1分钟组建AI团队：nodeskclaw工作区模板与一键部署全攻略-平芜编程栈

【免费下载链接】nodeskclaw

Humans and AI work together ❤️

项目地址：https://gitcode.com/gh_mirrors/no/nodeskclaw

nodeskclaw（DeskClaw）是一个开源的人机共营平台，主打让人类与 AI 在同一个"赛博办公室"里协作经营。其中最实用的功能之一，就是工作区模板 + 一键部署：选一套现成的团队模板，点击部署，平台就会自动在 K8s 集群上拉起一支 AI 员工团队，全程进度实时可见。本文带你快速搞懂工作区模板的原理，并手把手完成一次一键部署。

🏢 先认识 nodeskclaw：人和 AI 一起"上班"

nodeskclaw 的核心理念是：人负责战略判断（做什么、为什么做），AI 负责执行迭代（怎么做到极致）。两者在Cyber Workspace（赛博办公室）中协作：

六边形拓扑：团队每位成员（人或 AI）占据一个六边形工位，协作关系可视化
共享黑板：团队的经营看板，任务、进展、SOP 都记录在这里
基因系统（Gene System）：给 AI 员工"装载"模块化能力包，即插即用
一键扩容：在 Kubernetes 集群上自动部署 AI 员工实例

上图展示了 nodeskclaw 各核心模块的构成：nodeskclaw-backend（后端 API）、nodeskclaw-portal（用户门户）等，是一体化的开源项目。

📋 4 个内置工作区模板一览

平台启动时会自动把预设模板种子化到数据库，开箱即用。内置模板定义在 workspace_templates/ 目录：

模板	角色构成	特色	支持一键部署
软件研发团队	PM、Dev、QA 三角协作	过道连接黑板与各角色	否
内容工作室	Writer、Editor、Designer	内容生产流水线	否
研究实验室	Researcher、Analyst	共享黑板聚焦研究目标	否
自媒体内容工作室	选题编辑→内容创作→审核优化→分发运营	4 位 AI 员工全流程自动化，含完整 SOP	✅

其中 content_media_studio.json 是唯一带完整agent_specs（AI 员工规格）的模板：每位员工预置了 CPU/内存/存储配额、运行引擎（OpenClaw）和对应基因（如content-writer、content-reviewer），黑板里还自带一套内容生产 SOP。

一个模板里有什么？

每个模板 JSON 包含 4 块核心内容：

topology_snapshot：拓扑快照（nodes + edges），决定工位布局和协作连线
blackboard_snapshot：黑板快照，预填团队目标与工作流程
gene_assignments：基因分配，决定每个 AI 员工的能力
agent_specs：AI 员工规格（运行时、资源配额、模型配置），有一键部署能力的模板才需要

🚀 一键部署 5 步走

第 1 步：准备 K8s 集群

一键部署的目标是 Kubernetes 集群，前提条件：

Kubernetes1.24+，已部署 Ingress Controller（默认 nginx）
拥有足够权限的KubeConfig
后端.env配置好ENCRYPTION_KEY（KubeConfig 加密）和AGENT_API_BASE_URL（AI 员工回连后端的地址，不能是 localhost）

然后在 Portal 的组织设置 → 集群页面：点击"添加集群" → 选择 Kubernetes → 粘贴 KubeConfig → 提交后系统自动执行连接测试。详细要求见 Compute-Provider 部署指南。

第 2 步：打开模板详情

在 Portal 中找到「自媒体内容工作室」模板。详情页会展示拓扑布局、每位员工的角色与资源配额、预置黑板内容。

第 3 步：选择员工与落位

部署前可以勾选部分 AI 员工（selected_agent_indices），并在六边形网格上为每位员工确认工位坐标（agent_positions）。后端会先做布局校验：工位是否与黑板/过道冲突、是否越界，校验不通过会明确报错提示。

第 4 步：点击部署

确认工作区名称和目标集群后提交。核心请求只有一个：

POST /templates/{template_id}/deploy { "workspace_name": "...", "cluster_id": "..." }

后端入口在 templates.py，实际编排逻辑在 workspace_template_deploy_service.py。它会依次完成：

校验集群类型与模板计算平台一致（均为 K8s）
创建新工作区并记录source_template_id
为每位 AI 员工创建 K8s 资源：Namespace → ConfigMap → PVC → Deployment → Service → Ingress → NetworkPolicy
等待 Pod Ready，再做 LLM 配置同步、基因安装等后置步骤

第 5 步：实时盯进度

部署进度通过SSE（服务端推送）实时推送到前端 DeployProgress.vue，每一步的状态、日志、百分比都能看到，不用反复刷新。某个员工部署失败也不影响其他员工，最终会给出success或partial_success的汇总。

📡 部署后能得到什么？

一个真正"开工"的工作区：

✅ 4 位 AI 员工实例在 K8s 上运行，各占独立 Namespace 与 PVC 存储
✅ 黑板已预填 SOP，员工按「选题→创作→审核→分发」流水线协作
✅ 基因已安装，员工能力开箱即用
✅ 人类可随时发布任务、@ 员工、在黑板追加选题

❓ 常见问题速查

现象	原因与解法
报错「请选择 k8s 类型的集群以匹配模板」	目标集群与模板计算平台不一致，换一个 K8s 集群
部署 K8s 实例返回 400	`AGENT_API_BASE_URL`仍是 localhost，改成 Pod 可达的域名或内网地址
实例卡在"部署中"	用`kubectl get pods -n nodeskclaw-default-<slug>`排查，常见为镜像拉取失败、资源不足、PVC 绑定失败
后端跑在非标准端口被拦截	默认 NetworkPolicy 只放行 80/443 出站，可用反代走 443 或把端口加入`EGRESS_ALLOW_PORTS`

更多排查细节见 Compute-Provider 部署指南常见问题。

🛠 本地先试一把？

没有 K8s 集群也没关系，本地开发一条命令启动：

./dev.sh # 启动全部服务 ./dev.sh --docker-pg # 自动拉起 Docker 版 PostgreSQL

首次启动时终端会打印初始管理员账号，打开http://localhost:4517登录即可（详见 README.zh-CN.md 与 deploy/README.md）。

📁 相关文件索引

内容	路径
工作区模板预设目录	nodeskclaw-backend/app/presets/workspace_templates/
一键部署编排服务	workspace_template_deploy_service.py
模板 API 路由	nodeskclaw-backend/app/api/templates.py
部署进度前端页面	nodeskclaw-portal/src/views/DeployProgress.vue
集群与部署指南	docs/Compute-Provider部署指南.md
模板部署服务	workspace_deploys.py