一个平台可以在不同智能体后端之间切换\n- 让高风险执行进入容器沙箱，而不是把整套系统都绑死在容器里\n\n![](images\u002Fqyclaw_logo1.png)\n\n\n## 项目定位\n\nQyclaw 可以理解为一个“平台化的智能体操作系统”：\n\n- 上层是多用户、多会话、多技能、多连接器的平台能力\n- 中间是队列、调度、记忆、权限、审计等运行时编排能力\n- 下层是容器化工具执行沙箱\n\n它适合这些场景：\n\n- 团队内部的智能体工作台\n- 带审批和审计的自动化任务执行\n- 需要会话级工作区和文件处理的代理任务\n- 需要用户记忆、技能管理、MCP 接入的 AI 平台\n- 希望在 `deepagents` 和 `claude` 之间切换后端的系统\n\n## 官网 qingyunclouds.com\n\n## 和 OpenClaw 相比，我们的优势\n\n如果把 OpenClaw 理解为一个偏“单智能体执行内核”的基础形态，那么 Qyclaw 的重点不是简单复刻，而是把它平台化、可运营化、可隔离化。\n\nQyclaw 的增强点主要在这几个方向：\n\n![执行流程](images\u002Fjiago.png)\n\n### 1. 多租户，而不是单会话实验项目\n\nQyclaw 原生支持：\n\n- 用户体系\n- 会话体系\n- 技能发布与审核\n- 会话级工作区\n- 多用户隔离\n- 管理端\n\n这意味着它不是“本地 agent demo”，而是可以向团队内部真实交付的平台。\n\n### 2. 记忆是分层的，不是只有上下文拼接\n\nQyclaw 现在把记忆拆成：\n\n- 用户长期记忆\n- 会话记忆\n- 记忆候选\n- 记忆审计日志\n\n这带来的好处是：\n\n- 用户偏好可以跨会话延续\n- 当前会话状态不会污染所有会话\n- 记忆的读取、提取、更新都能审计\n- 后续可以继续扩展到 tenant 级记忆策略\n\n### 3. 工具、技能、连接器是分层建模的\n\nQyclaw 不是把所有能力都混成“tool”。\n\n当前系统已经区分：\n\n- `System Tool`\n  - 平台内建能力\n  - 比如 terminal、web_search、fetch_url\n- `Skill`\n  - 面向行为和流程封装\n  - 支持草稿、发布、分组、共享、复制\n- `MCP Connection`\n  - 面向用户自己的外部能力接入\n  - 比如 GitHub、Postgres、Notion、Custom HTTP\n\n这种拆分非常重要，因为它让权限边界更清楚：\n\n- 平台能力归平台\n- 用户连接归用户\n- 行为封装归技能系统\n\n### 4. 容器化隔离的是“工具执行”，不是整套智能体运行\n\n这是 Qyclaw 一个非常关键的设计边界。\n\nQyclaw 并不是把整个 agent runtime 扔进容器里跑，而是采用：\n\n- 智能体编排在主系统\n- 工具执行在容器沙箱\n\n也就是说：\n\n- 队列\n- 会话状态\n- 记忆编译\n- 审批流\n- SSE 推流\n- 多智能体后端切换\n\n这些都在主系统中完成。\n\n而下面这些高风险动作，才进入容器：\n\n- shell 命令执行\n- 文件读写\n- 技能脚本运行\n- Office\u002FPDF\u002F文件处理\n- 工作区内工具调用\n\n这样做的优势是：\n\n- 主系统更容易管理状态和恢复\n- 安全边界更清晰\n- 工具风险被限定在沙箱中\n- 不会因为容器生命周期把整套 agent state 搅乱\n\n### 5. 不止一个智能体后端\n\nQyclaw 当前支持按会话切换执行后端：\n\n- `deepagents`\n- `claude`\n\n这意味着平台层和智能体后端是解耦的：\n\n- 会话、记忆、技能、MCP、审计这些资产保留在平台里\n- 后端可以逐步切换、灰度、fallback\n\n这比“整个系统和单一 agent runtime 深绑定”更灵活。\n\n### 6. 队列和调度能力更适合真实业务\n\nQyclaw 不是简单的“一条消息直接跑一轮”。\n\n系统已经引入：\n\n- 会话级串行队列\n- 全局并发控制\n- 调度任务\n- 重试与退避\n- backend 路由与 fallback\n\n这让它更适合：\n\n- 多用户并发\n- 定时任务\n- 文件任务\n- 长任务执行\n- 人工审批恢复\n\n![alt text](images\u002Fimage.png)  ![alt text](images\u002Fimage-1.png)\n\n## 核心能力\n\n### 1. 多会话、多用户、多租户基础\n\n- 用户登录与权限体系\n- 会话管理\n- 会话消息流\n- 管理端\n- 会话级 backend 选择\n\n### 2. 智能体记忆\n\n- 用户长期记忆\n- 会话记忆\n- 记忆候选提取\n- 记忆审计日志\n- 记忆与会话实例绑定\n\nQyclaw 的设计原则是：\n\n> 用户长期记忆属于用户，由会话实例加载和更新；  \n> 会话记忆属于当前实例，不自动污染长期记忆。\n\n### Hindsight 长期记忆集成\n\nQyclaw 现已支持把用户长期记忆接入 [Hindsight](https:\u002F\u002Fgithub.com\u002Flatent-knowledge\u002Fhindsight)。\n\nHindsight 项目地址：\n\n- GitHub: `https:\u002F\u002Fgithub.com\u002Flatent-knowledge\u002Fhindsight`\n\n当前接入方式如下：\n\n- 长期记忆按 `user:{user_id}` 聚合，不再按会话拆 bank\n- 回答前调用 Hindsight `recall`，把与当前问题相关的用户长期记忆注入提示词\n- 回答后调用 Hindsight `retain`，把用户输入和助手回答写入长期记忆\n- 会话 `conversation_id` 仍保留在 metadata\u002Ftag 中，用于来源追踪，但不参与长期记忆隔离\n- 本地数据库仍保留聊天消息和会话摘要；长期语义记忆由 Hindsight 提供\n\n当前默认不会在每轮主链路中同步执行 `reflect`。Qyclaw 采用低频异步反思策略：\n\n- 每个用户累计完成若干轮 `retain_turn` 后，异步触发一次 Hindsight `reflect`\n- 触发阈值由配置项 `hindsight.reflect_every_turns` 控制\n- 设置为 `0` 时表示关闭自动 reflect\n\n相关配置位于 `config.yaml`：\n\n```yaml\nhindsight:\n  enabled: true\n  base_url: \"http:\u002F\u002F127.0.0.1:8888\"\n  api_key:\n  timeout: 30.0\n  user_bank_prefix: \"user\"\n  recall_budget: \"mid\"\n  recall_max_tokens: 1000\n  retain_async: false\n  reflect_every_turns: 20\n```\n\n配置说明：\n\n- `enabled`: 是否启用 Hindsight\n- `base_url`: Hindsight 服务地址\n- `api_key`: 可选认证令牌\n- `timeout`: 单次 Hindsight 请求超时秒数\n- `user_bank_prefix`: 用户 bank 前缀，最终 bank 形如 `user:{user_id}`\n- `recall_budget`: 召回预算，建议 `low`、`mid`、`high`\n- `recall_max_tokens`: 召回内容最大 token 限制\n- `retain_async`: 是否异步 retain；验证记忆写入时建议先设为 `false`\n- `reflect_every_turns`: 每多少个用户回合异步触发一次 reflect；`0` 表示关闭\n\n如果你希望“前几轮说过的名字”在新会话里也能召回，建议：\n\n- 确保后端已重启并加载了最新配置\n- 先将 `retain_async` 设为 `false`，避免写入尚未完成就开始新会话测试\n- 将 `recall_budget` 调整为 `low` 或 `mid`\n- 在新会话中用明确问题测试，例如“你记得我叫什么名字吗？”\n\n### 3. 工具系统\n\nQyclaw 目前对工具做了系统级建模：\n\n- 工具启用\u002F禁用\n- 风险等级\n- 是否需要审批\n- 是否必须在容器中执行\n- backend 支持范围\n\n高风险工具会受到更严格的限制，例如：\n\n- terminal 命令校验\n- debug_exec 权限控制\n- 文件路径真实路径校验\n- 容器挂载范围收紧\n\n### 4. 技能系统\n\nQyclaw 的技能系统不是简单的“prompt 模板”。\n\n当前技能作用域包括：\n\n- `global`\n- `group`\n- `user`\n- `conversation`\n\n### 5. MCP 连接体系\n\nQyclaw 把用户自己的外部能力建模为 MCP，而不是硬塞进全局 tool。\n\n当前已经支持：\n\n- MCP server definition\n- MCP connection\n- MCP binding\n- 会话级绑定\n- 用户私有连接隔离\n\n这使得“用户自己的 GitHub \u002F Postgres \u002F Notion \u002F 自定义 HTTP 连接”可以被平台正式管理。\n\n### 6. 定时任务和调度\n\nQyclaw 已具备：\n\n- 定时任务模型\n- 任务运行日志\n- scheduler\n- 任务统一进入 runtime queue\n\n这意味着它不仅能做对话式 agent，也能做自动化 agent。\n\n\n> 容器只做工具执行沙箱，不承载整套智能体运行。\n\n## 快速开始\n\n### 方式一：Docker 启动\n\n适合直接部署整套服务。`qyclaw` 应用会通过 [`Dockerfile`](\u002Fe:\u002Frail_user_data\u002Fqyclaw\u002Fteamclaw\u002FDockerfile) 自动构建，数据库和沙箱容器由 compose 一起拉起。\n\n启动前建议先检查这几组关键配置：\n\n- `backend_routing.default_backend`: 默认后端，常见值是 `deepagents` 或 `claude`\n- `claude_agent.enabled \u002F model \u002F base_url \u002F api_key \u002F cli_path`: Claude Agent SDK 后端实际使用的模型和接入地址\n- `models.providers`: 非 Claude Agent 路径下的默认模型提供商列表，当前运行时优先取排在最前面的 provider 和它的第一个 model\n\n`claude_agent.model` 必须填写你的上游兼容端点实际支持的 model id，不要写想当然的别名。`claude_agent` 当前会优先使用这一段配置，而不是会话里残留的模型名。\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002F760485464\u002Fqyclaw.git\ncd qyclaw\n\n# 1. 编辑 Docker 部署配置\n#    按需修改 backend_routing \u002F claude_agent \u002F models.providers \u002F api_keys.tavily \u002F smtp 等配置\n$EDITOR config-docker.yaml\n\n# 2. 生成 Docker daemon TLS 证书，输出到 .\u002Fcerts\nsh docker_certs.sh\n\n# 3. 构建并启动全部服务\ndocker compose -f docker-compose-docker.yaml up -d --build\n```\n\n访问：\n\n- Frontend: `http:\u002F\u002Flocalhost:8080\u002Ffrontend\u002F`\n- Backend: `http:\u002F\u002Flocalhost:8000\u002Fdocs`\n\n停止：\n\n```bash\ndocker compose -f docker-compose-docker.yaml down\n```\n\n### 方式二：命令行启动\n\n适合开发和调试。数据库、Docker 沙箱仍通过 compose 启动；后端和前端在本机命令行里分别运行。\n\n本地启动时，重点检查根目录 [`config.yaml`](\u002Fe:\u002Frail_user_data\u002Fqyclaw\u002Fteamclaw\u002Fconfig.yaml) 里的这些项：\n\n- `backend_routing.default_backend`\n- `claude_agent.enabled`\n- `claude_agent.model`\n- `claude_agent.base_url`\n- `claude_agent.api_key`\n- `claude_agent.cli_path`\n- `models.providers`\n\n推荐理解方式：\n\n- 如果你要走 `claude` 后端，优先确认 `claude_agent.*`\n- 如果你要走 `deepagents`，优先确认 `models.providers.*`\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002F760485464\u002Fqyclaw.git\ncd qyclaw\n\n# 1. 编辑本地运行配置\n#    按需修改 backend_routing \u002F claude_agent \u002F models.providers \u002F api_keys.tavily \u002F smtp 等配置\n$EDITOR config.yaml\n\n# 2. 生成 Docker daemon TLS 证书，输出到 .\u002Fcerts\nsh docker_certs.sh\n\n# 3. 启动基础设施\ndocker compose up -d postgres docker-0.docker docker-1.docker\n\n# 4. 安装依赖\npython -m pip install -r requirements.txt\npython -m pip install -r requirements-models.txt\n\n# 5. 启动后端\npython -m backend.main\n```\n\n另开一个终端启动前端开发服务：\n\n```bash\ncd qyclaw\ncd frontend-vue\nnpm install\nnpm run dev\n```\n\n访问：\n\n- Frontend: `http:\u002F\u002F127.0.0.1:5173`\n- Backend: `http:\u002F\u002Flocalhost:8000\u002Fdocs`\n\n如果需要构建前端生产包：\n\n```bash\ncd qyclaw\ncd frontend-vue\nnpm install\nnpm run build\n```\n\n构建产物输出到 `frontend-vue\u002Fdist`。如需本地预览构建结果，可执行：\n\n```bash\ncd qyclaw\ncd frontend-vue\nnpm run preview\n```\n\n停止基础设施：\n\n```bash\ndocker compose down\n```\n","Qyclaw 是一个面向多租户场景的智能体任务平台，旨在提供可运行、可隔离、可审计的智能体环境。其核心功能包括多用户与会话管理、分层记忆系统、以及容器化工具执行沙箱，支持队列调度、权限控制和审计等运行时编排能力。该平台适合需要构建团队内部智能体工作台、带审批和审计的自动化任务执行、会话级文件处理及用户记忆管理的场景。Qyclaw 通过将高风险操作置于容器沙箱中执行，并允许在不同智能体后端之间灵活切换，确保了系统的安全性和灵活性。此外，它还支持接入 Hindsight 以增强长期记忆功能。",2,"2026-06-11 02:43:11","CREATED_QUERY"]