Um framework pessoal de agente de IA com ferramentas isoladas em contêineres, memória vetorial, subagentes dinâmicos e suporte a MCP. Sem necessidade de nuvem. Inspirado por OpenClaw.
DeVClaw é um framework pessoal de agente de IA que opera inteiramente no ambiente local, sem depender de serviços em nuvem. Ele oferece ferramentas executadas em contêineres isolados para segurança, memória vetorial para retenção de contexto de longo prazo, e suporte a subagentes dinâmicos que podem ser criados sob demanda para tarefas específicas. Além disso, possui compatibilidade com o protocolo MCP (Model Context Protocol), permitindo integração com outras ferramentas e agentes. Inspirado pelo conceito do OpenClaw, o DeVClaw é ideal para desenvolvedores que desejam construir e experimentar sistemas multiagentes personalizados com total controle sobre dados e processamento. O projeto é mantido no GitHub pela comunidade Experimenting-w-building e foi descoberto durante a caçada diária de skills de agente no awesomeskills.dev. Plataformas suportadas: sistemas Unix-like (Linux, macOS) com Docker e Python.
npx skills add Experimenting-w-building/DeVClawInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Um framework pessoal de agente de IA com ferramentas isoladas em contêineres, memória vetorial, subagentes dinâmicos e suporte a MCP. Sem necessidade de nuvem. Inspirado por OpenClaw.
Fonte: https://github.com/Experimenting-w-building/DeVClaw
Descoberto durante a caçada diária de skills de agente no awesomeskills.dev.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.