| orphan | true |
|---|
Eine selbst hostbare KI-Forschungsumgebung fuer dokumentenbasierten Chat, Paper-Studium, wissenschaftliche Workflows und Research Execution.
Auf Ihren Dateien verankert, rund um Papers organisiert und bereit fuer den Schritt zur Ausfuehrung.
%20%7C%2025%20Current-339933?logo=node.js&logoColor=white){kind=icon}
English · 简体中文 · 日本語 · Français · Deutsch
Dokumentation · Schnellstart · Community
Diese Uebersetzung kann langsamer aktualisiert werden als die englische Startseite
../README.md. Fuer die neuestenWhat's New-Eintraege sind die englische und chinesische Seite die verlaesslichsten Quellen.
InnoClaw verwandelt serverseitige Ordner in KI-native Workspaces fuer dokumentenbasierten Chat, Paper-Studium, wissenschaftliche Workflows und Research Execution.
Es richtet sich an Forschende, Entwickler, Labore und Self-Hoster, die mehr als nur eine generische Chat-Oberflaeche wollen: zitierte Antworten auf echten Dateien, wiederverwendbare Skills und einen klaren Weg vom Lesen zur Ausfuehrung.
Workflow: Workspace oeffnen -> Dateien in RAG synchronisieren -> Mit Quellen fragen -> Paper studieren -> Multi-Agent-Diskussion starten -> Notizen und Ideen generieren -> Remote-Forschungstasks ausfuehren
Dieser Bereich wird als leichtgewichtige Uebersetzungszusammenfassung automatisch synchronisiert. Fuer die schnellsten Updates sehen Sie bitte in ../README.md und README_CN.md nach.
- InnoClaw CLI: App im Terminal ausfuehren, Arbeitsbereiche verwalten und Deep-Research-Sitzungen erstellen, starten oder exportieren
- Deep-Research-Pruefpunkte: Die Recherche pausiert jetzt an Pruefpunkten, damit du Laeufe fortsetzen, ueberarbeiten, verzweigen, ablehnen oder stoppen kannst
- Rollenstudio: Neuer Deep-Research-Tab zum Pruefen spezialisierter Rollen und zum Senden gezielter Anweisungen an den Researcher oder Worker
- Docker-Deployment-Support: InnoClaw mit Docker und docker-compose selbst hosten, mit Anleitungen fuer Setup, Volumes und Upgrades
- 200+ integrierte Skills: Deutliche Erweiterung sofort nutzbarer wissenschaftlicher Skills fuer Bioinformatik, Chemie, Genomik und Physik
- Skill-Erstellungsframework: Neues Meta-Skill zum Erstellen, Bewerten, Benchmarken und Validieren eigener Skills
Aeltere Updates anzeigen
- Docker-Deployment-Unterstuetzung: Dockerfile, docker-compose.yml und eine vollstaendige Docker-Deployment-Anleitung fuer selbst gehostete Produktionsumgebungen hinzugefuegt
- 200+ neue integrierte Skills: Skill-Bibliothek erweitert um Bioinformatik, Chemoinformatik, Genomik, Physik und Drug-Discovery-Pipelines
- Skill-Creator-Framework: Neuer Meta-Skill mit Werkzeugen fuer Evaluierung, Benchmarking und Validierung zum Erstellen und Testen eigener Skills
- Text-zu-CAD-Faehigkeit: Neue Agenten-Faehigkeit, die natuerlichsprachige Beschreibungen mit CadQuery in 3D-CAD-Modelle (STL/STEP) umwandelt, mit automatischer Einrichtung der Umgebung
- Arbeitsbereich-Bildauswahl: Neues Dialog-UI im Agenten-Panel zum Durchsuchen und Auswaehlen von Bildern aus dem Arbeitsbereich zum Anhaengen an Konversationen
- Eingefuegte Bilder unterstuetzt: Benutzer koennen Bilder jetzt direkt in die Chat-Eingabe einfuegen fuer multimodale KI-Konversationen
- Deep-Research-Rollenstudio: Das neue Rollenstudio-Panel ermoeglicht das Konfigurieren und Verwalten benutzerdefinierter Forscherrollen im Deep-Research-Workflow
- Erweiterte Quellen fuer die Artikelsuche: BioRxiv, PubMed und PubChem wurden als durchsuchbare Artikelquellen in Paper Study hinzugefuegt
- Dynamische Modellerkennung: Das Agenten-Panel ruft verfuegbare Modelle automatisch von jedem konfigurierten KI-Anbieter ab und fuegt sie mit der eingebauten Liste zusammen
- Modellspezifisches Base-URL-Routing: Chinesische KI-Anbieter (shlab, qwen, moonshot, deepseek, minimax, zhipu) unterstuetzen
<PROVIDER>_<MODEL>_BASE_URL-Umgebungsvariablen fuer flexibles Endpunkt-Routing - Laufzeit-Umschalter fuer Tool-Aufruf: Tool-Unterstuetzung kann per Anbieter ueber
<PROVIDER>_TOOLS_ENABLED=true/falseohne Codeaenderungen aktiviert oder deaktiviert werden
- Multimodaler LLM-Support: Papierrecherche und Agenten-Workflows unterstuetzen jetzt Standard-LLMs und multimodale LLMs (mLLM), kontextbezogen auswaehlbar in den Einstellungen und der Modellauswahl.
- GitHub-Faehigkeiten Import-Vorschau: Neuer Vorschau-Workflow vor dem Import ermoeglicht das Durchsuchen, Pruefen und selektive Importieren von Faehigkeiten aus GitHub-Repositories
- Obsidian-Notizexport: Generieren Sie strukturierte, Obsidian-kompatible Notizen mit reichhaltigem YAML-Frontmatter, Abbildungen und Wikilinks direkt aus dem Paper-Studienpanel
- Modellauswahl pro Aufgabe: Eine neue Modellauswahl-UI-Komponente erlaubt es Nutzern, das Standard-KI-Modell fuer einzelne Paper-Studienaufgaben (Zusammenfassung, Kritik, Notizen usw.) zu ueberschreiben
- Notiz-Diskussionsansicht: Neue ganzseitige Diskussionsansicht fuer Paper-Notizen, die gebuendelte KI-gestuetzte Gespraeche rund um generierten Notizinhalt ermoeglichen
- Entfernte HPC/SLURM-Ausfuehrung: Tiefe Recherche-Sitzungen koennen jetzt ueber SSH auf entfernten Clustern ausgefuehrt werden, mit Unterstuetzung fuer rjob, rlaunch und SLURM sowie Datei-Staging und Job-Lifecycle-Verwaltung
- Kubernetes-Cluster-Konfigurationsoberflaeche: Neues Einstellungspanel zur Laufzeitkonfiguration von K8s-Kontexten, PVC-Bindungen und Container-Images in Multi-Cluster-Umgebungen ohne Neustart
- Entfernte Profil-Bindung: Tiefe Recherche-Sitzungen koennen an vorkonfigurierte SSH/Remote-Rechenprofile gebunden werden, was reproduzierbare verteilte Forschungs-Workflows ermoeglicht
InnoClaw ist eine selbst hostbare Web-App fuer forschungsorientierte Wissensarbeit. Sie kombiniert Workspace-Verwaltung, RAG-Chat, Paper-Suche und -Review, wiederverwendbare wissenschaftliche Skills und agentenbasierte Ausfuehrung an einem Ort.
Anstatt zwischen Dateibrowser, Notiztool, Paper-Reader und Automatisierungskonsole zu wechseln, behalten Sie den Ablauf in einem einzigen Workspace: Ordner oeffnen, Inhalte synchronisieren, fundierte Fragen stellen, Papers lesen und mehrstufige Forschungstasks ausfuehren.
- Workspace-first - Serverordner als dauerhafte Forschungs-Workspaces mit Dateien, Notizen, Chatverlauf und Execution-Kontext nutzen
- Fundierte KI-Antworten - RAG-gestuetzte Antworten mit Quellenangaben ueber eigene Dokumente und eigenen Code erhalten
- Forschungsnahe Workflows - Papers studieren, strukturierte Multi-Agent-Diskussionen fuehren und neue Richtungen aus Literatur ableiten
- Wissenschaftliche Skills integriert - 206 SCP-Science-Skills aus Bereichen wie Drug Discovery, Genomics und Protein Science importieren und nutzen
- Nicht nur Konversation, sondern Execution - Von Lesen und Planung zu Job-Einreichung, Monitoring, Ergebnissammlung und naechsten Empfehlungen gelangen
- Self-hosted und multi-modellfreundlich - Mit OpenAI, Anthropic, Gemini und kompatiblen Endpunkten betreibbar
git clone https://github.com/SpectrAI-Initiative/InnoClaw.git
cd InnoClaw
npm install
npm run devhttp://localhost:3000oeffnen- Einen KI-Provider auf der Settings-Seite konfigurieren
- Workspace oeffnen oder clonen und dann
Syncklicken, um den RAG-Index aufzubauen - OS-spezifische Voraussetzungen und Produktions-Deployment finden Sie in
getting-started/installation.md
- Mit lokalen Dateien und Code auf Basis von Quellenangaben chatten
- Papers in einem Workspace suchen, zusammenfassen und pruefen
- Strukturierte 5-Rollen-Diskussionen fuer Kritik und Reproduzierbarkeit ausfuehren
- Zusammenfassungen, FAQs, Briefings, Timelines und Forschungsideen erzeugen
- Wissenschaftliche Skills importieren und wiederverwendbare Domain-Workflows starten
- Remote-Forschungstasks mit Freigabegates, Monitoring und Ergebnisanalyse verwalten
| Wenn Sie ... wollen | Starten Sie hier | Danach passiert Folgendes |
|---|---|---|
| Mit eigenen Dateien sprechen | Workspace + RAG-Chat | Ordner oeffnen, Sync klicken und zitierte Fragen stellen |
| Papers lesen und aufschluesseln | Paper-Studium | Papers suchen, zusammenfassen und direkt zu Diskussion oder Notizen wechseln |
| Ideen aus mehreren Blickwinkeln pruefen | Multi-Agent-Diskussion | Rollenbasierte Reviews fuer Kritik, Evidenzsammlung und Reproduzierbarkeit starten |
| Aus Lektuere neue Richtungen ableiten | Research Ideation | Richtungen erzeugen, Optionen vergleichen und Ausgaben in Notizen speichern |
| Forschung auf Remote-Infrastruktur ausfuehren | Research Execution Workspace | Code pruefen, Aenderungen freigeben, Jobs absenden, Laeufe ueberwachen und Ergebnisse einsammeln |
| Ebene | Rolle im Workflow |
|---|---|
| Workspace | Haelt Dateien, Notizen, Sitzungskontext und Projektstatus |
| Wissen | Synchronisiert Dateien in den RAG-Index, damit Antworten fundiert bleiben |
| Paper-Workbench | Uebernimmt Literatursuche, Zusammenfassung, Diskussion und Ideation |
| Skills | Ergaenzt wiederverwendbare Domain-Workflows und toolgestuetzte Faehigkeiten |
| Execution | Erweitert den Workflow auf Remote-Jobs und Experiment-Schleifen |
Literatur suchen, Papers voransichten, zusammenfassen und direkt in Diskussion oder Ideation uebergehen.
- Mehrquellen-Suche in einer UI
- KI-gestuetzte Query-Expansion fuer breitere Abdeckung
- Paper-Previews ohne Verlassen des Workspace-Kontexts
- Ausgaben zur Wiederverwendung in Notizen speichern
Ein strukturiertes Paper-Review mit Rollen wie Moderator, Literature Specialist, Skeptic, Reproducer und Scribe durchfuehren.
- Deterministischer, stufenweiser Diskussionsfluss
- Vergleich von Evidenz, Methoden, Grenzen und Reproduzierbarkeitsfragen
- Review-Aufzeichnungen, die leichter zu scannen sind als freier Chat
- Nutzung des Volltexts fuer tiefere Analyse
Von Code-Inspektion ueber Job-Einreichung bis zur Ergebnisanalyse in einem gefuehrten Ablauf arbeiten.
- Repositories mit Agent-Unterstuetzung pruefen und Patches vorschlagen
- Explizite Freigabepunkte fuer risikoreiche Schritte setzen
- Jobs ueber Shell, Slurm oder
rjobabsenden - Status ueberwachen, Artefakte sammeln und naechste Empfehlungen erzeugen
| Funktion | Was sie ermoeglicht |
|---|---|
| Workspace-Verwaltung | Serverordner als persistente KI-Workspaces abbilden |
| Dateibrowser | Dateien browsen, hochladen, erstellen, bearbeiten, previewen und synchronisieren |
| RAG-Chat | Fundierte Fragen ueber indexierte Dateien mit Quellenangaben stellen |
| Paper-Studium | Papers an einem Ort suchen, zusammenfassen und inspizieren |
| Diskussionsmodus | Strukturierte Multi-Rollen-Paper-Diskussionen ausfuehren |
| Research Ideation | Neue Richtungen und fachuebergreifende Ideen generieren |
| Skill-System | Wiederverwendbare wissenschaftliche Skills und Workflows importieren |
| Research Execution | Remote-Experiment-Schleifen mit Monitoring und Freigabegates orchestrieren |
| Multi-Agent-Sessions | Getrennte Execution-Kontexte ueber Tabs und Projekte hinweg behalten |
| Multi-LLM-Support | OpenAI, Anthropic, Gemini und kompatible Endpunkte nutzen |
- Hier anfangen - Overview, Installation
- Konfigurieren und deployen - Deployment, Environment Variables, Configuration
- Produkt nutzen - Features, API Reference
- Fehler beheben und beitragen - Troubleshooting, Development Guide
- Hilfe bei Setup oder Nutzung noetig? Starten Sie mit der Dokumentation: https://SpectrAI-Initiative.github.io/InnoClaw/
- Bug gefunden oder Feature-Wunsch? Erstellen Sie ein Issue: https://github.com/SpectrAI-Initiative/InnoClaw/issues
- Direkten Austausch gesucht? Die Feishu-Community finden Sie in
README_CN.md
- Lizenz - Apache-2.0, siehe
../LICENSE - Repository - https://github.com/SpectrAI-Initiative/InnoClaw
- Dokumentation - https://SpectrAI-Initiative.github.io/InnoClaw/