QwenPaw ： 个人 AI 助手到底怎么样？

每次想用 AI 助手处理正经工作，聊天记录、文件、偏好全往第三方服务器送。想接个钉钉机器人还得单独买 SaaS，想跑个定时摘要又得把数据喂给别人的 API。阿里 AgentScope 团队开源的这个 QwenPaw，打的旗号就是”数据归你”——17.4K 星、Apache 2.0、七种安装方式、六条 IM 渠道全通。到底是不是吹的，看完整篇再说。

先搞懂它是什么

QwenPaw 全称 Qwen Personal Agent Workstation，是阿里 AgentScope 开源生态中的个人 AI 智能体框架。项目前身叫 CoPaw，2026 年 4 月 12 日正式更名，与 Qwen 通义模型生态深度绑定。截至 2026 年 7 月，GitHub 上攒了 17,400+ Star、2,600+ Fork，累计 1,900+ 次提交，19 位以上活跃贡献者。

官网：https://qwenpaw.agentscope.io/ | 项目地址：https://github.com/agentscope-ai/QwenPaw

核心定位一句话：把”专属于你的私人 AI 助理”装进你自己的笔记本或你自己的云。跟市面上 ChatGPT 桌面版、通义千问 App 的本质区别在于——前者的数据归厂商，功能锁死在 SaaS 菜单里；QwenPaw 跑在你的机器上，所有对话记忆、文件、技能配置、用户画像全部存在本地磁盘。你决定它能做什么，而不是厂商给你什么菜单。

不仅如此，它还是一个完整的多渠道调度中心。一套 QwenPaw 实例可以同时接钉钉、飞书、微信、Discord、Telegram、QQ、iMessage 七个频道，你在控制台配置的记忆和技能，在所有 IM 里同步生效。不是”到处开网页版”，而是”一个大脑、多个触手”。

到底强在哪

搞清楚定位之后，来看看它到底有哪些拿得出手的本事。

三层记忆，不是只记对话历史。 大多数 AI 助手的”记忆”就是一串对话记录。QwenPaw 把记忆分了三层：第一层是实时工作上下文，第二层是完整逐字历史，第三层是提炼后的知识。旧对话轮次可以移出上下文窗口但不丢失，需要时能按关键词召回来。这套机制的核心是 AgentScope 自研的 ReMe 记忆模块，不做摘要压缩，不做有损存档。

本地模型零 API Key，也能跑。 QwenPaw 内置了 QwenPaw-Flash 系列模型（2B / 4B / 9B），专为 Agent 任务微调。不需要 API Key，不需要云服务，靠本地 llama.cpp 或 Ollama 就能跑。对外也兼容 14+ 云端模型提供商，OpenAI、Anthropic、火山引擎、通义千问、腾讯元宝全部支持。不是只能绑 Qwen 模型，名字叫 QwenPaw 只是因为出自 Qwen 生态。

安全不是贴个标签。 它内置了内核级沙箱：macOS 上用 Seatbelt，Linux 上用 Bubblewrap/Landlock，Windows 上用 AppContainer。Tool Guard 通过 YAML 规则引擎拦截命令注入、路径遍历、反弹 shell。File Guard 限制 Agent 的文件访问范围。Skill Scanner 在技能激活前自动扫描 prompt 注入和硬编码密钥。比大多数”开源的所以安全”的项目多做了三层。

多个 Agent 可以”开会”。 你可以创建多个独立 Agent，每个有自己的记忆和技能。通过 Agent Communication Protocol（ACP），研究 Agent 找资料、写作 Agent 起草、校对 Agent 把关，自动串成工作流。运行时还能动态派生子 Agent。

Coding Mode 是个真 IDE。 不是聊天框里夹个代码块的玩具。三面板 Web IDE：左边文件树，中间差异预览，右边聊天。内置跳转定义、查找引用、结构化代码搜索。Agent 可以直接读你的项目文件、逐行改代码、跑测试，全过程可视化。

从下载到第一条消息

功能看得出来是用心做了，那用起来顺不顺手？

最简单的起步方式是 pip 安装，三行命令进控制台：

pip install qwenpaw
qwenpaw init --defaults
qwenpaw app

浏览器打开 http://127.0.0.1:8088/ 就能用了。不想折腾 Python 环境的话，官方还给了一键脚本方案。

想在服务器上跑？Docker 支持到位：

docker pull agentscope/qwenpaw:latest
docker run -p 127.0.0.1:8088:8088 \
  -v qwenpaw-data:/app/working \
  agentscope/qwenpaw:latest

第一次进控制台的体验还行——选模型、配 API Key、开一个新对话。如果不想填 API Key，v1.1.11 之后新增了免费模型 OAuth，登录即用。终端党可以直接 qwenpaw 进 TUI，支持流式回复、斜杠命令、文件粘贴。在项目目录里 qwenpaw . 直接启动 Coding Mode，Agent 自动加载当前仓库上下文。

唯一的小槽点是 Windows 桌面端的兼容性还在打磨，部分路径处理和权限弹窗偶尔会卡住。但 v2.0.1 的 Tauri 桌面端已经改进不少，团队也在路线图里标了”寻求贡献者”。

用得溜的人都在这么玩

基础操作学会了，但真正用得溜的人都在用这几个技巧。

• Cron 定时任务，给 AI 排个班：在控制台 -> 定时任务里设置”每天早上 8 点，把昨天小红书热帖整理成摘要推到钉钉”，Agent 7×24 自动执行。日历视图和移动端配置都有。
• Persona 人格切换：工作、学习、健身教练、营养师，给不同场景配不同的 Persona。每个 Persona 绑定独立的记忆空间，不会串味。
• 自定义 Skills 文件系统：Skills 就是本地工作区里的 Python 模块，写一个扔进去就自动加载。不用等官方更新，你的需求你自己写。
• 插件市场一键安装：v1.1.11 起接入了 AgentScope 平台的插件市场，别人写的技能搜一下就能装。
• MCP 工具全栈接入：内置 MCP 客户端，OAuth 2.1 认证，工具白名单粒度可配。把你的 Notion、飞书文档、GitHub 仓库全接进来。

和同类比怎么样

没有横向对比的评测都是耍流氓，来直接拉表格。

个人 AI 助手赛道的开源项目不少，Hermes Agent、Open Interpreter、AstrBot、Khoj 都是绕不开的竞品，各有侧重。QwenPaw 的打法不靠单一长板，而是做”全栈整合”。

核心差异在三个方面。第一个是记忆架构：Hermes 和 Open Interpreter 的记忆偏弱，QwenPaw 的三层 ReMe 是目前开源项目里最完整的。第二个是安全投入：大多数项目没有针对性的安全防护，QwenPaw 直接做了内核级沙箱。第三个是 Coding Mode：Open Interpreter 也能写代码，但 QwenPaw 给的是一个完整的 Web IDE。

真实用户怎么说

去社交媒体上逛了一圈，用户的声音两极分化挺明显。

正面评价集中在”自由度”。一位钉钉重度用户表示，把 QwenPaw 部署到阿里云 ECS 之后，每天早上自动推送团队日报到群聊，省了半小时手写时间。Discord 社区里不少开发者提到 Skills 文件系统”门槛比 LangChain 低太多”，写个 Python 函数就变成 Agent 能力了。

批评声集中在新手体验。Reddit 上有人吐槽”功能太多反而不知道怎么开始”，文档虽然有一百多篇，但缺乏一条主线引导。Coding Mode 的 Tauri 桌面端在 Linux 上偶有渲染问题，Wayland 环境下文件树会错位。

有意思的是，GitHub Issues 区的响应速度很快——大部分 issue 在 48 小时内有人回复，v2.0 发布后两周内出了两个 patch 修 bug。这节奏说明团队不是在”放完就跑”。

逐项打分

口碑有好有坏，不如拆开维度逐项打分。

综合评分：9.0 / 10

优点和槽点

值的理由很明确。 七种安装方式覆盖了从新手到运维的完整光谱。三层记忆不是噱头，ReMe 模块是实打实的技术投入。内核级安全在开源助手里少见。ACP 多 Agent 通信能跑真实工作流。Apache 2.0，商用零负担。

劝退的点也得说。 功能太多导致学习曲线偏陡，第一次打开控制台会被选项淹没。文档一百多篇但没有新手引导路径。Windows 桌面端还不够稳，部分 IM 频道的配置指引对非技术人员不太友好。社区以中文为主，英文文档和 Issue 的国际化程度有待提升。

适合谁用

东西好不好是一回事，适不适合你是另一回事。

• 有隐私洁癖的个人用户：部署在本机或自己的服务器上，数据完全自持。
• 中小企业/小团队：部署到阿里云 ECS，团队共享一套记忆和技能。
• 钉钉/飞书/微信重度用户：不用切换工具，在常用 IM 里 @ 一下就行。
• 开源爱好者/折腾党：Skills 文件系统 + 插件市场自定义空间极大。
• 想学 Agent 开发的工程师：Apache 2.0 源码可读性好，部署链路短。

不太适合的场景：如果你只需要一个聊天机器人，ChatGPT 桌面版更轻量；如果你的团队已经绑定了 Slack + Notion + Jira 全家桶，QwenPaw 的国内 IM 优势用不上。

定价方案

QwenPaw 本身完全免费，Apache 2.0 开源，商用零限制。你的成本取决于两点：部署在哪里和用什么模型。

如果你用 QwenPaw-Flash 本地模型跑，零 API 成本。如果接 OpenAI 或通义千问，就按各家的标准 API 计价。

你可能还想问

Q1：必须用 Qwen 模型吗？

A1：完全不需要。 QwenPaw 是模型无关的 Agent 框架，支持 OpenAI、Anthropic、火山引擎、通义千问、腾讯元宝、Ollama 本地模型等 14+ 提供商。名字带 Qwen 只是出自 Qwen 生态。

Q2：钉钉/飞书/微信怎么接？

A2：控制台 -> 频道配置 -> 选 IM -> 填 webhook 和 secret。 每个频道有独立的配置指引，大部分 5 分钟内能完成。QQ 需要扫码授权，Discord 和 Telegram 要建 Bot Token。

Q3：和 ChatGPT 桌面版有什么本质区别？

A3：数据归属权。 ChatGPT 的数据在 OpenAI 服务器上，QwenPaw 的数据在你的磁盘上。QwenPaw 的 Skills 可自定义，ChatGPT 只有插件市场。一个是”你的助手”，一个是”你租的助手”。

Q4：多人共享一个实例吗？

A4：可以。 部署到团队服务器或计算巢后，多人通过 Web 端访问。记忆和技能可按 Persona 隔离，也可共享。适合 3-20 人的小团队。

Q5：安全真的靠谱吗？

A5：四层防护是目前赛道最全的。 Tool Guard、File Guard、Skill Scanner、Access Policy 各司其职。但安全永远是相对的，部署到公网建议加一层 Nginx 反代 + HTTPS。

Q6：Windows 上好用吗？

A6：能用，但不如 macOS/Linux 顺滑。 pip 安装和 Docker 方式都没问题，Tauri 桌面端 beta 版偶有兼容问题。团队在路线图里标了路径兼容改进。

Q7：有没有中文文档？

A7：有，而且很丰富。 文档站 100+ 篇中文教程，README 有中文版。Discord 和钉钉群是主要社区渠道，中文交流无障碍。

Q8：v2.0 和 v1.x 有什么大变化？

A8：v2.0 基于 AgentScope 2.0 全面重写。 新增 Agent OS 架构、Loop Engineering、Scroll Context 上下文管理、ReMe v0.4.0 长期记忆、终端 TUI，是一次架构级升级。

Q9：会收集我的数据吗？

A9：匿名遥测，可关闭。 每个版本在 init 时收集一次版本号、安装方式、OS、Python 版本、CPU 架构、GPU 有无。不收集个人数据、文件、凭证、IP 地址。用 --defaults 时自动接受，交互模式下可以拒掉。

最后总结

QwenPaw 是 2026 年个人 AI 助手赛道里打得最猛的开源项目。它不是在做一个”更好的聊天框”，而是在做一个”属于你的 Agent 操作系统”。

如果你对数据归属有要求、想在钉钉飞书里直接叫 Agent 干活、需要一个能跑定时任务和多 Agent 协作的本地助手——它目前很难找到对手。如果你想快速尝鲜，AgentScope Platform 免费部署到手即用。不付费不坑人，部署到自己机器上就真的不花一分钱。

但如果你的需求只是偶尔聊聊天、写写邮件，一个浏览器里的 ChatGPT 可能就够了。QwenPaw 的复杂度需要你愿意花一个下午去配置和调教——值不值，看你是哪种用户。

SEO：