核心用法
Teamclaw 是一个企业级多Agent编排子系统，基于 LangGraph 框架构建，提供四大核心能力：
1. 对话Agent服务：支持流式/非流式对话，兼容 OpenAI API 格式，可对接 DeepSeek、Google、Anthropic、OpenAI 等多厂商 LLM，支持视觉理解和多工具调用。
2. OASIS 多Agent论坛：创新性的多专家并行讨论/执行引擎，可编排多个 Agent 协作解决复杂问题，支持设定最大轮次、调度 YAML 配置及回调机制。
3. 任务调度中心：基于 APScheduler 的定时任务系统，支持 Bark 移动端推送通知。
4. Web UI 可视化：完整的聊天界面，通过浏览器即可访问（默认端口51209），支持实时会话管理。
部署采用非交互式脚本管理，通过 run.sh 统一入口完成安装、配置、启停全流程，所有配置项支持命令行批量设置。
显著优点
- 架构先进：LangGraph 状态机驱动，天然支持复杂工作流编排；OASIS 多Agent协作模式在开源生态中较为稀缺
- 开放兼容：OpenAI 标准 API 格式，降低接入成本；支持多厂商 LLM 无缝切换
- 开箱即用：单命令完成依赖安装、配置初始化、服务启停，PID 文件管理支持幂等操作
- 功能完整：对话、调度、推送、可视化四合一，覆盖 Agent 系统核心需求
- 安全设计：双层认证机制（用户密码 + 内部Token），敏感配置自动脱敏展示
潜在缺点与局限性
- 资源占用高：多服务并行（Agent/Scheduler/OASIS/Frontend/Bark）需至少 5 个端口，内存和 CPU 消耗较大
- 部署门槛：需自行准备 LLM API Key 并理解多端口服务架构，对新手有一定学习成本
- 生态封闭：Skill 脚本与主项目隔离设计，虽避免冲突但也意味着社区插件扩展性受限
- 可视化深度有限：Web UI 定位为聊天界面，复杂工作流编排仍需通过 API/YAML 配置
- TTS 依赖外部：语音功能需单独配置 Gemini TTS 模型，非内置能力
适合人群
- 开发者/架构师：需要快速搭建多Agent协作系统的技术团队
- 自动化运维：需要定时任务调度 + AI 能力结合的企业内部场景
- AI 产品原型：需要 OpenAI 兼容 API + 可视界面的 MVP 验证项目
- 多Agent研究者：希望实验 OASIS 并行讨论机制的学术或工程探索
常规风险
- 密钥泄露风险：
INTERNAL_TOKEN为服务间通信核心凭证，一旦泄露可能导致未授权调用；LLM API Key 明文存储于 .env 文件 - 端口暴露风险：5 个服务端口默认监听本地，若部署于公网需额外配置防火墙/Nginx 反向代理
- 供应链风险：依赖 LangGraph、APScheduler 等第三方库，需关注更新兼容性
- 数据持久化：文档未明确提及会话历史、任务队列的存储机制，生产环境需确认数据安全策略