今天，阿里云通义 AgentScope 团队正式宣布 CoPaw 开源——这款对标 OpenClaw 的国产个人 AI 助理，不仅代码全部公开（Apache 2.0 协议，支持免费商用），更在易用性、本地部署、记忆管理和可扩展性四个方向进行了全面升级。三条命令本地跑通，支持接入钉钉、飞书、QQ、Discord、iMessage 等聊天软件，还能自定义模型、编写 Skills、对接自己的频道。
本文将详细介绍 CoPaw 的核心功能、与 OpenClaw 的区别，并提供一份从零开始的安装部署教程，帮助你快速搭建属于自己的 AI 智能搭档。
一、CoPaw 是什么？
CoPaw 全称 Co Personal Agent Workstation（协同个人智能体工作台），由阿里云通义实验室基于 AgentScope 生态构建。"Co-Paw"寓意"你的搭档小爪子"，定位为一款可本地可云端部署的个人 AI 助理。
与传统"一问一答"的 AI 聊天工具不同，CoPaw 是一个可以长期陪伴用户、主动执行任务、能力可无限扩展的智能体平台。它能跑在你自己的电脑上，连着你常用的聊天软件，按照设定的时间自动完成各种日常事务。
CoPaw 核心功能一览
| |
|---|
| Apache 2.0 协议，支持免费商用，源码可审计 |
| 本地三条命令跑通，也支持 Docker 和云端一键部署 |
| 钉钉、飞书、QQ、Discord、iMessage、原生 Console |
| 云端 API、Ollama、llama.cpp、MLX（Apple 芯片），自由切换 |
| |
| 内置 cron、文件处理、新闻等能力，支持自定义和社区导入 |
| |
| |
二、CoPaw 开源版升级了什么？
这次开源版本的核心逻辑是：降低门槛，打开上限。降低门槛让本地部署更轻量；打开上限让开发者可以自由扩展。
1. 全面升级模型管理
CoPaw 不再局限于内置模型供应商。你可以自由增删模型提供方，无论是私有部署的大模型服务还是新兴的模型 API，都能灵活接入。具体包括：
- Ollama 全面支持：后端模型自动同步，控制台卡片展示与增删管理
- llama.cpp 与 MLX 本地后端：跨平台和 Apple Silicon 本地推理，真正实现全链路本地化——数据不出你的电脑
2. 记忆模块改进
- 记忆模块复用主对话链路的 Chat Model，无需单独配置，维护成本更低
- 新增 local 模式，无需安装三方向量数据库也能使用向量检索
- 修复 Windows 兼容性问题，Windows 用户开箱即用
3. Agent 架构模块化重构（最大升级）
这是本次升级幅度最大的部分：
- 模块化拆分：Prompt、Hooks、Tools、Memory 等核心组件解耦，开发者可独立替换或扩展任意模块
- 自定义 Skills 同步：编写的自定义 Skill 自动与控制台 UI 同步
- Skills Hub 接入：支持从社区 Skills Hub（如 ClawHub）一行命令导入 Skills
- 核心参数可配置：Context Length、ReAct 轮数等关键参数均可自定义
4. 频道架构系统重构
- 插件化频道管理，支持 list / install / remove / config 等 CLI 命令
三、CoPaw 与 OpenClaw 的区别
CoPaw 经常被拿来与 OpenClaw 对比。两者都是个人 AI 助理，但在设计理念和使用体验上有明显差异：
| | |
|---|
| | |
| | |
| | |
| | |
| | Ollama + llama.cpp + MLX 全面支持 |
| | |
| | |
| | |
| | |
| | |
简单来说：如果你主要使用钉钉、飞书、QQ 等国内通讯工具，希望安装简单、中文体验好，CoPaw 是更适合的选择。如果你更偏向海外生态，OpenClaw 的社区更为成熟。
四、CoPaw 安装部署完整教程
CoPaw 提供了三种安装方式，适配不同用户需求。
方式一：一键脚本安装（推荐）
最简单的方式，自动帮你搞定 Python 环境。
macOS / Linux：
Windows（PowerShell）：
请关注 CoPaw 官网主页获取最新安装命令，或先采用下方 Pip 方式安装。
方式二：Pip 安装
要求 Python 版本 >= 3.10，< 3.14。
如需本地模型支持：
方式三：Docker 安装
如果你已安装 Docker，两条命令即可启动：
启动 CoPaw
安装完成后，执行以下命令：
然后在浏览器打开 http://127.0.0.1:8088/ 即可进入 CoPaw 控制台。
配置模型
CoPaw 支持两种模型使用方式：
云端模型（推荐，能力更强）： 配置 DashScope 等主流平台的 API Key，即可使用通义千问等强大模型。
本地模型（完全离线）： 通过 Ollama、llama.cpp 或 MLX 运行本地模型，数据完全不离开你的电脑。在控制台中即可一键完成模型选择和下载。
提示： 较小参数量的本地模型（如 1.7B、0.5B）资源占用低，但处理复杂任务的能力有限。为了完整体验 CoPaw 的能力，建议配合云端大模型使用。
接入聊天频道
CoPaw 启动后，默认可通过浏览器控制台对话。如需接入钉钉、飞书、QQ 等频道，运行交互式初始化命令：
系统会引导你逐步配置频道和 Skills。详细的各平台接入教程请参见官方文档：https://copaw.agentscope.io/
让 CoPaw 24 小时在线
本地运行的 CoPaw 关机后会离线。如需全天候在线，可将 CoPaw 部署到云服务器上，执行相同的安装命令即可持续运行。
五、常见问题解答（FAQ）
Q1：CoPaw 完全免费吗？
CoPaw 本身开源免费，采用 Apache 2.0 协议，支持免费商用。但如果使用云端模型（如通义千问），需要自行购买对应的 API 调用额度。使用本地模型（Ollama 等）则完全免费。
Q2：对电脑配置有什么要求？
基本要求是 Python 3.10 以上版本，支持 Linux、macOS 和 Windows。如果运行本地模型，建议至少 8GB 内存；使用云端模型则对本地配置无特殊要求。
Q3：CoPaw 与 MaxClaw 有什么区别？
MaxClaw 是 MiniMax 基于 OpenClaw 打造的云端 AI 助手，无需本地部署但需要付费订阅。CoPaw 是阿里通义团队开源的本地+云端双模方案，代码完全开放，用户拥有更多控制权。两者定位不同：MaxClaw 偏向开箱即用的云端体验，CoPaw 偏向可深度定制的个人智能体平台。
Q4：支持哪些大模型？
CoPaw 支持几乎所有主流模型：通义千问（DashScope）、OpenAI 兼容接口、Ollama 本地模型、llama.cpp、MLX 本地推理等。还支持自定义模型供应商，接入任何兼容 API。
Q5：数据安全吗？
本地部署模式下，所有数据（对话、记忆、文件）都保存在你自己的电脑上，不与任何外部服务器同步。使用 Ollama 等本地模型时，可实现完全离线运行，隐私性最高。
Q6：怎么给 CoPaw 添加新能力？
三种方式：一是在工作目录 skills/ 下编写自定义 Skill 文件；二是通过 Skills Hub 一行命令导入社区共享的 Skill；三是在对话中直接让 CoPaw 自主创建新 Skill。
六、CoPaw 实际应用场景
CoPaw 的应用场景覆盖工作和生活的方方面面：
- 日常办公：接入钉钉或飞书，自动整理会议纪要、回答团队常见问题、翻译文档、起草邮件
- 信息监控：设置定时任务，自动抓取行业新闻、监控股价变动、查询天气并推送提醒
- 文件处理：批量处理 PDF、Word、Excel、PPT 文档，提取内容、生成摘要、格式转换
- 个人助理：管理待办事项、设置日程提醒、整理笔记，长期记忆让它越来越了解你的习惯
- 开发辅助：运行 Shell 命令、操作浏览器、代码生成与审查，成为开发者的效率倍增器
- 内容创作：辅助撰写文案、生成报告、整理资料，配合多模态能力处理图文内容
七、CoPaw 未来规划
AgentScope 团队透露，CoPaw 开源只是起点，后续将持续推进以下方向：
- 多模态交互：支持与 CoPaw 进行语音和视频通话
- 专项训练模型：针对 CoPaw 核心场景训练可本地部署的小模型，提升本地模式体验
- 大小模型协同：轻量本地模型处理隐私数据，强大云端模型处理复杂任务
- 云原生架构优化：结合 AgentScope Runtime，深度利用云端算力和工具生态
- Skills Hub 社区建设：持续丰富技能仓库，让好用的 Skill 被更多人发现和使用
八、总结
CoPaw 作为国内首个对标 OpenClaw 的开源个人 AI 助理，最大的优势在于三点：第一，对国内生态的原生支持——钉钉、飞书、QQ 开箱即用，中文体验流畅；第二，安装部署极简——三条命令本地跑通，Docker 两条命令启动；第三，完全开源可控——Apache 2.0 协议，代码可审计，支持深度定制。
当然也有不足：本地小模型的能力仍然有限，复杂任务仍需依赖云端大模型；相比 OpenClaw 已经积累的庞大社区生态，CoPaw 的 Skills Hub 还在建设初期。但随着开源社区的参与和后续版本的迭代，这些差距正在快速缩小。
相关链接：
- GitHub：https://github.com/agentscope-ai/CoPaw
- 官网与文档：https://copaw.agentscope.io/
