夜雨聆风前两天晚上，OpenClaw 突然发布重大版本。不少朋友更新后，辛辛苦苦养的小龙虾却挂了。
很多技术小白，连夜开始救虾，可是折腾到深夜都没能搞定，于是在网上引发了一片热议。
说实话，OpenClaw 从 2026 开年以来一直火到现在，但还是不太适合普通人上手使用。
除了部署安装配置难之外，还有很多安全隐患，小白稍微不慎，甚至会把自己电脑里的信息传到外面。
后来在 GitHub 上发现了 AiPy，一个能聊天、能干活、能操作电脑的 AI 员工，开箱即用。
GitHub：https://github.com/knownsec/aipyapp
了解了下，AiPy 背后的团队是「知道创宇」，做网络攻防出身的，是国内老牌安全公司。
更有意思的发现，AiPy 在 2025 年 4 月就开源，比 OpenClaw 早了将近一年时间。
OpenClaw 依赖大量预设工具和插件才能干活，配置起来门槛并不低，而 AiPy 走的是另一条路。
遇到任务直接现写 Python 代码来解决，不受固定场景限制，也不需要提前装一堆插件。
我们用大白话下指令，它自己写代码、执行、Debug，直到把活干完交差。数据全程在本地跑，不经过任何外部服务器。
说再多不如直接开测，下面是三个亲自跑的实测案例，难度从低到高。
实测一：解析知乎文章
有时看到一篇写得很好但又很长的文章，就想把链接丢给 AI 帮忙总结内容，结果大概率是「无法抓取内容」。
于是我就想在 AiPy 上测一下，把之前写过的一篇文章链接发给它，让它总结内容，并将文章内容以 Markdown 文件保存到本地。
指令发出去后，它会组建一个专业 Agent 团队协同工作，有数据分析师、高级工程师、项目经理等角色，明确分工后便开始行动。
任务执行过程中出现了个小插曲，工程师石破天写的脚本没能成功，系统当场扣了他季度绩效 2 分。
说真的，这个任务的确存在不少难度，但 AiPy 没有放弃，随即指派资深架构师夜辰接手，前后至少尝试了 5 种不同的 Python 方案。
这份勇于尝试、锲而不舍的劲头，放人堆里也是难得的好员工。
最终成功获取到文章内容，分析总结要点，并按要求将文章以 Markdown 格式保存到本地下载文件夹。
实测二：分析当前电脑系统性能
电脑用久了，风扇狂转、运行卡顿，很多人打开活动监视器，看着一堆进程，根本不知道该关哪个。
干脆让 AiPy 来查，给了它一条指令：分析当前电脑 CPU 和内存占用率最高的 TOP10 进程，并生成可视化报告。
中途遇到了点状况，依赖包没装全，脚本第一次跑失败了，AiPy 没有停下来问该怎么办。
而是读取报错信息，自己写了一段安装脚本把缺失依赖装好，然后重新跑，一气呵成。
最终生成了一份带图表的 HTML 分析报告，CPU 占用、内存占用各出一张可视化图，还附上了针对性的优化建议。
可以上下滚动的图片
前两个案例都是 AiPy 的基础能力，接下来上点难度，看看装上 Skill 之后能做什么。
实测三：控制浏览器抓取豆瓣书单
AiPy 还内置了一个 Skills 集市，里面有各种现成的智能体能力，覆盖数据分析、内容创作、办公效率、自动化控制等类型，安装即用。
比如装上浏览器控制这个 Skill，能力立刻就到位了，给 AiPy 下达一个任务：
打开豆瓣读书，搜索关键词「AI」，找出评分最高的 10 本书，保存到 Excel。
接到任务后，AiPy 先做任务分析，然后组了一个团队，有前端工程师、数据爬虫专家、数据分析师、质量监控员。
整个过程自动控制浏览器，打开页面、填入关键词、抓取搜索结果，把书名、评分、评价人数逐一提取出来。
最后不只交付了 Excel 文件，还额外生成了一份 HTML 可视化报告，超出预期。
报告底部有一行小字：「本地数据处理，不上传任何信息」。这也恰恰说明 AiPy 的基本数据保护原则。
这几个案例测下来，感受最深的不是它能做多少事，而是它处理意外的方式。
依赖安装缺少自己补，脚本跑失败了自己改，浏览器抓数据抓着抓着顺手多生成了一份报告。
全程不需要盯着它，不需要帮它解释报错，把任务交出去，结果就会出现在工作目录里。
三端远控：出门在外也能指挥 AiPy 干活
AiPy 最新版本 0.14.3 还支持飞书、QQ、微信三端远控。
微信推出 ClawBot 插件后，AiPy 第一时间就做了适配，扫码绑定即可使用。
后续直接在手机微信里发一条消息，AiPy 就会在本地电脑上创建任务、开始执行。
AiPy 立刻回应：已创建任务，正在安排团队处理。随后开始干活，进展实时回传到微信对话里。
可以上下滚动的图片
一键安装，开箱即用
官网提供了客户端安装包，支持 Windows、macOS、Linux 系统。
下载后双击安装，全程没有命令行，没有环境配置，开箱即用，和装一个普通软件没有区别。
注册时填入邀请码 BxCg，可以领取 200 万 Tokens 额度，对于大部分人来说足够用很长一段时间了。
写在最后
Agent 这个词最近被说烂了，技术层面的突破已经不是问题，但真正能让普通人用起来的工具，至今寥寥无几。
一个需要懂命令行才能跑起来的 Agent，注定只是开发者圈子里的玩具。
再加上数据安全，这两道门槛叠在一起，让很大一部分用户望而却步。
OpenClaw 已然向大家证明了 AI Agent 能干活，但还没有完全解决这两个问题。
而 AiPy 选择从这里切入，把安装门槛压到最低，把数据安全做到本地，把执行能力交给 Python 来兜底。
归根结底，普通人需要的不是一只需要精心饲养的龙虾，而是一只开箱就能干活的章鱼。
官网：https://www.aipyaipy.com
GitHub 项目地址：https://github.com/knownsec/aipyapp
如果大家在使用过程遇到问题，也可以加入他们交流群询问，里面还有很多玩法和案例分享。
今天的分享到此结束，感谢大家抽空阅读，我们下期再见，Respect！
