qwenpaw

QwenPaw 是一个开源的个人 AI 助手项目，由阿里云 AgentScope 团队维护，早前叫 CoPaw，现在官网页、下载页和 GitHub 仓库都已切换到新名字。它想解决的问题比较明确：把对话、日程、文档处理、消息渠道这些分散的需求，收进一个可以自己部署的助手，让记忆和偏好数据留在自己的机器上。这篇内容按定位、部署方式、使用取舍几个方向介绍它，适合正在挑自托管 AI 助手的读者参考。

QwenPaw 的定位与核心特点

它值得看的地方是“数据放在哪儿”这个选择交给了用户，而不仅是功能清单长。官方给出的路径有两条：本机部署，数据不离开设备；或者放云服务器，此时通常只传输对话内容。

• 模型接入开放：支持 Ollama、llama.cpp、MLX 等本地后端，也能对接云端 API，运行时可以热插拔 MCP 工具。
• 长期记忆：基于 AgentScope 构建，会主动记录用户的偏好与决策，属于体验上的加分项。
• Skills 扩展：内置日程管理、PDF 与 Office 文档处理、新闻摘要，自定义技能可以自动加载。
• 多智能体协作：每个 Agent 有独立的配置、记忆和技能，通过协作技能互相通信处理复杂任务。
• 全渠道连接：钉钉、飞书、微信、QQ、Discord、Telegram 等平台都在支持范围内。
• 安全机制：提供工具守卫、文件访问控制和技能安全扫描。

整体看，这套组合更接近“可组装的助手框架”，而不是装好就能用的成品软件。

使用体验与适用人群

拿到入口后，第一个岔路口是安装方式。官方文档给了五条路：pip install qwenpaw 后执行初始化和启动命令；macOS/Linux 走一行安装脚本，Windows 有 .bat 和 .ps1；Docker 拉取 agentscope/qwenpaw 镜像；从 GitHub Releases 下桌面安装包；以及 ModelScope Studio 或阿里云 ECS 一键上云。实际用下来，不想碰命令行的人选桌面安装包最省事，有容器习惯的直接用 Docker，一键上云虽然快，但数据离开本地这件事要先想清楚。

真正花时间的环节通常在安装之后——配哪个模型、开哪些技能、让智能体承担什么角色，都得自己拿主意。这是它的优点，也是它的门槛。

适合的人群大致是这几类：

• 在意数据归属、希望助手跑在自己设备或自己服务器上的人。
• 手上已有本地模型环境，想再接一层记忆和技能体系的用户。
• 需要把 AI 助手接进钉钉、飞书等内部沟通渠道的小团队。
• 愿意折腾配置、对 Skills 和 MCP 有兴趣的开发者。

上手前留意几点：

• 技能和插件建议先做安全扫描再启用，来源不明的第三方技能尤其要谨慎。
• 项目更名不久，版本迭代较快，安装前核对文档与 Releases 的更新时间。
• 支持的即时通讯平台在各地可用性不同，合规要求以所在地规定为准。
• 开源项目本身可获取，但模型调用、云服务器等环节是否产生费用，以实际页面为准。

常见问题 FAQ

• QwenPaw 和 CoPaw 是同一个项目吗？是。QwenPaw 为现用名称，CoPaw 是旧名，旧域名和旧仓库地址可能已失效，以官方页面为准。
• 必须联网才能用吗？不一定。支持本地模型后端，可以在断网或内网环境运行，具体能力取决于所选模型。
• 不会编程能用吗？桌面安装包能降低安装门槛，但配置模型和编写技能通常仍要接触配置文件，完全不碰技术会比较吃力。
• 能接哪些消息平台？官方列出的包括钉钉、飞书、微信、QQ、Discord、Telegram，实际可用范围建议看当前文档。
• 使用要付费吗？项目本身是开源的，但云端模型和服务器可能产生费用，是否免费以实际页面为准。

QwenPaw 的价值在于把可控、可扩展这两件事同时做进了个人 AI 助手：数据归属清楚，模型和技能都能替换。代价是配置成本偏高，不适合想开箱即用的人。把它当成一个可以慢慢搭起来的补充性渠道，配合已有的合规工具一起用，大概是更实际的用法。同类工具可以对照 {{内链:开源AI助手合集}} 一起看。