nextclaw
Peiiii/nextclaw加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象这样一个场景：你在通勤路上用微信给 AI 发了一条消息——"帮我整理一下上周竞品的动态，写成简报"——然后关掉手机。到公司时，NextClaw 已经完成了资料搜集、数据分析和报告撰写，推送到了你的飞书收件箱。你打开报告，发现它还贴心地为你标注了关键数据来源和后续跟进建议。这不是科幻，而是 NextClaw 正在做的事。
NextClaw 是一个开源、可扩展、自托管的 AI Agent 工作空间。它的核心定位是"长期个人智能搭档"——不是那种你问一句它答一句的问答机器，而是一个能记住你工作上下文、持续推进任务、在后台默默完成复杂工作的 AI 助手。从一句话需求到可用结果，中间所有的对话、文件、工具调用和生成内容都汇聚在同一个工作台里，不会中途丢失。
项目由独立开发者 Peiiii 创建，采用 MIT 许可证，主要使用 TypeScript 开发，支持 macOS、Windows、Linux、Docker 和云服务器等多种部署方式。截至分析时已获得约 250 颗 GitHub Stars，虽然绝对数量不算惊艳，但在 AI Agent 开源工具中，它的架构设计理念和功能完整性都具有相当的参考价值。
如果你用过 ChatGPT 或 Claude，可能有过这种体验：聊了几轮之后，忽然发现上下文已经脱离了原始任务；或者 AI 给了你一段代码，但你忘了它是怎么推导出这个结论的；又或者你要处理一个跨多天的任务，每次重新开始都要从头解释背景。这些问题的根源在于——大多数 AI 对话工具都是"瞬时"的，缺乏持久的工作上下文和结构化的任务管理。
NextClaw 试图解决这个根本矛盾。它的设计哲学可以概括为三点：上下文持续保留（对话、文件、工具结果永远在同一个任务空间里）、任务持续运行（支持后台 Session、定时任务 CronJob）、结果主动送达（完成后推送到飞书、微信、Discord 等你常用的渠道）。
这种"工作空间"理念与微软的 GitHub Copilot Workspace、Anthropic 的 Claude Code 有些相似，但 NextClaw 更侧重于个人知识管理和多渠道接入——它特别强化了对中国用户常用工具（飞书、微信、QQ、钉钉、企业微信）的支持，这在同类开源项目中相当少见。
NextClaw 最具差异化的设计是多运行时（Multi-Runtime）支持。在同一个任务中，你可以随时切换不同的 AI 执行引擎：
这种设计的好处是：不同任务用不同的 AI 能力，取长补短，而不是被单一模型绑定。用户可以在任务级别选择最合适的运行时，而整个工作空间的历史上下文保持不变。
传统 AI 对话工具的问题是：生成的东西在对话结束后就消失了，或者需要你手动复制保存。NextClaw 的 Panel App 机制解决这一痛点——在会话中让 Agent 帮你生成小应用（数据看板、卡片工具、交互页面），完成后可以直接保存为独立 App 持续使用，不需要任何编码基础。
NextClaw 内置了极为丰富的消息渠道支持：
| 渠道 | 支持类型 |
|---|---|
| 飞书/Lark | 消息收发 |
| 微信 | 消息收发（通过企业微信桥接） |
| 消息收发 | |
| 钉钉 | 消息收发 |
| 企业微信 | 消息收发 |
| Telegram | 消息收发 |
| Discord | 消息收发 |
| Slack | 消息收发 |
| 邮件收发 |
这意味着你可以把 NextClaw 部署在本地服务器或 NAS 上，然后通过微信或飞书向它发指令，它会在你的基础设施上运行，不会把对话数据发送到第三方服务器。本地优先（Local-First） 是这个项目的核心承诺之一。
NextClaw 支持 MCP（Model Context Protocol），可以接入各种 MCP Server 来扩展 AI 可用的工具集。结合 MCP 协议生态，你可以让 AI 访问文件系统、执行代码、搜索网页、操作数据库等。
支持 CronJob 式的定时任务配置——你可以设置每天早上八点自动搜集行业资讯并推送到飞书，或者每小时检查某个数据源的变化。这些任务在后台持续运行，不需要你持续保持对话。
从代码结构来看，NextClaw 是一个大型 TypeScript Monorepo，使用了 pnpm Workspace 组织代码。核心包包括：
| 包名 | 功能说明 |
|---|---|
nextclaw-core | 核心引擎，处理任务调度和上下文管理 |
nextclaw-runtime | Agent 运行时抽象层 |
nextclaw-agent-chat | 会话聊天 UI |
nextclaw-agent-chat-ui | 聊天界面组件库 |
nextclaw-kernel | 任务内核，处理工具调用和执行 |
nextclaw-mcp | MCP 协议适配器 |
nextclaw-server | 后端服务层 |
nextclaw-service | 业务服务层 |
nextclaw-remote | 远程访问和协作支持 |
nextclaw-ui | 通用 UI 组件库 |
browser-connector | 浏览器控制连接器 |
aigen | AI 生成相关能力 |
extensions/* | 各渠道扩展（飞书、微信、QQ、钉钉、Discord、Slack、邮件等） |
ncp-packages/* | NCP（NextClaw Protocol）相关包 |
nextclaw-hermes-acp-bridge | Hermes Agent 桥接器 |
整体架构采用微内核+插件化扩展的设计：内核处理核心的对话、任务和上下文管理，各种渠道（飞书、微信等）、运行时（Claude Code、Hermes 等）和工具（MCP Server）都以插件形式接入。这种架构确保了高扩展性——未来添加新渠道或新 AI 模型只需要开发新插件，不需要修改核心代码。
技术栈：
apps/nextclaw-personal-organizer-panels 推断）apps/desktop 结构推断）代码质量： 代码库规模较大（50+ 个 npm 包），遵循 TypeScript 严格模式，ESLint 配置完善。采用了 workspace 架构分离关注点，测试覆盖率和文档质量属于中等水平。README 有中英文双语版本，代码注释以英文为主。
主要 AI 框架使用： 项目本身是 AI Agent 框架集大成者，不依赖单一的 AI 框架，而是通过抽象层同时支持多种 AI 执行方案。
NextClaw 提供了完整的 Docker 支持，可以一键部署：
# 构建镜像
docker build -f docker/Dockerfile -t nextclaw .
# 运行容器
docker run -v nextclaw-data:/data \
-p 18891:18891 -p 18790:18790 \
nextclaw
Dockerfile 使用 node:22-bookworm-slim 作为基础镜像，采用多阶段构建优化体积。数据通过 /data 卷持久化，环境变量 NEXTCLAW_HOME 控制数据路径，NEXTCLAW_UI_PORT 控制 Web UI 端口。
没有 Docker 的用户也可以：
最低硬件需求为 2核 CPU / 4GB RAM，推荐 4核+ / 8GB+。
尽管设计理念先进，NextClaw 也面临一些现实挑战：
维护压力：作为一个个人开发者项目，维护 50+ 个 npm 包和 10+ 个渠道插件的持续更新是一个巨大挑战。扩展渠道（微信、钉钉等）的接入通常依赖对各平台 API 特性的持续跟进，容易因平台政策变化而失效。
桌面端复杂度：Tauri 桌面应用虽然跨平台，但构建和调试门槛比 Web 应用高，普通用户可能更依赖 Docker 或官方预编译包。
多渠道稳定性：微信/QQ 等中国大陆平台的接入方案通常依赖非官方 API 或桥接工具，在平台政策收紧时可能面临合规风险。
与 OpenClaw 的命名混淆：2025 年底另一个项目 OpenClaw（早期名为 Warelay/Clawdbot/Moltbot）经历了爆炸式增长，目前已有数十万 Stars。NextClaw 与 OpenClaw 名字相近（都有 "Claw"），可能造成用户认知混淆。
NextClaw 出现在 2025 年的 AI Agent 工具浪潮中，代表了三个值得关注的方向：
本地优先（Local-First）AI：用户越来越不愿意把所有数据交给第三方云服务。将 AI 能力部署在本地 NAS 或服务器上，通过熟悉的聊天工具（微信、飞书）与 AI 交互，是非常有吸引力的方案。
多运行时解耦：不是绑定单一 AI 模型，而是抽象出运行时层，让用户根据任务需求选择最合适的 AI 执行引擎。这是 AI Agent 架构演进的重要方向。
插件化扩展：用 MCP 协议和 workspace 插件体系来扩展 AI 的能力边界，而不是把所有功能都塞进核心代码。
对于 AI 开发者而言，NextClaw 的代码架构（TypeScript Monorepo、多渠道插件化、运行时抽象层）本身就是一份有价值的参考实现。对于普通用户，它的 Docker 一键部署和多渠道接入能力提供了真正可用的本地 AI 工作空间体验。