Clowder AI 中文教程：多模型 Agent 团队的桌面工作流
Clowder AI 的定位是让多个 AI Agent 像一个团队协作：不同模型负责实现、审查、找资料或复盘，工作区保存身份、共享记忆和任务纪律。它适合已经在使用多个 Agent、又不想靠复制粘贴传上下文的人。
1. 安装方式
git clone https://github.com/zts212653/clowder-ai.git && cd clowder-ai && pnpm install && pnpm start
官方 README 说明源码启动后打开 http://localhost:3003；也可从 Releases 下载桌面安装包。第一次只用一个无敏感数据的项目测试读写和终端权限。
2. 连接多个 Agent
官方示例把 Claude、GPT/Codex、Gemini 和 opencode 放在同一工作区。建议先为每个 Agent 写清职责：一个负责实现，一个负责测试或审查；共享的上下文只放任务需要的文件，不要默认共享所有密钥和目录。
3. 一个可复核的任务
任务：给 API 客户端补重试测试；Agent A：读代码并写测试；Agent B：审查失败路径和超时边界；人工：查看 diff、运行测试、决定是否合并
多 Agent 的价值在分工和交叉检查，而不是让更多窗口同时改同一文件。若两个 Agent 都在写代码，必须分支或目录隔离，并保留最后的测试输出。
4. 共享记忆和权限
共享记忆能减少重复解释，也可能把错误结论带到后续任务。把事实、假设和待验证项分开记录；限制 workspace、shell、网络和 secrets 权限，先关闭不必要的自动启动连接器。
同类对比
相比单个 Agent CLI，Clowder AI 更强调多模型身份、共享记忆和交叉审查；相比 Multica 的 issue/runtime 交付流，它更偏工作区协作，具体收益需要同一任务实测。
这里仅补原教程没有展开的事实和边界。安装命令与操作步骤仍以前文为准。
原教程未展开的系统信息
核心功能
共享身份和记忆
项目定位强调 persistent identity、cross-model review 和 shared memory。
架构与数据流
桌面或本地 Web 工作区承载多个 Agent 宿主，任务、身份和共享记忆在工作区中协作；具体模型能力和命令执行仍由上游 Agent 及本机权限决定。
技术栈和运行条件
语言
TypeScript/JavaScript 桌面与 Web 工作区（以当前仓库为准）
框架
多 Agent workspace + desktop app
关键依赖
- pnpm
- 已登录的模型/Agent 宿主
- 项目目录和权限
运行环境
Windows/macOS 安装包或本地 http://localhost:3003
版本与同类选择
版本与迁移信息
本轮按官方仓库 README 和 releases 入口整理，未固定未核实的版本号。
官方与对比资料
以下链接用于核对版本、安装方式、功能边界和同类差异。
常见问题
Clowder AI 和 Multica 怎么选？
Clowder AI 更强调多模型身份、共享记忆和团队协作；Multica 更强调 issue、runtime 和 Agent 交付。用自己的任务流做小规模比较。
一定要四个模型一起用吗？
不用。先用一个模型跑通任务和权限，再增加第二个审查角色，才知道额外成本是否值得。
桌面版适合生产环境吗？
先确认权限、更新、日志和备份策略；生产任务应使用隔离工作区和人工发布门。
怎样避免共享记忆污染？
给结论标注来源和时间，定期清理过时上下文，关键事实回到源码、文档和测试核验。