Q: ClawBench 支持哪些操作系统？
A: 支持 Linux（x86_64 / ARM64）和 Windows（x86_64）。后端使用 Go 编写，前端为标准 Web 应用，可跨平台运行。
Q: 支持哪些 AI 后端？
A: 支持 CodeBuddy、Claude Code、OpenCode、Gemini CLI、Codex、Qoder CLI、VeCLI、DeepSeek TUI、Pi 九种 CLI 后端。可在 Web UI 中实时切换，会话数据隔离。只需确保对应 CLI 已安装并在 PATH 中可用。
Q: 如何添加新的智能体？
A: 在 config/agents/ 目录下创建 YAML 文件，定义 id、name、icon、specialty、backend、model 和 system_prompt 即可。公共规则放在 config/rules.md，会自动注入到所有智能体的系统提示词中。{{AVAILABLE_AGENTS}} 占位符会自动替换为可用智能体列表。
Q: 是否需要配置 API Key？
A: 不需要。ClawBench 通过调用本地 CLI（CodeBuddy、Claude Code、OpenCode、Gemini CLI、Codex、Qoder CLI、VeCLI、DeepSeek TUI 或 Pi）实现 AI 功能，这些 CLI 工具已经完成了 API Key 的配置和管理。
Q: TTS 语音合成可以使用本地模型吗？
A: 可以。将 summarize.backend 设为 "api" 并配置 Ollama 的 OpenAI 兼容端点即可使用本地 Ollama 服务进行文本总结，无需任何云 API。只需安装 Ollama 并拉取模型（如 ollama pull gemma3:270m），然后在配置文件中设置：
summarize:
backend: "api"
model: "gemma3:270m"
api:
base_url: "http://localhost:11434/v1/chat/completions"
format: "openai"TTS 引擎本身也支持本地离线方案（piper / kokoro / moss-nano），两者搭配可实现完全离线的语音朗读。其中 moss-nano 支持多语言和音色克隆，48kHz 高音质输出。
Q: 可以同时运行多个 ClawBench 实例吗？
A: 可以。将整个发布目录复制到不同位置，每个副本拥有独立的 BinDir、配置和 .clawbench/ 数据目录，完全隔离。只需在各副本的 config/config.yaml 中配置不同端口即可。
Q: 是否需要配置文件才能启动？
A: 不需要。所有配置项均有默认值，无需 config/config.yaml 即可启动。未配置 password 时自动生成随机密码并保存到 .clawbench/auto-password，启动脚本会自动显示。如需自定义，复制 config/config.example.yaml 为 config/config.yaml 并修改。
Q: 忘记自动生成的密码怎么办？
A: 查看 .clawbench/auto-password 文件即可获取密码。也可以在 config/config.yaml 中设置 password 来使用固定密码。
Q: 数据存储在哪里？
A: 数据存储在二进制文件同级目录下的 .clawbench/ 中，包括数据库文件（ClawBench.db）、日志文件（logs/）和自动密码（auto-password）。上传的文件存放在项目目录的 .clawbench/uploads/ 中。绿色便携，删除程序目录即可彻底卸载。
Q: 如何备份数据？
A: 备份二进制同级目录下 .clawbench/ClawBench.db 数据库文件即可。