Copaw 2.2.2 介绍与选型指南

Copaw（已更名 QwenPaw，AgentScope 团队开源个人 AI 助手）的定位、架构、功能特性、官方 7 种部署形态与同类产品选型对比，信息溯源日期 2026-11-03。

CopawCopawQwenPaw人工智能2026/11/03

Copaw 2.2.2 介绍与选型指南

目标：面向想在自有服务器上部署「个人 AI 助手」的运维与开发者，讲清 Copaw 的定位与更名背景、整体架构、功能特性、官方部署形态与同类产品差异，给出可操作的选型建议。本文为认知篇，全部信息来自官方源联网溯源（查询日期 2026-11-03）；本专栏的 Docker Compose 部署、配置参数与 CLI 命令三篇均基于 2.2.2.post1 在 Ubuntu 24.04 与容器环境的逐条实测。

⚠️ 更名提示：Copaw（CoPaw）已于 2.x 版本正式更名为 QwenPaw，官方文档站、GitHub 仓库、PyPI 包名均已切换。本文按任务专栏名以 Copaw 行文，技术细节一律以现名 QwenPaw 的官方资料为准；原 CoPaw 用户升级后无需额外适配，旧配置、记忆、技能可直接沿用。

一、环境信息

本文是认知与选型篇，不依赖本地实验环境，信息溯源渠道与时间如下（查询日期均为 2026-11-03）：

  • 官方仓库：GitHub agentscope-ai/QwenPaw，Stars 约 37k（shields.io 当日查询值）
  • 官方文档站：https://qwenpaw.agentscope.io/（提供中/英/日/俄多语言文档）
  • 发行渠道：PyPI 包 qwenpaw、Docker Hub 镜像 agentscope/qwenpaw、阿里云 ACR 镜像 agentscope-registry.ap-southeast-1.cr.aliyuncs.com/agentscope/qwenpaw
  • 最新稳定版：2.2.2.post1（PyPI 与 GitHub Releases 当日交叉核对，镜像 tag v2.2.2.post1 发布于 2026-10-22；另有 2.3.0-beta.2 预发布标签，不建议生产使用）
  • 更名佐证：阿里云百炼官方文档明确标注「QwenPaw（原 CoPaw）」（help.aliyun.com/zh/model-studio/qwenpaw）；FAQ 中亦说明原 CoPaw 用户直接下载 QwenPaw 即可沿用全部旧数据
  • 开发团队：AgentScope 团队（阿里系开源 Agent 框架 AgentScope 官方团队）
  • 开源协议：Apache-2.0
  • 运行环境要求：Python >= 3.11 且 < 3.14（pip 安装方式）

💡 提示：搜索到本专栏的读者多半是从「CoPaw」这个名字找来的——请记住两个名字指同一款软件，后续安装命令、包名、目录名（qwenpaw、~/.qwenpaw）全部使用新名。

二、软件概述

2.1 定位

QwenPaw（原 CoPaw）是一款部署在你自己环境中的个人助理型产品，官方口号「Works for you, grows with you」。与「聊天机器人搭建平台」不同，它的目标不是让你给业务做一个客服机器人，而是给你自己养一个 7×24 在线、有记忆、能动手干活的 AI 助手。

官方将其使用方式概括为两类：

  1. 在聊天软件里对话——接入钉钉、飞书、微信、QQ、Discord、Telegram 等，你在哪个频道发消息，它就在哪个频道回复，查资料、记待办、处理文档都由已启用的技能完成；一个实例可同时接入多个平台。
  2. 定时自动执行——按设定时间自动运行：定时向频道发固定文案、定时向助手提问并把回答转发到指定频道、定时执行「自检/摘要」任务。

2.2 核心卖点

  • 数据全在本地：配置、对话历史、记忆、技能全部落在本地工作目录，不依赖第三方托管。
  • 能力由 Skills 决定：内置 PDF/表单、Word/Excel/PPT 处理、新闻摘要、文件阅读、浏览器操作等 16 个技能，可从多个公开技能 Hub 导入，也可自定义扩展。
  • 支持本地模型完全离线：内置 llama.cpp 本地推理供应商，亦支持 Ollama / LM Studio，无需 API Key；官方还提供针对助手场景后训练的 QwenPaw-Flash 系列（2B/4B/9B，含 Q8/Q4 量化版）。
  • 多智能体：自 v0.1.0 起支持在同一实例内并行多个智能体，各自拥有独立配置、记忆、技能与对话历史，并可通过协作技能互相通信。
  • 多层安全防护：工具守卫、文件防护、技能安全扫描、工具沙箱（Seatbelt/Bubblewrap/Landlock/AppContainer）与 Web 登录认证。

2.3 技术栈

维度内容
主要语言Python（>= 3.11, < 3.14）
智能体框架AgentScope + AgentScope Runtime
记忆系统ReMe（工作区文件式长期记忆 + 分层上下文管理）
Web 后端FastAPI / uvicorn（默认监听 127.0.0.1:8088）
前端内置 Web 控制台（控制台、频道、定时任务、技能、模型管理）
开源协议Apache-2.0

三、核心架构

3.1 运行时形态

单个 qwenpaw app 进程即完整服务：FastAPI 后端承载 REST API 与 WebSocket，内置控制台静态资源由其直接对外提供；频道适配器（钉钉/飞书/Discord 等）在同一进程内拉起长连接或轮询循环；定时任务调度器与心跳自检也由该进程驱动。官方设计为单 worker 运行，--workers 选项因内存状态管理与 WebSocket 稳定性问题已废弃。

官方 Docker 镜像则是「全家桶」形态：镜像内以 supervisord 托管 Xvfb 虚拟显示 + XFCE 桌面环境 + qwenpaw app 进程，为浏览器自动化类技能提供图形栈支撑，因此镜像体积明显大于纯 Python 服务（具体体积与进程树见《Copaw 2.2.2 Docker Compose 部署指南》）。

3.2 两层配置与多智能体

配置分为两层：

  • 全局 config.json（工作目录根）：智能体列表与激活状态、上次 API 地址、时区、浏览器、安全等全局设置；
  • 智能体 agent.json（workspaces/{agent_id}/）：每个智能体独立的频道、MCP、运行时参数、人设文件列表与安全级别。

默认工作目录为 ~/.qwenpaw（Docker 中为 /app/working），敏感数据（提供商 API Key、环境变量）单独存放于 ~/.qwenpaw.secret，可用 QWENPAW_WORKING_DIR / QWENPAW_SECRET_DIR 覆盖。字段级详解见《Copaw 2.2.2 配置参数详解》。

3.3 记忆与技能

  • 记忆：MEMORY.md 长期记忆 + memory/YYYY-MM-DD.md 每日记忆，由 ReMe 驱动，检索融合向量与全文（BM25）；上下文超长时按阈值自动压缩为结构化摘要。
  • 技能：两级目录——共享技能池 skill_pool/ 与各智能体工作区 skills/；每个技能是含 SKILL.md 的目录，启用状态记录于 skill.json；技能启用前经过安全扫描器检查（block/warn/off 三种模式）。

3.4 模型接入层

内置 26+ 模型提供商（DashScope、ModelScope、OpenAI、Anthropic、Gemini、DeepSeek、Kimi、智谱、硅基流动、OpenRouter 及各家 Coding Plan 等），另有 custom 自定义 OpenAI/Anthropic 兼容端点（vLLM 可直接接入）。提供商配置与 API Key 加密存放于 providers.json/providers/（secret 目录）。

四、功能特性

特性说明
频道接入钉钉、飞书、微信个人、企业微信、QQ、华为小艺、Discord、Telegram、iMessage（仅 macOS）、Mattermost、Matrix、Twilio、MQTT、Voice 等 18 类，控制台或 CLI 配置
定时任务cron 表达式或一次性日程，text（发固定文案）/agent（向助手提问并投递回答）两类任务，支持重复日程与结果入收件箱
心跳自检按固定间隔用预设问题自问自答，可限定活跃时段，结果可投递到最后对话的频道
多智能体协作独立工作区/记忆/技能；agents chat 双向通信，支持后台异步任务与流式返回
技能体系内置 16 技能；从 skills.sh、ClawHub、ModelScope 等 Hub 导入；支持本地编写、启用门禁与安全扫描
MCP 工具stdio/HTTP/SSE 三种传输接入外部 MCP 服务器
本地模型llama.cpp（内置）/Ollama/LM Studio；QwenPaw-Flash 2B/4B/9B 量化系列；按硬件自动推荐
Web 控制台对话、频道、定时任务、会话、技能池、模型、安全配置全可视化管理
CLIqwenpaw 一条命令覆盖初始化、服务、诊断（doctor）、模型、环境变量、频道、智能体、cron、会话、技能等
安全工具守卫（危险命令/注入检测）、文件防护、技能扫描、工具执行审批级别（STRICT/SMART/AUTO/OFF）、控制台登录认证、allow_no_auth_hosts IP 白名单

五、快速开始

官方提供 7 种部署形态，按运维习惯选择：

方式适用场景要点
pip 安装熟悉 Python 的开发者pip install qwenpaw，需 Python 3.11~3.13
脚本安装不想手动配环境curl -fsSL https://qwenpaw.agentscope.io/install.sh | bash，经 uv 自动管理 Python
Docker容器化/生产环境agentscope/qwenpaw 镜像 + 三卷持久化，本专栏实测篇：《Copaw 2.2.2 Docker Compose 部署指南》
AgentScope Platform快速体验云端一键部署，浏览器直接用
阿里云 ECS云上稳定运行计算巢一键部署
魔搭创空间快速体验fork 即跑（务必设为非公开）
桌面应用不熟命令行Tauri 版，Windows 10+ / macOS 14+，双击即用

pip/脚本安装后的最小三步（服务启动后浏览器打开 http://127.0.0.1:8088/ 进入控制台）：

qwenpaw init --defaults   # 非交互初始化（脚本场景加 --accept-security）
qwenpaw app               # 启动服务，默认 127.0.0.1:8088
qwenpaw models list       # 配置/查看模型提供商（使用前提）

命令逐条实测回显见《Copaw 2.2.2 常用 CLI 命令与工具详解》。

💡 提示：无论哪种安装方式，配置模型是必要前提——至少配置一个 LLM 提供商（云端 API Key 或本地模型），否则助手无法回复。

六、适用场景与限制

6.1 适用场景

  • 个人在钉钉/飞书/QQ/微信里养一个有长期记忆、能定时干活、能处理 Office/PDF 文档的助手；
  • 运维把巡检摘要、定时提醒、新闻聚合等任务交给 cron/心跳自动执行；
  • 隐私敏感用户：全本地部署 + 本地模型（QwenPaw-Flash/Ollama）实现完全离线；
  • 需要多个分工明确的助手（写作/编码/数据）且允许它们互相协作的场景。

6.2 限制与注意事项

  • 单 worker 设计：不支持多进程横向扩展，--workers 已废弃；高并发多用户场景并非其设计目标。
  • 默认仅本机监听：127.0.0.1:8088，对公网开放必须自行加反代/认证（QWENPAW_AUTH_ENABLED），且 allow_no_auth_hosts 默认放行 localhost。
  • Python 版本窗口窄：>=3.11 且 <3.14；Ubuntu 22.04 自带 3.10 不满足，需 24.04（3.12）或自备新版 Python。
  • iMessage 频道仅 macOS；桌面应用仅 Windows 10+ / macOS 14+。
  • 本地模型上下文要求：Ollama/LM Studio 部署时官方要求 context length ≥ 32K，否则多轮工具调用会明显退化。
  • 官方 Docker 镜像体积大：内置桌面环境以支撑浏览器技能，拉取与存储成本见部署篇实测。
  • API Key 有效性自负：QwenPaw 只存储注入，不校验环境变量与 Key 的正确性。
  • 更名过渡期：搜旧名「CoPaw」的文档/文章可能已过时，包名与目录名均已切换为 qwenpaw。

七、同类产品选型对比

7.1 与 OpenClaw 对比（官方对比页口径）

官方文档站维护了与 OpenClaw 的功能对比（docs/comparison），关键差异摘要：

维度OpenClawQwenPaw（原 Copaw）
主要语言TypeScript / Node.jsPython
开源协议MITApache-2.0
智能体框架Pi agent 运行时AgentScope + AgentScope Runtime
记忆系统工作区文件式 + 会话修剪/压缩ReMe 驱动：分层上下文、向量+全文融合检索、多智能体记忆隔离、工具结果分层压缩
安装方式npm/pnpm/bun 全局安装 + onboard 向导桌面安装包 / 一行脚本 / pip / Docker / 一键云端
本地模型配置 Ollama/llama.cpp 端点内置 llama.cpp 供应商 + QwenPaw-Flash 定制系列（Trinity-RFT 后训练）+ 全局 LLM 流控
频道侧重WhatsApp、Slack、Signal、Teams 等海外系钉钉、飞书、微信、企业微信、QQ、小艺等国产系 + Discord/Telegram 等
技能生态ClawHubskills.sh、ClawHub、ModelScope 等多 Hub 导入 + 双层技能池
安全DM 配对/allowlist、Docker 沙箱、VirusTotal 扫描工具守卫、文件防护、技能扫描、OS 级工具沙箱、审批级别
远程访问Tailscale/SSH 隧道AgentScope Runtime 云生态 + Docker

7.2 选型建议

  • 主战场在国内 IM（钉钉/飞书/微信/QQ）：QwenPaw 的频道矩阵明显占优，OpenClaw 对这些平台基本无原生支持。
  • Python 技术栈 / 需要本地小模型：QwenPaw 内置 llama.cpp 供应商与官方 QwenPaw-Flash 调优模型，开箱即用；OpenClaw 侧需自行维护推理端点。
  • 海外渠道为主（WhatsApp/Slack/Signal）：OpenClaw 覆盖面更广。
  • 与 Dify/FastGPT 类平台的区别：那些是「应用编排平台」，产出面向终端用户的 AI 应用；QwenPaw 是「个人助手运行时」，产出服务于你自己的长期在线助理，两者定位不同、不构成直接替代。

八、参考链接