agentscope-ai/QwenPaw · 上手攻略
- 仓库：agentscope-ai/QwenPaw
- 链接：https://github.com/agentscope-ai/QwenPaw
- 分类：AI 个人助手 / Agent OS
- 作者：Jay
- 更新：2026-08-06
是什么
QwenPaw 是基于 AgentScope 2.0 构建的本地优先 AI 个人助手，定位为"Agent OS"——每个 Agent 拥有独立的 Resources（磁盘文件）、Governance（权限策略）、Sandbox（运行时隔离）三层结构。它既可以完全离线运行（不依赖任何云端），也可以接入 14+ 云端模型提供商。
v2.0 于 2026-07-10 发布，带来全新的 Loop Engineering（可组合审批门的 Agent 循环模板）、Scroll Context（每个对话轮次持久化、按需召回）、Terminal UI（TUI 全屏终端聊天），以及内置的 ReMe v0.4 自进化个人知识库。
当前稳定版本为 v2.0.1（2026-07-24）。
解决什么问题
需要一个真正属于自己的 AI 助手：数据不离开本机、支持中文办公生态（钉钉/飞书/微信）、可深度定制技能、可在本地 GPU 上免费运行。传统方案要么是云端 API 依赖隐私顾虑，要么是单一平台绑定，QwenPaw 的核心价值在于全栈本地化 + 全通道覆盖。
快速安装
方式一：安装脚本（推荐，macOS / Linux / Windows）
# macOS / Linux
curl -fsSL https://qwenpaw.agentscope.io/install.sh | bash
# Windows CMD
curl -fsSL https://qwenpaw.agentscope.io/install.bat -o install.bat && install.bat
# Windows PowerShell（需管理员权限）
irm https://qwenpaw.agentscope.io/install.ps1 | iex
安装脚本会自动下载 uv（Python 包管理器），创建虚拟环境，安装所有依赖（含 Node.js 和前端资源）。无需手动装 Python。
⚠️ Windows LTSC 企业用户若遇"无法写入 Path"，需手动将 QwenPaw 目录加入环境变量。参见 安装文档。
方式二：pip 安装（需手动处理依赖）
# 需要 Python >= 3.11, < 3.14
pip install qwenpaw
qwenpaw init --defaults
qwenpaw app
# 浏览器打开 http://127.0.0.1:8088/ 配置模型
最低硬件要求（本地 Flash 模型）：QwenPaw-Flash 2B 约需 4 GB 显存，4B 约 8 GB，9B 约 18 GB。仅 CPU 运行 2B 模型可行，但速度较慢。
核心用法
启动与配置
qwenpaw app
# 浏览器打开 http://127.0.0.1:8088/
# 首次配置：选择模型（本地 Ollama / LM Studio / 云端 API）
配置本地模型（Ollama）
# 先启动 Ollama
ollama serve
ollama pull qwen2.5:3b # 或其他模型
# 在 QwenPaw Console → Models 页面填入：
# Provider: Ollama
# Base URL: http://127.0.0.1:11434
配置本地 Flash 模型（QwenPaw-Flash，无需 API Key）
# QwenPaw Console → Models → 选择 "QwenPaw Flash"
# 支持 2B / 4B / 9B 三个规模
部署为 DingTalk / 飞书机器人
# 安装钉钉频道
qwenpaw channel install dingtalk
qwenpaw channel configure dingtalk
# 按提示填入 AppKey / AppSecret
# 启动后你的 DingTalk 群就能与 QwenPaw 对话了
qwenpaw app
支持的频道：钉钉、飞书（Lark）、微信（个人号需企业认证）、Discord、Telegram、iMessage、QQ。
使用 Skills（技能）
# 查看内置技能列表
qwenpaw skill list
# 安装来自 AgentScope 平台的技能
qwenpaw skill install <skill-name>
# 触发技能（如日程管理）
/skill schedule "每天早上 9 点推送天气摘要"
内置 Skills 包括：Browser（网页浏览）、Documents（PDF/Word/Excel）、News（新闻订阅）、Scheduling（定时任务）等。
Coding Mode（编程模式）
QwenPaw 内置三面板 Web IDE：文件树、Diff 预览、对话窗。Agent 可以直接读、写、搜索代码库。
# 开启 Coding Mode
qwenpaw app --mode coding
# 在 Console 中对 Agent 说 "帮我看看 /path/to/project 的代码结构"
ReMe 知识库（自进化记忆）
ReMe v0.4 自动将对话内容沉淀为可编辑、可搜索的 Markdown 知识库：
# 触发知识库查询
/reme "我上次讨论的 X 项目架构是什么？"
MCP 集成（连接外部工具）
# 配置 MCP 服务器
qwenpaw mcp add <server-name> <command> [args...]
# 例如：MCP 文件系统服务
qwenpaw mcp add filesystem npx -y @modelcontextprotocol/server-filesystem /path/to/dir
典型适用场景
- 本地隐私敏感任务：病历草稿、商业计划等不希望上云的内容，直接在本地模型处理。
- 多平台运营：一个人管钉钉 + 飞书 + Discord 多个渠道的客服或播报，QwenPaw 统一承接。
- 程序员个人开发助手：Coding Mode 配合本地 Ollama，无需 API 费用。
- 定时自动化：每日自动抓取新闻、生成摘要、推送到微信/钉钉。
- 私有知识库问答：ReMe 将文档沉淀后，支持对话式检索。
坑与注意
| 坑点 | 说明 |
|---|---|
| Windows LTSC 环境变量问题 | 安装脚本可能无法自动写 PATH，需手动配置 |
| 受限网络环境 | 安装脚本依赖公网下载 uv/Node.js，企业防火墙可能拦截 |
| 本地模型显存门槛 | 9B 模型推荐 ≥24 GB 显存，Mac Apple Silicon 或 Linux NVIDIA GPU 体验较好 |
| 频道机器人需企业资质 | 微信个人号接入需要企业认证，个人开发者建议从 Discord/Telegram 入手 |
| Skills 生态尚在建设 | 官方 Skills 市场（platform.agentscope.io）内容有限，社区贡献质量参差 |
| Python 版本约束 | 需 Python 3.11~3.13，3.14 不兼容 |
与同类对比
| 方案 | 本地化 | 多频道 | 免费模型 | 生态成熟度 |
|---|---|---|---|---|
| QwenPaw | ✅ 完全本地 | ✅ 钉钉/飞书/Discord/Telegram 等 | ✅ QwenPaw-Flash 2/4/9B | 中（快速增长） |
| ElizaOS/eliza | ✅ 本地优先 | ✅ Discord/Telegram/Twitter | ❌ 需 API Key | 高 |
| Coze-Dev/coze-loop | ❌ 纯云端 | ✅ 字节全系 | ❌ 需 API Key | 高 |
| Dify-AI/dify | ✅ 可私有部署 | ❌ 无内置 | ❌ 需 API Key | 高 |
QwenPaw 的核心差异在于真正零云依赖的本地 Flash 模型和内置中文办公通道。若需求是出海多平台 + API 灵活性，Eliza 更成熟；若需要拖拽式工作流编排，Dify 更适合。
一句话推荐结论
本地优先、中文友好、多通道覆盖——如果你想拥有一个跑在自己机器上、不需要任何 API Key、同时能对接钉钉/飞书/微信的 AI 助手，QwenPaw 是目前最接近"开箱即用"的选择；代价是 Skills 生态和文档仍有成长空间。
来源：GitHub README · Release Notes (v2.0.0 / v2.0.1) · AgentScope Platform 文档 · QwenPaw 安装脚本页面 原始 commit/PR 链接：v2.0.1 Release · ReMe v0.4