我把四个本地AI助手全装进NAS：OpenClaw和QwenPaw本是一条线

OpenClaw系 / Octop系 / Hermes系，三条技术路线怎么选

2026年 AI 圈冒出一批本地优先、能自托管的开源个人 AI 助手，Octop、QwenPaw、Hermes、OpenClaw 这几个名字你大概率都刷到过。我把这四个全塞进家里的 NAS 跑了一遍，又把大神们的拆解和实测翻了一圈，结论先把话说在前：把它们按技术血缘拆开，其实是三条路线。OpenClaw 和 QwenPaw 根本就是一条线上的，剩下两个各走各的。

先抛骨架：四条产品，三条路线

下面一条条拆，每条都把我 NAS 上的体感和大神拆解对一遍。

A 路线：OpenClaw 是现象级，QwenPaw 是它的中国友好版

这条线才是 2026 年该好好讲清楚的一段。

OpenClaw 是真现象级。多家独立信源（openclaws.io 官方博客、光明网等）记录，它从 2025 年 11 月发布到 2026 年 3 月初，GitHub 星标冲过 25 万，超过了 React（约 24.3 万）和 Linux 内核（约 22 万），登顶软件类历史第一；社区还把龙虾当吉祥物，养虾文化在微博知乎走红。更关键的是，它逼出了整条大厂 Agent 产品线：腾讯、阿里、字节、百度、华为、小米，加上智谱、月之暗面、MiniMax 等十几家，纷纷推出自己的 Agent 产品或 OpenClaw 适配方案（其中阿里 AgentScope 团队的 QwenPaw，是这条线上最成形的中国版）。普通人第一次意识到：AI 不用高深技术去画工作流了，它像 Chat 一样能直接走进工作和生活。

但 OpenClaw 本身偏技术流。第三方拆解（clawbot.blog）和大神实测都指出，它是 Node.js 加 TypeScript 的本地执行网关，强在渠道多（WhatsApp、Telegram、Discord、Slack、iMessage、飞书、钉钉、QQ 全接，50 加平台）、能真操本机，代价是上手要配 Node 环境、命令行调试、社区技能质量参差（ClawHub 曾被曝出批量恶意技能包）。我 NAS 上的体感一致：能跑，但第一次配渠道和技能确实费劲，而且它默认单用户，不是团队产品。

QwenPaw 就在这条线上。它原名 CoPaw，阿里 AgentScope 团队做的。先掰正一个常见误会：它常被和 OpenClaw 并列当成两个独立产品，其实不对。多家拆解直接把 CoPaw 定性为 OpenClaw 的 fork，原话叫 OpenClaw for the Chinese cloud（中国云版 OpenClaw）；阿里侧文档则说它是基于自家 AgentScope 框架用 Python 重写。无论算 fork 还是重写，结论不变：它和 OpenClaw 是同一条技术路线的产物，是 OpenClaw 范式在中国的官方友好版，干的事就是中国化适配、UI 提升、降门槛。

降门槛降到了什么程度？两点大神拆解和官方文档都能印证。第一，AgentScope Platform 和魔搭社区在公测期提供免费一键云端部署，不用自己买服务器。第二，QwenPaw 内置了 OpenCode 和 KiloCode 的免费模型渠道，控制台里选上就能用，免 API Key，比如 DeepSeek V4 Flash、MiMo 2.5 这类。等于入门成本触底，手机点几下就有个能聊的 AI。代价是这些免费模型限流很严，多聊几轮就 429，当主力大脑憋屈，但尝鲜和轻量场景完全够。它自己的底子也不弱：ReMe 三层长期记忆、Tauri 2.0 桌面端、MCP 热插拔、国内 IM 全接，协议是 Apache-2.0。所以 A 路线里，OpenClaw 是那个把路踩出来的现象级原型和极客玩具，QwenPaw 是把同一条路铺平、让普通人也能走的中国版。

B 路线：Octop 是真正另起炉灶的那一个

Octop 和我 NAS 上其他三个都不一样，这点我体感很明确，查证也成立了。

它前身是腾讯内部项目 LightClaw ACE，2026 年 7 月以腾讯云自研身份开源，MIT 协议。关键点：它不基于 OpenClaw，是腾讯从内部项目彻底重构出来的。架构是单进程 Python（FastAPI），没有外部消息队列，重启能从 SQLite 重建状态。

它和 A 路线最大的分野在多人。OpenClaw 系默认一个人用一个助手，Octop 从第一天就认真做多用户：JWT 隔离、每个家庭成员独立账户和工作区、还能建多个专家分工。说白了它想做的是家庭和小团队的共享 AI 中台，不是个人玩具。这也是为什么它在我 NAS 上跑起来，定位感和另外三个明显不同。它还有个独门点是双向 ACP（Agent Client Protocol），既能被 IDE 调用，也能把编码任务派给 Claude Code、Codex 这些外部 Agent，等于当智能体网络里的一个节点。

代价是年轻（还是 beta 线），而且社区里吵得凶的是信任问题：有人原话，不信任腾讯会老实待着不往自家服务器发遥测。MIT 保底，但信不信你自己掂量，建议用默认拒绝出站的规则抓包验证。

C 路线：Hermes 是那个会自己长本事的，但进门确实槛高

Hermes 出自 Nous Research，MIT 真开源，也是独立一条线。它的独门绝活是自我进化：任务跑成功后把成功路径存成可复用 skill，下次类似任务直接调，越用越懂你。大神实测（dev.to 那篇）给过量化：攒下 20 多个自创 skill 后，重复任务能快 40%。模型覆盖也是四家里最广之一，国产模型几乎全覆盖：火山方舟、百度千帆、腾讯混元、阿里百炼、智谱 GLM、MiniMax、Kimi、小米 MiMo、阶跃、硅基流动、ModelScope，加上本地 Ollama、vLLM、LM Studio、llama.cpp，还能过 Nous Portal 接 300 多个模型。

但我对它的第一印象并不惊艳：轻度用没感到多明显的区别，反而觉得首次配置麻烦、不灵活。这个体感查证后是真的，而且原因清楚。第一，它 CLI 优先，官方安装走命令行，对技术用户友好、对小白劝退。第二，真正好用的模型和服务要过 Nous Portal，而 Portal 的免费档每月只有 0.1 美元额度，基本等于没有，想顺手用 300 多个模型得掏 20 美元/月的 Plus。软件本身免费开源，但开箱即用的体验是被付费墙和配置摩擦挡住的。

至于它底子是不是打着开源幌子、其实设了技术壁垒：软件层面 MIT 是真开源，真正挡路的是配置复杂加 Portal 付费。好消息是桌面版（2026 年 6 月发的 Tauri v2）确实把门槛砍了一大截，大神实测里多名用户说终于不再是开发者玩具。我自己的 NAS 上还没装桌面版，这部分后面补测了再聊。另外补个隐藏账单提醒：它轻量（远程 API 跑只要 256 到 512MB，五美元 VPS 就能养），但一旦用前沿模型重度跑 agentic 任务，有实测算过在 Claude Opus 4.6 上能烧到 131 美元/天，因为每个消息都把完整历史发去 API。

一张总对照表（建议收藏）

共同硬伤：四个都不是零资源门槛

不管哪条路线，别信随便一个设备就能跑。我把各家的最低要求扒出来做了张表。

结论很直白：卡在最低配上都会卡，本地大模型更得有显卡。四个都能跑和四个都跑得爽是两回事，真要上生产，硬件支撑省不掉。

按路线给你选型建议

• 想尝鲜、怕折腾、要零成本上手：走 A 路线的 QwenPaw，免费在线部署加内置免费模型，几分钟就有。
• 你是极客、认准社区体量和聊天渠道覆盖、愿意配环境：A 路线的 OpenClaw 本体。
• 你要给一家人或小团队共用一套、数据不出本机：B 路线的 Octop，目前把多用户隔离当核心设计的。
• 你是技术玩家、看重 AI 越用越聪明、愿意花时间调：C 路线的 Hermes，记得装桌面版。

没有万能的，只有对路的。开源协议上四家基本 MIT 或 Apache（QwenPaw 是 Apache-2.0），厂商真变卦你也有代码兜底。

这篇文章按技术血缘把四个拆成三条线，关键结论都拿 NAS 真机体感和大神拆解对过了。建议你收藏，真要装的时候对着路线选，比对着参数选省事。哪一家想看我 NAS 上实装录屏或跑分，后台留言，点赞多的我先安排。我是木圭，在「木圭的AI时代指南」持续实测 AI 工具和本地部署，关注我，少踩坑。