QClaw

Qclaw 是一个轻量、极简、真正“帮你干活”的 AI Agent 框架，目标就是一句话：让AI从聊天玩具变成能落地干活的数字员工。

不同于满屏花里胡哨的Agent平台，Qclaw 主打三个字：快、稳、省。

QClaw 网站截图

核心卖点

1. 极简启动，3分钟跑通第一个任务 无需复杂Docker、无需配一堆API Key、无需懂LangChain/crewAI的复杂链路。
   Bash

   pip install qclaw
   qclaw init my-first-bot
   qclaw run "帮我分析这份sales.xlsx，生成月度汇报PPT"

   就这么简单。框架自动拉取配置文件、检测环境、调用默认模型（支持OpenAI / DeepSeek / 通义 / Kimi / GLM 等一键切换）

2. 真正“干活”而非只聊天
   • 内置文件读写（Excel、PDF、Word、PPT、CSV、JSON全支持）
   • 本地沙箱执行Python代码（安全隔离，避免模型乱跑系统命令）
   • 网页自动化（Playwright集成，开箱即用爬取、填表、截图）
   • 飞书/企业微信/钉钉/邮箱/Notion 等工具链（一键授权）
   • 多Agent协作（数据分析师 + 文案 + PPT师 + 研究员 一条龙）
   • 任务断点续跑 + 长上下文记忆（自动存档/恢复）
3. 轻到离谱，成本低到想哭
   • 纯Python实现，无额外服务依赖
   • 支持本地模型（Ollama / LM Studio）零成本跑
   • 云端模式下默认用最便宜的模型组合（DeepSeek R1 + 通义千问），月花费通常不超过20元就能24h在线
   • 开源MIT协议，随意商用/二开/内嵌到自家产品

快速上手示例

from qclaw import Qclaw

agent = Qclaw.from_yaml("agents/marketing.yaml")
result = agent.run(
    task="分析竞品小红书笔记Top10，提炼爆款文案公式，写3条可直接发的种草文案",
    files=["competitor_notes.csv"],
    output_dir="./output"
)
print(result.summary)
# 自动生成：分析报告.md + 文案列表.txt + 可视化图表.png

目前Qclaw还在快速迭代中（v0.8.x），但已经能稳定处理80%日常办公/内容/数据任务。欢迎star、fork、提issue、PR，一起把“AI帮我干活”这件事卷到极致！