CheetahClaws: Uma infraestrutura de harness de agentes rápida e fácil de usar para sistemas de IA de longo horizonte, multimodelo e que usam ferramentas

Instalação rápida

pip install cheetahclaws

Depois é só executar:

cheetahclaws        # comece a conversar!

Outros métodos de instalação: script de instalação de uma linha | instalar a partir do código-fonte | instalar com uv | executar a partir do código-fonte | detalhes completos de instalação

🖥️ Prefere um aplicativo nativo? Uma versão desktop (Electron) empacota toda a interface de chat em uma janela — sem necessidade de terminal. Veja desktop/.

🔥🔥🔥 Novidades (Horário do Pacífico)

9 de julho de 2026: Imagem Docker oficial + publicação com um comando. Imagem pré-compilada no Docker Hub (docker pull chauncygu/cheetahclaws) para você executar a Web UI sem clonar; corrige um PermissionError na primeira execução ao pré-criar os diretórios .cheetahclaws/workspace de propriedade do usuário não-root, torna o image do compose sobrescrevível via CHEETAH_IMAGE e adiciona scripts/docker-publish.sh (lê a versão automaticamente, multi/single-arch). Novas seções da documentação: Pull do Docker Hub e Configuração interativa / modo CLI. Detalhes
8 de julho de 2026: O novo comando /workspace gerencia diretórios de trabalho isolados em ~/.cheetahclaws/workspaces (list/switch/default/create/delete) (PR #162); a troca automática na inicialização é opt-in via workspace_auto (desligada por padrão, então iniciar em um diretório de projeto permanece inalterado), e default agora é uma chave fixa separada da última usada. Detalhes
6 de julho de 2026 (v3.5.84): /image agora enriquece o prompt com texto de OCR local para que até modelos sem visão possam agir sobre capturas de tela da área de transferência (dumps de erro, código, tabelas); só é executado quando pytesseract/tesseract estão instalados e é totalmente desativável via CHEETAHCLAWS_IMAGE_OCR=0. Detalhes
28 de junho de 2026: Novo modo de permissão accept-edits (executa edições de arquivo automaticamente, ainda pergunta antes de comandos Bash fora da allow-list) — o meio-termo entre auto e accept-all; também expõe o modo plan existente em /permissions e corrige a descrição enganosa de auto no prompt. Detalhes
28 de junho de 2026: A obsolescência de memória agora se ancora em uma data last_verified em vez do mtime do arquivo, de modo que ler uma memória não pode falsamente atualizar uma que esteja desatualizada (PR #150); a nova ferramenta MemoryVerify é a única coisa que reinicia o relógio, o prompt instrui o agente a chamá-la após reverificar, e o manifesto de memória injetado é ordenado pela recência verificada. Detalhes
23 de junho de 2026 (v3.5.83): Documentação enxugada (novidades do README → uma linha cada, lista de 59 modelos da Atlas → usage.md, FAQ reduzida) e um aplicativo desktop nativo (shell Electron envolvendo a web UI) adicionado em desktop/; formato da string de versão unificado para v3.5.x. Detalhes
16 de junho de 2026: Todos os módulos internos agora vivem sob um único pacote cheetahclaws (from cheetahclaws import kernel), eliminando falhas por colisão de nomes de sys.path na inicialização — só quebra se você importar internos diretamente; suíte completa verde (2449 aprovados). Detalhes
6 de junho de 2026 (v3.5.82): A instalação no macOS agora coloca cheetahclaws no PATH de forma confiável, e modelos Ollama locais que emitem chamadas de ferramenta como texto agora realmente as executam (duas correções do #131). Detalhes
5 de junho de 2026: Orçamentos de tokens/custo controláveis pelo usuário — /budget $5 / /budget daily $20 limitam o gasto por sessão ou por dia, aplicados antes de cada chamada ao modelo. Detalhes
5 de junho de 2026: O streaming Markdown adaptativo mantém a saída ao vivo correta em todos os dispositivos ao selecionar automaticamente um nível por dispositivo; também adiciona uma grade visual /context e contexto de 1M para deepseek-v4-flash. Detalhes

Para mais novidades, veja aqui.

Patrocinador

CheetahClaws

CheetahClaws: Uma infraestrutura de harness de agentes nativa em Python, rápida e fácil de usar, compatível com qualquer modelo, como Claude, GPT, Gemini, Kimi, Qwen, Zhipu, DeepSeek, MiniMax e modelos open-source locais via Ollama ou qualquer endpoint compatível com OpenAI.

Conteúdo

Por que CheetahClaws
CheetahClaws vs OpenClaw
Funcionalidades
Modelos suportados
Instalação
Uso: modelos de API de código fechado
Uso: modelos open-source (locais)
Formato do nome do modelo
Agente de trading
Web UI
Documentação (guias para todas as funcionalidades)
Contribuindo · FAQ · Citação

Demonstrações

_{Execução de tarefas no terminal}

_{Web UI: chat no navegador — barra lateral, cartões de ferramentas, prompts de aprovação, streaming Markdown}

_{Agente de trading autônomo}

Mais demonstrações animadas (revisão de código, /research, /brainstorm, /lab, pontes Telegram/WeChat/Slack) estão em docs/media/.

Por que CheetahClaws

O Claude Code é um assistente de IA para codificação poderoso e de nível de produção — mas seu código-fonte é um bundle TypeScript/Node compilado de ~12 MB (~1.300 arquivos, ~283 mil linhas), fortemente acoplado à API da Anthropic, difícil de modificar e impossível de rodar contra um modelo local ou alternativo.

CheetahClaws reimplementa o mesmo loop central em ~90 mil linhas de Python legível — mantendo o que você precisa, descartando o que não precisa e adicionando suporte multiprovedor + modelos locais. Comparação completa: ../guides/comparison.md.

Dimensão	Claude Code (TypeScript)	CheetahClaws (Python)
Linguagem	TypeScript + React/Ink	Python 3.8+
Arquivos-fonte / LoC	~1.332 arquivos / ~283 mil	~315 arquivos / ~90 mil (núcleo; ~127 mil com testes)
Ferramentas / comandos integrados	44+ / 88	27 / 50+
Provedores de modelo	Apenas Anthropic	8+ (Anthropic · OpenAI · Gemini · Kimi · Qwen · DeepSeek · MiniMax · …)
Modelos locais	Não	Sim — Ollama, LM Studio, vLLM, qualquer endpoint compatível com OpenAI
Etapa de build	Sim (Bun + esbuild)	Não — `python cheetahclaws.py`
Extensibilidade	Fechada (em tempo de compilação)	Aberta — `register_tool()` em tempo de execução, skills em Markdown, plugins git, MCP
Entrada de voz	WebSocket proprietário (OAuth)	Whisper local / OpenAI — funciona offline

Onde o Claude Code vence: UI React/Ink mais rica, mais ferramentas integradas, recursos empresariais (MDM, sincronização de permissões de equipe, OAuth/keychain), extração de memória guiada por IA, confiabilidade de produção em binário único.

Onde o CheetahClaws vence: troca de qualquer modelo (--model//model, sem recompilação) incluindo suporte completo local/offline; um loop de agente legível em um único arquivo (agent.py, ~740 linhas); zero build; registro de ferramentas em tempo de execução + MCP + plugins git + skills em Markdown; grafo de dependências de tarefas (blocks/blocked_by); compressão de contexto em duas camadas; voz offline; sincronização de sessões na nuvem; pontes para Telegram/WeChat/Slack/QQ.

Para quem é: desenvolvedores que querem um assistente de codificação local/não-Anthropic, pesquisadores que estudam como funcionam os assistentes agentivos e equipes que precisam de uma base hackeável — sem uma cadeia de build Node.js.

CheetahClaws vs OpenClaw

OpenClaw é outro assistente open-source popular (TypeScript/Node). Os dois têm objetivos principais diferentes — o OpenClaw é um assistente de vida pessoal em canais de mensagens; o CheetahClaws é uma ferramenta de desenvolvimento/codificação.

Dimensão	OpenClaw (TypeScript)	CheetahClaws (Python)
Linhas de código	~245 mil (~10.349 arquivos)	~90 mil no núcleo (~315 arquivos)
Foco principal	Assistente pessoal em vários canais	Assistente de codificação por IA / ferramenta de dev
Arquitetura	Daemon Gateway sempre ativo + apps	REPL de terminal sem instalação
Canais de mensagens	20+ (WhatsApp · Signal · iMessage · Discord · Matrix · …)	Terminal + pontes Telegram · WeChat · Slack · QQ
Modelos locais / offline	Limitado	Completo — Ollama · vLLM · LM Studio · qualquer um compatível com OpenAI
Ferramentas de edição de código	Controle de navegador, Canvas	Read · Write · Edit · Bash · Glob · Grep · NotebookEdit · GetDiagnostics
Mobile / Live Canvas	Sim (barra de menu + iOS/Android, A2UI)	—
Suporte a MCP	—	Sim (stdio/SSE/HTTP)
Hackeabilidade	245 mil linhas, mais difícil de modificar	~90 mil linhas — loop de agente em um único arquivo

Se você quer…	Use
Um assistente pessoal no WhatsApp/Signal/Discord, mobile-first, automação de navegador + Canvas	OpenClaw
Um assistente de codificação por IA no seu terminal, modelos totalmente offline/locais, troca multiprovedor, código-fonte que você lê em uma tarde	CheetahClaws

Comparação completa — vitórias dos dois lados + diferenças-chave de design (loop de agente, registro de ferramentas, compressão de contexto, memória): ../guides/comparison.md.

Funcionalidades

Funcionalidade	Detalhes
Multiprovedor	Anthropic · OpenAI · Gemini · Kimi · Qwen · Zhipu · DeepSeek · MiniMax · Ollama · LM Studio · Endpoint personalizado
Loop de agente	API de streaming + loop automático de uso de ferramentas; todo o loop está em `agent.py`
28 ferramentas integradas	Read · Write · Edit · Bash · Glob · Grep · WebFetch · WebSearch · NotebookEdit · GetDiagnostics · Memory* · Agent/SendMessage · Skill · AskUserQuestion · Task* · SleepTimer · EnterPlanMode/ExitPlanMode · (ferramentas MCP + de plugins adicionadas automaticamente)
Integração MCP	Conecte qualquer servidor MCP (stdio/SSE/HTTP); ferramentas registradas automaticamente — veja o guia de extensões
Sistema de plugins	Instale/ative/atualize plugins a partir de URLs git ou caminhos locais; multiescopo; motor de recomendação
Gerenciamento de tarefas	`TaskCreate/Update/Get/List`, IDs sequenciais, arestas de dependência, persistidos em `.cheetahclaws/tasks.json`
Compressão de contexto	Quatro camadas cooperantes — limite dinâmico de `max_tokens`, registro de janela de contexto por modelo, corte em duas camadas + resumo por IA a 70%, e auto-fanout para saídas de ferramenta grandes demais. Detalhes
Memória persistente	Duplo escopo (usuário + projeto), 4 tipos, metadados de confiança/origem, detecção de conflitos, busca ponderada por recência, `/memory consolidate`. Obsolescência ancorada em verificação — a atualidade rastreia uma data `last_verified` (não o mtime do arquivo), de modo que ler uma memória não pode falsamente atualizá-la; apenas `MemoryVerify` reinicia o relógio. Detalhes
Multiagente	Cria subagentes tipados (coder/reviewer/researcher/…), isolamento por git-worktree, modo em segundo plano
Sistema de permissões	Modos `auto` / `accept-edits` / `accept-all` / `manual` / `plan` (`accept-edits` = executa edições automaticamente, ainda pergunta para outros comandos Bash; uma denylist rígida bloqueia comandos destrutivos ao host em todos os modos)
Checkpoints e modo plano	Snapshot automático da conversa + arquivos a cada turno (`/checkpoint`, `/rewind`); modo de análise somente leitura `/plan`
Comandos slash e temas	50+ comandos slash com autocompletar por Tab; `/theme` oferece 15 paletas selecionadas
Brainstorm → Worker	`/brainstorm` executa um debate de N personas → `todo_list.txt`; `/worker` implementa automaticamente as tarefas pendentes
Modo Desenvolvedor SSJ	`/ssj` — menu de poder persistente encadeando Brainstorm, Worker, Review, Trading, Agent, Video/TTS, Monitor, etc.
Agente de trading	`/trading` análise multiagente, backtesting, calibração de paper-trade, portfólios MV. Guia
Monitor	`/monitor` assina tópicos monitorados por IA em uma agenda (arxiv / ações / cripto / notícias / personalizado), envia relatórios para pontes/console
Pesquisa (múltiplas fontes)	`/research` se ramifica em 20 fontes com tabela de calor de atenção, extração de entidades, sparkline de tendência, modo de comparação. Guia
Agentes autônomos	`/agent` loops em segundo plano a partir de templates Markdown; resumos de iteração enviados via ponte; proteção contra estagnação
Pontes + controle remoto	Telegram · WeChat · Slack · QQ — chat de ida e volta, passagem de comandos slash, fila de trabalhos por ponte (`!jobs`/`!retry`/`!cancel`). Guia
Voz / Visão / Vídeo / TTS	Whisper offline `/voice`; visão de área de transferência `/image` (local + nuvem); fábricas de conteúdo `/video` + `/tts`. Guia
Web UI	`--web` — chat multiusuário no navegador + terminal PTY. Guia
Mais	Integração com Tmux · escape de shell `!cmd` · monitoramento proativo · saída forçada com 3×Ctrl+C · persistência de sessão · sincronização `/cloudsave` via GitHub-Gist · rastreamento de custos · modo não interativo `--print`

Referência completa de funcionalidades — cada linha acima com todos os detalhes (camadas de compressão de contexto, auto-fanout, 15 temas, os textos completos de Trading/Research/Agents, …): ../guides/features.md.

Modelos suportados

Código fechado (API)

Provedor	Modelos de exemplo	Contexto	Variável da chave de API
Anthropic	`claude-opus-4-6` · `claude-sonnet-4-6` · `claude-haiku-4-5-20251001`	200k	`ANTHROPIC_API_KEY`
OpenAI	`gpt-4o` · `gpt-4.1` · `gpt-5` · `o3` · `o4-mini`	128–200k	`OPENAI_API_KEY`
Google	`gemini-2.5-pro` · `gemini-2.0-flash` · `gemini-1.5-pro`	1–2M	`GEMINI_API_KEY`
Moonshot (Kimi)	`moonshot-v1-8k` / `-32k` / `-128k`	8–128k	`MOONSHOT_API_KEY`
Alibaba (Qwen)	`qwen-max` · `qwen-plus` · `qwen-turbo` · `qwq-32b`	32k–1M	`DASHSCOPE_API_KEY`
Zhipu (GLM)	`glm-4-plus` · `glm-4` · `glm-4-flash` (nível gratuito)	128k	`ZHIPU_API_KEY`
DeepSeek	`deepseek-chat` · `deepseek-reasoner`	64k	`DEEPSEEK_API_KEY`
MiniMax	`MiniMax-Text-01` · `MiniMax-VL-01` · `abab6.5s-chat`	256k–1M	`MINIMAX_API_KEY`
AWS Bedrock / Azure / Vertex (via litellm)	`litellm/<provider>/<model>`	varia	específico do provedor

Adaptador litellm/: roteia para mais de 100 provedores por trás de um único SDK — principalmente para upstreams com autenticação complicada (SigV4 do Bedrock, roteamento de deployment do Azure, JWTs de service-account do Vertex). Para endpoints simples no formato OpenAI, prefira o adaptador custom/ sem dependências. Instale com pip install ".[litellm]". Veja recipes.md.

Open-Source (local via Ollama)

Modelo	Tamanho	Pontos fortes	Pull
`qwen2.5-coder`	7B / 32B	Melhor para codificação	`ollama pull qwen2.5-coder`
`llama3.3` / `llama3.2`	70B / 3B–11B	Uso geral	`ollama pull llama3.3`
`deepseek-r1`	7B–70B	Raciocínio, matemática	`ollama pull deepseek-r1`
`mistral` / `mixtral`	7B / 8x7B	Rápido / MoE forte	`ollama pull mistral`
`phi4` · `gemma3` · `codellama`	14B · 4–27B · 7–34B	Raciocínio / aberto / código	`ollama pull phi4`
`llava` · `llama3.2-vision`	7–13B · 11B	Visão	`ollama pull llava`

Chamada de ferramentas requer um modelo com function-calling — recomendados: qwen2.5-coder, llama3.3, mistral, phi4. Modelos que emitem chamadas de ferramenta como texto (<tool_call>…</tool_call>, [TOOL_CALLS]…) em vez do campo estruturado do Ollama são recuperados automaticamente, de modo que executam ferramentas de imediato em vez de apenas falar sobre isso. Modelos de raciocínio (deepseek-r1, qwen3, gemma4) transmitem blocos <think> nativos; ative com /verbose + /thinking.

Instalação

pip install cheetahclaws

Funciona em Linux, macOS, WSL2 e Android (Termux) (Python 3.10+). A primeira execução guia você pela configuração de provedor + chave de API; execute novamente a qualquer momento com cheetahclaws --setup.

Windows: o Windows nativo não é suportado — use o WSL2. Android/Termux: pkg install python git && pip install cheetahclaws.

Alternativa: script de instalação de uma linha

curl -fsSL https://raw.githubusercontent.com/SafeRL-Lab/cheetahclaws/main/scripts/install.sh | bash

Após a instalação, recarregue seu shell para que cheetahclaws esteja no PATH:

source ~/.zshrc     # macOS
# ou: source ~/.bashrc   # Linux
cheetahclaws        # comece a conversar!

Alternativa: instalar com `pip` a partir do código-fonte

git clone https://github.com/SafeRL-Lab/cheetahclaws.git
cd cheetahclaws
pip install .                       # depois: cheetahclaws
git pull && pip install --force-reinstall .   # para atualizar

Extras opcionais

pip install ".[voice]"      # entrada de voz (sounddevice + faster-whisper)
pip install ".[vision]"     # captura de imagem da área de transferência (Pillow)
pip install ".[autosuggest]"# autossugestão de slash em tempo de digitação (prompt_toolkit)
pip install ".[browser]"    # navegador headless (playwright); depois: playwright install chromium
pip install ".[files]"      # leitura de PDF + Excel (pymupdf, openpyxl)
pip install ".[ocr]"        # OCR de imagem (pytesseract)
pip install ".[trading]"    # agente de trading (yfinance, rank-bm25)
pip install ".[qq]"         # ponte de bot QQ (qq-botpy)
pip install ".[litellm]"    # autenticação AWS Bedrock / Azure / Vertex via litellm
pip install ".[all]"        # tudo acima

Alternativa: instalar com `uv`

git clone https://github.com/SafeRL-Lab/cheetahclaws.git && cd cheetahclaws
uv tool install ".[all]"            # mínimo: uv tool install .
uv tool install ".[all]" --reinstall   # atualizar   ·   uv tool uninstall cheetahclaws

Alternativa: executar diretamente a partir do código-fonte (sem instalação)

git clone https://github.com/SafeRL-Lab/cheetahclaws.git && cd cheetahclaws
pip install -r requirements.txt
python cheetahclaws.py              # as mudanças têm efeito imediato

Uso: modelos de API de código fechado

Todo provedor de nuvem segue o mesmo padrão — exporte sua chave de API (veja a tabela de Modelos suportados para o nome da variável de ambiente) e depois selecione um modelo:

export ANTHROPIC_API_KEY=sk-ant-...     # ou OPENAI_API_KEY / GEMINI_API_KEY / DEEPSEEK_API_KEY / …
cheetahclaws                            # modelo padrão
cheetahclaws --model gpt-4o             # escolha qualquer modelo
cheetahclaws --model deepseek-chat --thinking --verbose

Páginas para obter a chave de cada provedor: Anthropic · OpenAI · Gemini · Kimi · Qwen · Zhipu · DeepSeek · MiniMax.

AWS Bedrock / Azure / Vertex usam o formato litellm/<provider>/<model> (pip install ".[litellm]") — receitas completas de variáveis de ambiente em recipes.md.

Guia completo por provedor — página de obtenção de chave + comandos de modelo de exemplo de cada provedor, além de receitas de variáveis de ambiente para Bedrock/Azure/Vertex: ../guides/usage.md.

Uso: modelos open-source (locais)

Ollama (recomendado)

curl -fsSL https://ollama.com/install.sh | sh   # instalar
ollama pull qwen2.5-coder                        # baixar um modelo com tool-calling
ollama serve                                     # http://localhost:11434 (inicia automaticamente no macOS)
cheetahclaws --model ollama/qwen2.5-coder        # executar (use `ollama list` para ver os modelos locais)

LM Studio

Baixe o LM Studio, obtenha um modelo GGUF, inicie seu Local Server (porta 1234) e depois:

cheetahclaws --model lmstudio/<model-name>

vLLM / servidor auto-hospedado compatível com OpenAI

python -m vllm.entrypoints.openai.api_server \
    --model Qwen/Qwen2.5-Coder-32B-Instruct --port 8000 \
    --enable-auto-tool-choice --tool-call-parser hermes

export CUSTOM_BASE_URL=http://localhost:8000/v1
export CUSTOM_API_KEY=token-abc123      # qualquer string não vazia se o servidor não tiver autenticação
cheetahclaws --model custom/Qwen2.5-Coder-32B-Instruct

O nome após custom/ deve corresponder ao --served-model-name do servidor. Para a Web UI, --web --model custom/<name> persiste o modelo antes de o servidor iniciar. Servidor remoto? Aponte CUSTOM_BASE_URL para o IP dele.

Guia completo de modelos locais — Ollama passo a passo, LM Studio, vLLM + Web UI: ../guides/usage.md.

Atlas Cloud (hospedado, compatível com OpenAI)

🎁 Atlas Cloud oferece DeepSeek, Qwen, GLM, Kimi, MiniMax e mais por trás de um único endpoint compatível com OpenAI, via o adaptador custom/ sem dependências:

export CUSTOM_BASE_URL=https://api.atlascloud.ai/v1
export CUSTOM_API_KEY=your_atlascloud_api_key
cheetahclaws --model custom/deepseek-ai/deepseek-v4-pro

Qualquer id de modelo de chat da Atlas funciona da mesma forma — lista completa de todos os 59 modelos: ../guides/usage.md.

Formato do nome do modelo

Três formas equivalentes são aceitas:

cheetahclaws --model gpt-4o                  # 1. detecção automática por prefixo
cheetahclaws --model ollama/qwen2.5-coder    # 2. provider/model
cheetahclaws --model kimi:moonshot-v1-32k    # 3. provider:model

Detecção automática por prefixo: claude-→anthropic · gpt-/o1/o3→openai · gemini-→gemini · moonshot-/kimi-→kimi · qwen/qwq-→qwen · glm-→zhipu · deepseek-→deepseek · MiniMax-/abab→minimax · llama/mistral/phi/gemma/mixtral/codellama→ollama.

Agente de trading

Um módulo integrado de análise de trading + backtesting por IA (pip install "cheetahclaws[trading]").

/trading analyze NVDA            # pipeline de 5 fases: dados → debate Bull/Bear → Juiz → painel de Risco → decisão do PM
/trading backtest AAPL dual_ma   # backtest de uma estratégia (ou deixe a IA escolher); Sharpe/Sortino/Calmar/drawdown/taxa de acerto

4 estratégias (dual_ma, rsi_mean_reversion, bollinger_breakout, macd_crossover), memória BM25 de situações passadas, mercados de EUA/HK/A-share + cripto com fallbacks de dados sem chave de API. Submenu guiado via /ssj → Trading.

Guia completo: ../guides/trading.md

Web UI

Uma interface de navegador pronta para produção — contas de usuário reais (bcrypt + JWT), histórico com backing em SQLite, endpoints de ops — servida pela biblioteca padrão do Python + dez módulos vanilla-JS (sem Node.js / React / etapa de build).

pip install 'cheetahclaws[web]'
cheetahclaws --web                  # escolhe automaticamente uma porta livre (tenta 8080)
cheetahclaws --web --port 9000 --host 0.0.0.0   # vincular explicitamente / abrir para a LAN
cheetahclaws --web --no-auth        # pular login (apenas dev em localhost)

Abra http://localhost:<port>/chat — a primeira conta se torna admin. Inclui chat com streaming (WS) + comandos slash via SSE, sessões persistentes com pastas/busca/exportação Markdown, cartões de ferramentas, aprovação de permissão inline, painel de configurações, tema claro/escuro/sistema e endpoints /health + /metrics. Um terminal PTY completo com xterm.js fica em / (100% de paridade com a CLI).

Guia completo: ../guides/web-ui.md · Docker / servidor doméstico: ../guides/docker.md · Aplicativo desktop nativo: desktop/README.md

Documentação

Guias detalhados vivem em docs/guides/ para manter este README focado:

Guia	O que há dentro
Funcionalidades (completo)	A tabela completa de funcionalidades — cada linha com todos os detalhes (compressão de contexto, auto-fanout, temas, textos de Trading/Research/Agents)
Uso (todos os provedores)	Configuração por provedor + comandos de exemplo: Anthropic/OpenAI/Gemini/Kimi/Qwen/Zhipu/DeepSeek/MiniMax/litellm, e Ollama/LM Studio/vLLM locais
Web UI	Interface de chat, terminal PTY, endpoints de API, configurações, autenticação, streaming SSE
Aplicativo desktop	Shell de janela nativa (Electron) que envolve a web UI local; gere um `.dmg`/`.exe`/`.AppImage` autocontido
Docker / Servidor Doméstico	Dockerfile + compose: web UI + pontes em um contêiner, Ollama no host, montagem de workspace
Referência	CLI, 50+ comandos, 33 ferramentas integradas, busca de sessões, classificação de erros, cache de ferramentas
Extensões	Memória, Skills, Subagentes, servidores MCP, Plugins, Monitor, Agentes autônomos
Pontes	Configuração de Telegram, WeChat, Slack, QQ + controle remoto pelo seu celular
Segurança e variáveis de ambiente	Modelo de ameaças, variáveis `CHEETAHCLAWS_*`, tratamento de tokens de bot, denylist do Bash, sandbox de fs, CSRF
Voz e Vídeo	Entrada de voz com Whisper offline, fábrica de Vídeo, fábrica de TTS
Trading	Análise multiagente, backtesting, memória BM25, fallbacks de dados, integração com SSJ
Avançado	Brainstorm, SSJ, Tmux, monitoramento proativo, checkpoints, modo plano, sessões, sincronização na nuvem
Comparação	Posicionamento completo vs Claude Code e OpenClaw — tabelas resumidas, vitórias dos dois lados, diferenças-chave de design
Receitas	12 exemplos passo a passo: revisão de código, controle remoto, pesquisa, correção de bug, navegação, e-mail, PDF/Excel
FAQ	O FAQ completo (MCP, modelos/provedores, CLI/scripting, voz)
Criação de plugins · Exemplo	Crie um plugin: ferramentas, comandos, skills, MCP; template inicial
Laboratório de Pesquisa	`/lab start <topic>` — escrita autônoma multiagente de artigos com experimentos em sandbox
Agent OS · Índice de RFCs	A camada `kernel/` + todas as notas de design (RFC 0001-0032)
Contribuindo	Estrutura do projeto, guia de arquitetura, checklist de PR

Referência rápida

cheetahclaws [OPTIONS] [PROMPT]

  -p, --print          Não interativo: executa o prompt e sai
  -m, --model MODEL    Sobrescreve o modelo (ex.: gpt-4o, ollama/llama3.3)
  --accept-all         Aprova automaticamente todas as operações (sem prompts de permissão)
  --verbose            Mostra blocos de raciocínio e contagem de tokens por turno
  --show-tools         Mostra cada chamada de ferramenta em vez de um resumo por turno
                       (alias: --no-quiet; o resumo compacto é o padrão)
  --thinking           Ativa o Extended Thinking (apenas Claude)
  --web                Inicia o servidor web (Chat UI + terminal PTY no navegador)
  --port / --host      Porta / host do servidor web (padrão 8080 / 127.0.0.1)
  --no-auth            Desativa a senha da web (apenas uso local)
  --version / -h       Imprime a versão / mostra a ajuda

cheetahclaws                                          # REPL interativo, modelo padrão
cheetahclaws -m ollama/deepseek-r1:32b                # escolha um modelo
cheetahclaws -p "Write a Python fibonacci function"   # não interativo
cheetahclaws --accept-all -p "Init a pyproject.toml"  # CI / automação
cheetahclaws --web --port 8008 --no-auth              # chat no navegador + terminal

Veja o Guia de Referência para todos os 50+ comandos slash, ferramentas e opções de configuração.

Contribuindo

Contribuições são bem-vindas! Veja o Guia de Contribuição para arquitetura, convenções e o checklist de PR.

git clone https://github.com/SafeRL-Lab/cheetahclaws.git && cd cheetahclaws
pip install -r requirements.txt && pip install pytest
python -m pytest tests/ -x -q       # 341+ testes devem passar
python cheetahclaws.py              # executar o REPL

Está criando um plugin? Veja o Guia de Criação de Plugins e o template de exemplo.

FAQ

Algumas perguntas comuns — o FAQ completo está em ../guides/faq.md.

P: Como adiciono um servidor MCP?

/mcp add git uvx mcp-server-git          # ou crie .mcp.json no seu projeto, depois /mcp reload

P: As chamadas de ferramenta não funcionam com meu modelo Ollama local (ele fica apenas descrevendo o que faria em vez de fazer). O CheetahClaws agora recupera automaticamente as chamadas de ferramenta que modelos locais emitem como texto (<tool_call>…</tool_call>, [TOOL_CALLS]…) em vez do campo estruturado do Ollama, então a maioria dos modelos com function-calling executa ferramentas de imediato. Para melhor confiabilidade, use um modelo com tool-calling — qwen2.5-coder, llama3.3, mistral ou phi4. Modelos pequenos também são mais fracos no uso agentivo de ferramentas do que modelos de nuvem, então espere que precisem de prompts mais claros e concretos.

P: Depois de instalar no macOS, cheetahclaws: command not found e nenhum ~/.zshrc foi criado. Recarregue seu shell primeiro: source ~/.zshrc (zsh) ou source ~/.bash_profile (bash). O instalador cria ~/.zshrc se ele não existir, cria um symlink do binário em ~/.local/bin e o adiciona ao PATH. Se você instalou uma versão mais antiga, re-execute o instalador ou adicione esta linha você mesmo: echo 'export PATH="$HOME/.local/bin:$PATH"' >> ~/.zshrc && source ~/.zshrc.

Mais — vLLM remoto, custo de API (/cost), múltiplas chaves por sessão, modelo padrão entre projetos, encaminhamento de entrada por pipe, configuração de voz, correções de texto corrompido — estão todos respondidos em ../guides/faq.md.

Citação

Se você achar o repositório útil, por favor, cite o estudo

@article{gu2026model,
  title={From Model Scaling to System Scaling: Scaling the Harness in Agentic AI},
  author={Gu, Shangding},
  journal={arXiv preprint arXiv:2605.26112},
  year={2026}
}

@article{cheetahclaws2026,
  title={CheetahClaws: Agent Harness Infrastructure for Long-Horizon, Multi-Model, and Tool-Using AI Systems},
  author={CheetahClaws Team},
  journal={github},
  year={2026}
}

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

Uh oh!

Uh oh!

CheetahClaws: Uma infraestrutura de harness de agentes rápida e fácil de usar para sistemas de IA de longo horizonte, multimodelo e que usam ferramentas

Instalação rápida

🔥🔥🔥 Novidades (Horário do Pacífico)

Patrocinador

CheetahClaws

Conteúdo

Demonstrações

Por que CheetahClaws

CheetahClaws vs OpenClaw

Funcionalidades

Modelos suportados

Código fechado (API)

Open-Source (local via Ollama)

Instalação

Alternativa: script de instalação de uma linha

Alternativa: instalar com `pip` a partir do código-fonte

Extras opcionais

Alternativa: instalar com `uv`

Alternativa: executar diretamente a partir do código-fonte (sem instalação)

Uso: modelos de API de código fechado

Uso: modelos open-source (locais)

Ollama (recomendado)

LM Studio

vLLM / servidor auto-hospedado compatível com OpenAI

Atlas Cloud (hospedado, compatível com OpenAI)

Formato do nome do modelo

Agente de trading

Web UI

Documentação

Referência rápida

Contribuindo

FAQ

Citação

Agradecimentos a todos os contribuidores:

Uh oh!

Uh oh!

FilesExpand file tree

README.PT.MD

Latest commit

History

README.PT.MD

File metadata and controls

CheetahClaws: Uma infraestrutura de harness de agentes rápida e fácil de usar para sistemas de IA de longo horizonte, multimodelo e que usam ferramentas

Instalação rápida

🔥🔥🔥 Novidades (Horário do Pacífico)

Patrocinador

CheetahClaws

Conteúdo

Demonstrações

Por que CheetahClaws

CheetahClaws vs OpenClaw

Funcionalidades

Modelos suportados

Código fechado (API)

Open-Source (local via Ollama)

Instalação

Alternativa: script de instalação de uma linha

Alternativa: instalar com pip a partir do código-fonte

Extras opcionais

Alternativa: instalar com uv

Alternativa: executar diretamente a partir do código-fonte (sem instalação)

Uso: modelos de API de código fechado

Uso: modelos open-source (locais)

Ollama (recomendado)

LM Studio

vLLM / servidor auto-hospedado compatível com OpenAI

Atlas Cloud (hospedado, compatível com OpenAI)

Formato do nome do modelo

Agente de trading

Web UI

Documentação

Referência rápida

Contribuindo

FAQ

Citação

Agradecimentos a todos os contribuidores:

Alternativa: instalar com `pip` a partir do código-fonte

Alternativa: instalar com `uv`