Java开发者狂喜!本地AI助手JavaClaw开源,隐私可控还能自定义扩展

Java开发者狂喜！本地AI助手JavaClaw开源，隐私可控还能自定义扩展对于Java开发者来说，能拥有一个基于自身技术栈、可本地部署、功能强大的AI助手，无疑是提升效率的利器。今天就给大家推荐一个宝藏开源项目——JavaClaw，一款运行在你自己设备上的Java原生个人AI助手，既能跨渠道交互，又能管理任务、执行命令，关键是所有数据都保存在本地，隐私拉满！

什么是JavaClaw？

JavaClaw是一个基于Java开发的个人AI助手，核心定位是“AI代理的控制平面（网关）”，可以运行在你自己的设备上，无需依赖第三方云服务。它支持多渠道交互、任务管理、Shell命令执行、网页浏览等多种功能，全程保障数据本地化，杜绝数据泄露风险。

值得一提的是，这个项目最初是作为JobRunr的演示案例创建的，如今已正式向Java社区开放——邀请所有Java开发者一起参与，共同打造Java生态AI代理的未来 ☕。

核心功能亮点

JavaClaw的功能覆盖日常开发、办公场景，而且扩展性极强，具体亮点如下：

• 多渠道支持：内置聊天UI（基于WebSocket），同时支持Telegram、Discord渠道，采用插件化架构，可轻松扩展更多交互渠道。

• 灵活任务管理：支持创建、调度（一次性、延迟执行或Cron定时重复）任务，所有任务以人类可读的Markdown文件形式存储，便于查看和管理。

• 可扩展技能：无需修改代码，只需在workspace/skills/目录下放置SKILL.md文件，代理就能在运行时自动加载新技能。

• 多LLM提供商可选：支持接入OpenAI、Anthropic或Ollama（本地部署），在引导式配置过程中可随时切换。

• MCP协议支持：内置Model Context Protocol客户端，可连接外部工具服务器，扩展功能边界。

• 本地文件与Shell访问：代理可在你的设备上读写文件、执行bash命令，满足本地操作需求。

• 智能网页工具：集成Brave网页搜索和智能网页抓取功能，轻松获取网络信息。

• 后台任务管理：基于JobRunr实现后台任务调度，内置仪表盘（端口:8081），可实时监控任务执行状态。

• 隐私优先：全程运行在你自己的硬件上，除非你主动配置外部LLM，否则所有数据都不会离开你的设备。

技术栈详解

作为Java项目，JavaClaw采用了当前主流且稳定的技术组合，适配Java开发者的技术习惯，具体分层如下：

项目结构

JavaClaw的项目结构清晰，采用模块化设计，便于开发者理解、修改和扩展，核心目录结构如下：

JavaClaw/├── base/           # 核心模块：代理、任务、工具、渠道、配置├── app/            # Spring Boot入口、引导配置UI、web路由、聊天渠道└── plugins/        # 插件模块    ├── brave/      # Brave网页搜索集成    ├── discord/    # Discord网关渠道插件    ├── playwright/ # 浏览器自动化工具    └── telegram/   # Telegram长轮询渠道插件


快速上手指南
只需几步，就能在本地部署并使用JavaClaw，全程简单易懂，Java开发者可直接上手。
前置条件


安装Java 25


安装Gradle（或使用项目自带的./gradlew脚本）


拥有LLM API密钥（OpenAI / Anthropic），或本地运行Ollama实例


运行方式（两种可选）
方式1：直接通过Gradle运行
./gradlew :app:bootRun


方式2：通过Docker运行
先构建Docker镜像，再启动容器（需在克隆的项目根目录执行）：
./gradlew app:jibDockerBuild docker run -it -p 8080:8080 -p:8081:8081 -v "$(pwd)/workspace:/workspace" jobrunr.io/javaclaw


引导式配置（Onboarding）
启动项目后，打开 http://localhost:8080/onboarding，按照引导完成配置，步骤如下：


欢迎页：项目介绍


选择LLM提供商：Ollama、OpenAI或Anthropic


输入凭证：填写API密钥和模型名称


自定义代理提示词：编辑workspace/AGENT.md，填写个人信息（名称、邮箱、角色等）


配置MCP服务器（可选）：连接外部工具服务器


配置渠道/工具插件（可选）：如Telegram、Discord等插件的相关设置


完成配置：查看并保存配置，配置会自动持久化到app/src/main/resources/application.yaml，立即生效


关键模块详解
1. 工作空间（Workspace）
workspace/目录是JavaClaw代理的“家”，所有核心配置和数据都存储在这里，目录用途如下：




路径


用途






workspace/AGENT.md


系统提示词，可在引导配置时或随时编辑




workspace/INFO.md


环境上下文，会注入到每一个提示词中




workspace/context/


代理的内存和长期上下文文件




workspace/skills/


放置SKILL.md文件，用于添加新功能




workspace/tasks/


任务文件，按日期分类（格式：yyyy-MM-dd/HHmmss-<状态>-<名称>.md）




workspace/tasks/recurring/


Cron定时重复任务的模板文件




2. 任务状态流转
JavaClaw的任务状态遵循清晰的流转逻辑，便于跟踪和管理：
todo（待处理） → in_progress（进行中） → completed（已完成） / awaiting_human_input（等待人工输入）
3. 交互渠道
内置聊天（Chat）
访问 http://localhost:8080/chat 即可使用，基于WebSocket实现实时消息推送，无WebSocket会话时自动降级为REST轮询。
Telegram渠道配置
可在引导配置时设置，或直接修改application.yaml：
agent:  channels:    telegram:      token: <你的机器人令牌>      username: <你的Telegram用户名>


Discord渠道配置
可在引导配置时设置，或直接修改application.yaml：
agent:  channels:    discord:      token: <你的Discord机器人令牌>      allowed-user: <你的Discord用户ID>


4. 技能扩展（Skills）
无需修改代码，即可扩展代理的功能：在workspace/skills/<技能名称>/目录下创建SKILL.md文件，代理会通过SkillsTool自动加载该技能，实现 runtime 功能扩展。
5. 任务仪表盘
JobRunr的任务仪表盘默认运行在 http://localhost:8081，可实时监控后台任务的执行状态、历史记录等。
核心配置说明
application.yaml中的关键配置项，可根据自身需求调整：




配置项


描述






agent.workspace


工作空间根路径（默认：file:./workspace/）




agent.onboarding.completed


引导配置完成后设为true




spring.ai.model.chat


当前激活的LLM提供商/模型




javaclaw.tools.dynamic-discovery.enabled


启用动态工具发现（Tool Search Tool模式），而非提前暴露所有工具




jobrunr.dashboard.port


JobRunr仪表盘端口（默认：8081）




jobrunr.background-job-server.worker-count


并发任务工作线程数（默认：1）




动态工具发现（Dynamic Tool Discovery）
启用后，JavaClaw会采用Spring AI的“Tool Search Tool”模式（工具搜索），让模型在运行时自动发现相关工具，而非提前将所有工具定义传递给模型，适用于以下场景：


拥有大量工具（插件、MCP服务器、技能），导致提示词过大


工具列表过长或过于相似，导致模型选择错误工具


配置方式：
javaclaw:  tools:    dynamic-discovery:      enabled: true      # 可选调优参数：      max-results: 8          # 最大返回工具数量      lucene-min-score-threshold: 0.25  # Lucene搜索最

低分数阈值

配置说明：


enabled=true（默认）：使用Tool Search顾问（动态发现，基于Lucene关键词搜索）


enabled=false：提前暴露所有工具（ legacy 模式）


注意事项：


工具搜索的质量取决于@Tool(description = “…”)中的描述，建议保持描述具体、具有区分度。


调优建议：提高lucene-min-score-threshold可增强搜索严谨性；降低该值可避免工具无法被发现；调整max-results控制每次暴露的工具数量。


运行测试
项目提供了完善的测试用例，覆盖任务管理、Telegram/Discord渠道授权与流程、引导配置步骤、完整Spring上下文等，运行测试命令如下：
./gradlew test


总结
JavaClaw作为一款Java原生的本地AI助手，不仅完美适配Java开发者的技术栈，还兼顾了隐私性、扩展性和易用性。无论是日常开发中的命令执行、任务调度，还是跨渠道交互，它都能轻松胜任。
目前项目已向Java社区开放，欢迎所有Java开发者参与贡献，一起打造更强大的Java生态AI代理工具。如果你也需要一个本地可控、功能灵活的AI助手，不妨试试JavaClaw，相信会给你带来不一样的效率提升！
项目地址：
👉 https://github.com/jobrunr/JavaClaw
赶紧去点个 Star 支持一下开源作者吧！⭐