InnoClaw

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.

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 neuesten What'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

---

🔥 Neuigkeiten

Letzte Updates

Dieser Bereich wird als leichtgewichtige Uebersetzungszusammenfassung automatisch synchronisiert. Fuer die schnellsten Updates sehen Sie bitte in ../README.md und README_CN.md nach.

2026-03-19

• ClawHub-Skill-Import: Neue Integration zum direkten Importieren von Skills aus ClawHub ueber einen dedizierten API-Endpunkt und einen Import-Dialog

• Code-Vorschaufenster: Neue In-Editor-Komponente fuer die Code-Vorschau mit Syntaxhervorhebung und Verfolgung des Speicherstatus

• Paper-Studie-Cache: Persistente Caching-Schicht fuer Paper-Studien-Sitzungen zur Verbesserung der Neulade-Performance und Zustandskontinuitaet

2026-03-18

• Multimodale Bildanalyse fuer Papierauswertung: PDF-Bilder werden jetzt waehrend Diskussions- und Forschungsideensitzungen visuell extrahiert und analysiert

• Claude Code Skills-Integration: Importieren Sie Skills direkt aus lokalen Ordnern oder Claude Code-Projekten ueber einen neuen dedizierten Import-Workflow

2026-03-18

• Multimodale Vision fuer Paper-Diskussion und Ideation: Vision-faehige Anbieter erhalten jetzt extrahierte PDF-Seitenbilder zusammen mit Text, damit Agents Abbildungen, Tabellen und Diagramme direkt analysieren koennen.

• Paper-Seitengalerie-UI: Die Discussion- und Ideation-Panels zeigen jetzt eine einklappbare Miniaturgalerie der extrahierten Paper-Seiten mit Grossansicht im Dialog.

• Erkennung der Vision-Faehigkeit von Anbietern: Provider-Konfigurationen enthalten jetzt Vision-Support, sodass Routen automatisch zwischen multimodalem und rein textbasiertem Kontext wechseln koennen.

2026-03-17

• Remote-Job-Profilverwaltung und SSH-Haertung: sichere Erstellung, Bearbeitung und SSH-gehaertete Einreichung von Forschungsjobs auf Remote-Systemen

• Rich Markdown Rendering im Agent Panel: Agent-Nachrichten rendern jetzt Tabellen, LaTeX-Mathematik und syntaxhervorgehobene Codebloecke

• API-Provider-Settings-UI: API-Keys und Endpunkte fuer KI-Provider direkt auf der Settings-Seite konfigurieren

2026-03-17

• rjob-Profilkonfiguration und sichere Einreichung: Remote-Profile speichern vollstaendige rjob-Defaults wie image, GPU, CPU, memory, mounts, charged-group, private-machine, env vars, host-network und example commands. submitRemoteJob baut den rjob-Befehl intern aus der gespeicherten Konfiguration auf, sodass der Agent kritische Flags wie --charged-group oder --image nicht veraendern kann. Auch der SSH-Transport wurde mit -o StrictHostKeyChecking=no -tt, dem Laden des Init-Skripts und korrektem Quoting verhaertet.

• Profilbearbeitung: Der Edit-Button im Remotes-Tab laedt vorhandene Profile inklusive aller rjob-Felder zur Aktualisierung in das Formular.

• Direkter Job-Submission-Shortcut: Im Agent-Long-Modus koennen einfache Job-Einreichungen inspect/patch/sync ueberspringen und dem Ablauf listRemoteProfiles -> prepareJobSubmission -> approval -> submitRemoteJob folgen.

2026-03-16

• Robustheit fuer Paper-Diskussion und Ideation: 2-2.5x hoeheres Token-Budget pro Rolle, automatische Wiederholung bei leeren oder zu kurzen Antworten und sichtbare Fehler in der UI

• Vollstaendiger Paper-Kontext: Discussion- und Ideation-Agents erhalten bis zu 30k Zeichen des lokalen Volltexts statt nur des Abstracts

• Abstract-Extraktion korrigiert: heuristische Regex-Extraktion und verbesserter KI-Prompt verhindern, dass Autorennamen als Abstract erkannt werden

2026-03-14

• Research Execution Engine: neues KI-gesteuertes Forschungsorchestrierungssystem mit Remote-Profilen, Capability-Toggles, Laufhistorie und Agent-Tools

• Automatisch aktualisierter README-Bereich “What’s New”: GitHub-Actions-Workflow, der wichtige neue Features taeglich erkennt und in die README eintraegt

---

🧭 Was ist InnoClaw?

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.

✨ Warum InnoClaw

• 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

🚀 Schnellstart

git clone https://github.com/SpectrAI-Initiative/InnoClaw.git
cd InnoClaw
npm install
npm run dev

• http://localhost:3000 oeffnen

• Einen KI-Provider auf der Settings-Seite konfigurieren

• Workspace oeffnen oder clonen und dann Sync klicken, um den RAG-Index aufzubauen

• OS-spezifische Voraussetzungen und Produktions-Deployment finden Sie in getting-started/installation.md

🛠️ Was Sie damit tun koennen

• 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

🗺️ Waehlen Sie Ihren Einstieg

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

🧩 Wie alles zusammenspielt

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

🔄 Kern-Workflows

📄 Paper-Studium

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

🧠 Multi-Agent-Diskussion

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

🧪 Research Execution Workspace

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 rjob absenden

• Status ueberwachen, Artefakte sammeln und naechste Empfehlungen erzeugen

📦 Funktionsueberblick

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

📚 Dokumentation

• Hier anfangen - Overview, Installation

• Konfigurieren und deployen - Deployment, Environment Variables, Configuration

• Produkt nutzen - Features, API Reference

• Fehler beheben und beitragen - Troubleshooting, Development Guide

💬 Community und Support

• 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

ℹ️ Projektinfos

• Lizenz - Apache-2.0, siehe ../LICENSE

• Repository - https://github.com/SpectrAI-Initiative/InnoClaw

• Dokumentation - https://SpectrAI-Initiative.github.io/InnoClaw/

⭐ Star-Verlauf