项目介绍
一句话理解 MateClaw
MateClaw 是一个个人 AI 操作系统，用来构建那些会推理、会调工具、会记忆、会整理知识、能在真实交付面中工作的 AI 助手与 Agent。
它不是一个单纯的聊天界面，而是一整套工作系统。
这个产品的核心想法
大多数 AI 产品只做好其中一层：
- 一个聊天界面
- 一个工具运行时
- 一层记忆
- 一个知识库
- 一个渠道接入层
MateClaw 的出发点，是不把这些东西事后拼起来，而是从一开始就把它们当作同一个产品来设计。
它试图把下面几层整合在一起：
- 直接交互层：Web 与桌面端
- Agent 执行层：推理循环与工具调用
- 记忆层：不是每次会话都从零开始
- 知识层：通过 LLM Wiki 把原始材料转成结构化知识
- 交付层：进入桌面、聊天和外部渠道
这才是 MateClaw 真正的产品形态。
适合谁
MateClaw 适合这些人：
- 想要自己掌控部署和数据
- 不满足于“只会回答”的 AI，而要“会做事”的 Agent
- 需要通过工具、技能、MCP 扩展能力
- 希望同一套系统既能开发，也能投入真实使用
- 希望 AI 的知识和记忆随着使用持续积累
如果你只想要一个托管聊天机器人，这个系统会显得太重。
如果你想要的是一个自己可掌控的 AI 工作系统，MateClaw 才开始变得有意思。
产品原则
Agent 不该只会说，应该会做
模型不该停在一段漂亮答案上，而应该继续分解任务、调用工具、检查结果，并在必要时继续推进。
知识不该只是堆着，应该被塑形
原始文档当然重要，但原始文档不应该是最终界面。MateClaw 提供 LLM Wiki 知识库，让资料可以变成结构化、可链接、可编辑的知识页面。
记忆应该越用越值钱
一个有用的 AI 助手不该每天重新开始。MateClaw 把短期上下文、对话后提取、工作空间文件和定时整合做成一套统一的记忆系统。
强能力必须带边界
没有约束的工具能力会变成风险。MateClaw 用审批、路径保护和工具守卫来保证高能力在真实环境里仍然可控。
AI 必须出现在工作发生的地方
只存在于一个网页里的 AI 太弱了。MateClaw 从一开始就把桌面端和外部消息渠道纳入产品边界。
产品由什么组成
Agent 运行时
- ReAct
- Plan-and-Execute
- 动态 Agent 配置
- 多 Agent 运行
- 基于状态图的执行流程
知识与记忆
- 工作空间记忆文件
- 对话后自动提取
- 定时整合
- dreaming / emergence
- LLM Wiki 知识库
工具与扩展
- 内置工具
- MCP 服务集成
- 基于
SKILL.md的技能包 - 工具守卫与审批
多模态能力
- 语音转文字
- 文字转语音
- 音乐生成
- 图片生成
- 视频生成
交付面
- Web 应用
- 桌面应用
- 外部渠道
为什么 Wiki 会改变这个产品
传统 AI 的知识流程，往往是每次提问都重新去原始文档里检索几段内容。
MateClaw 多做了一层：先让 AI 把原始资料整理成结构化 Wiki。这样系统不只是“临时找片段”，而是在逐渐建立自己的知识形态。
这件事重要，是因为：
- Agent 不再把大量上下文消耗在重复阅读原文上
- 人可以直接审查和编辑知识结构
- 系统的理解会随着使用不断变清晰，而不是每次重新拼装
这不是纯技术细节，而是产品路线的区别。
建议阅读顺序
如果你第一次接触 MateClaw，建议按这个顺序阅读：
架构概览
MateClaw 采用单体但模块化的设计：
- 后端：Spring Boot
- 前端：Vue 3 SPA
- 桌面端：Electron + 内置后端
- 文档：VitePress
后端的核心领域包括：
agent/tool/skill/memory/wiki/channel/workspace/
具体启动方式请看 快速开始。