QwenPaw:阿里开源的个人AI助手,7大IM全打通,数据100%归你

你有没有遇到过这种情况——

公司用钉钉，团队用飞书，朋友用微信，海外协作用 Discord 和 Telegram。每个平台都想接 AI 助手，但市面上的方案要么只支持单一渠道，要么数据全存在别人的服务器上。

你想用一个 AI 助手搞定所有渠道，同时数据完全归自己。这个需求，阿里 AgentScope 团队给出了他们的答案——

QwenPaw。

截至目前，GitHub 上 17.4K Star，2026 年 7 月刚刚发布 2.0 正式版。Apache 2.0 开源协议，免费用，随便改。

项目地址：https://github.com/agentscope-ai/QwenPaw
官方文档：https://qwenpaw.agentscope.io/

一、QwenPaw 是什么？

一句话定义：本地或云端部署的个人 AI 助理，通过 Skills 与插件扩展能力，全频道连接。

翻译成大白话：你部署一个 QwenPaw 实例在自己的机器上，它就能同时接管你钉钉、飞书、微信、Discord、Telegram、iMessage、QQ 上的对话。所有对话的记忆、生成的文件、处理的任务，全存在你本地硬盘，不上传任何第三方。

不是 SaaS，不是 API 代理，是你真正拥有控制权的 AI 助手。

二、六大核心卖点

1. 全频道接管：7个IM一个都不落下

钉钉、飞书、微信、Discord、Telegram、iMessage、QQ——一个 QwenPaw 实例同时连接所有平台。你在飞书发一条消息，它在飞书回；你在 Discord 问一个问题，它在 Discord 答。同一个智能体，同一份记忆，跨平台无缝衔接。

对于做运营、做社区的人来说，这意味着你不用在七个平台之间来回切换，一个 AI 助手全部搞定。

2. 三层记忆系统：比你还记得清楚

这是 QwenPaw 最有特色的设计之一。它不是简单地把聊天记录存下来，而是构建了三层记忆结构：

实时工作上下文：当前对话的活跃上下文，保证回复连贯
完整逐字历史：所有对话原文保留，可追溯可回放
ReMe 自进化知识库：由 ReMe 驱动，自动把对话和资料沉淀为可读、可编辑、可检索、相互链接的 Markdown 知识库

什么意思？你跟它聊过的内容、喂给它的文档，它会自动整理成结构化的知识库。下次你问相关问题，它不只是翻聊天记录，而是从一个持续进化的知识网络中检索答案。

3. 零 API Key 本地可跑：不花一分钱也能用

这是很多用户最关心的点。QwenPaw 自带了 QwenPaw-Flash 系列模型，专门为 Agent 场景训练，提供 2B / 4B / 9B 三个规格，有 Q4 和 Q8 量化版本。

内置 QwenPaw Local 运行时（基于 llama.cpp），无需 API Key、不依赖任何云服务。点一下下载就能用。

当然，如果你想要更强的模型能力，它也支持：

Ollama：跨平台本地模型方案
LM Studio：图形化本地模型方案
14+ 云端供应商：DashScope（通义千问）、OpenAI、Anthropic、Google Gemini、DeepSeek、Kimi、OpenRouter 等

本地能跑，云端也能接。丰俭由人。

4. 内核级安全沙箱：AI 再聪明也不能乱来

让 AI 助手执行命令，最大的担忧就是安全问题。QwenPaw 设计了四层防护：

防护层	作用
Sandbox	内核级执行隔离（macOS Seatbelt / Linux Bubblewrap+Landlock / Windows AppContainer），Shell 命令在受限文件系统视图中运行
Tool Guard	YAML 规则引擎，执行前检测命令注入、路径遍历、反向 Shell、混淆攻击
File Guard	阻止访问敏感文件和目录（默认保护 ~/.ssh、~/.qwenpaw.secret 等）
Skill Scanner	技能激活前扫描，检测提示注入、硬编码密钥、数据外泄风险

还有一个 Access Policy 声明式访问策略，可以对每次能力调用裁定放行（allow）、拒绝（deny）或请求人工审批（ask）。

简单说：AI 想执行危险命令？在执行之前就被拦住了。

5. 多智能体并行：一个变多个，协同干活

QwenPaw 支持创建拥有独立记忆和技能的子 Agent。运行时可以动态生成子 Agent 来处理不同任务，再通过 Agent Communication Protocol（ACP）实现跨系统编排。

比如，你可以让主 Agent 负责对话，同时 spawn 一个子 Agent 在后台处理文档，再 spawn 一个去搜索网页。并行工作，互不干扰。

6. 代码模式：Web IDE 级别的开发体验

三面板 Web IDE：左边文件树，中间 Diff 预览，右边对话区。内置跳转定义、查找引用、结构化代码搜索。

在终端里输入 qwenpaw . 就能在当前代码仓库启动 Coding 模式，AI 直接读懂你的项目结构，帮你写代码、审代码、改 Bug。

三、真实场景：QwenPaw 能帮你解决什么问题？

光说功能太抽象，下面是几个实际使用场景。

场景一：多渠道运营自动化

背景：你是一个 SaaS 产品的运营负责人，用户分散在钉钉群、飞书群、微信群和 Discord 社区。每天都有大量重复问题："怎么注册？""价格多少？""API 文档在哪？"

QwenPaw 怎么解决：

部署一个 QwenPaw 实例，连接所有 IM 渠道。把产品文档、FAQ、定价信息喂给 ReMe 知识库。设置好自动回复策略。

用户在飞书群提问 → QwenPaw 自动回复

用户在钉钉群提问 → 同一个 QwenPaw，同一份知识库，自动回复

用户在 Discord 提问 → 同样的问题，同样的准确答案

你只需要维护一份知识库，七个渠道自动覆盖。遇到复杂问题，QwenPaw 会标记给你人工处理。

场景二：开发者的贴身代码助手

背景：你接手了一个 10 万行的 Python 项目，代码结构复杂，文档过时。

QwenPaw 怎么解决：

# 在项目根目录启动 Coding 模式
cd /your/project
qwenpaw .

QwenPaw 自动扫描项目结构，理解模块依赖关系。你可以直接问：

"这个函数被哪些地方调用了？"
"帮我找到处理支付的入口逻辑"
"给 auth 模块写单元测试"
"这段代码有什么安全风险？"

它会在三面板 IDE 中展示文件树、代码 Diff，你能直观看到每个修改建议。比在终端里反复 grep 效率高一个量级。

场景三：定时新闻摘要自动推送

背景：你每天早上需要花 30 分钟浏览技术新闻，然后整理成摘要发到团队群。

QwenPaw 怎么解决：

配置一个 Cron 定时任务：

触发时间：每天早上 8:00
执行流程：搜索网页 → 聚焦 AI/技术领域 → 生成新闻摘要 → 推送到飞书/钉钉

你早上醒来，摘要已经在群里了。出门路上扫一眼，掌握当天技术圈发生了什么。

场景四：本地处理敏感文档

背景：你有一批公司内部的财务报表（PDF + Excel），需要提取关键数据并生成分析报告。这些数据绝对不能上传到任何第三方服务。

QwenPaw 怎么解决：

使用 QwenPaw Local 运行时（QwenPaw-Flash 9B 模型），完全离线运行。

所有文档处理在本地完成
模型推理也在你的机器上
没有任何数据上传
没有任何 API Key

数据从你的硬盘进来，处理完还是在你的硬盘上。隐私零风险。

场景五：个人知识库自进化

背景：你每天阅读大量技术文章、看视频、跟同事讨论，但过两天就忘了。Notion 笔记越积越多，但从来不回头看。

QwenPaw 怎么解决：

把文章链接喂给 QwenPaw，它会自动阅读并提取要点。日常对话中提到的技术方案、设计思路，ReMe 会自动沉淀为 Markdown 知识库。

时间长了，你拥有一个结构化的、可搜索的、相互链接的个人知识网络。想找什么，直接问 QwenPaw，它会从你的知识库中检索。

四、安装部署实战

理论说够了，开始动手。下面覆盖三种主流部署方式，选一种适合你的就行。

方式一：pip 安装（适合 Python 用户）

最直接的方式。前提是你有 Python >= 3.11 且 < 3.14 的环境。

# 1. 安装 QwenPaw
pip install qwenpaw

# 2. 初始化配置（使用默认配置快速开始）
qwenpaw init --defaults

# 3. 启动控制台
qwenpaw app

执行完三条命令，浏览器打开 http://127.0.0.1:8088/ 就能看到 QwenPaw 控制台界面。

💡 如果你想交互式配置（自定义模型、频道等），用 qwenpaw init 代替 qwenpaw init --defaults，会进入引导式配置流程。

方式二：一键脚本安装（推荐小白用户）

不需要预先装 Python，脚本会自动搞定一切：下载 uv（Python 包管理器）、创建虚拟环境、安装 QwenPaw 及所有依赖。

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）：

irm https://qwenpaw.agentscope.io/install.ps1 | iex

安装完成后，打开新终端：

qwenpaw init --defaults   # 初始化配置
qwenpaw app               # 启动

脚本安装的额外操作：

# 升级 —— 重新运行安装命令即可
curl -fsSL https://qwenpaw.agentscope.io/install.sh | bash

# 卸载（保留配置和数据）
qwenpaw uninstall

# 彻底卸载（删除所有内容）
qwenpaw uninstall --purge

方式三：Docker 部署（推荐服务器用户）

适合想在服务器上长期运行，或者喜欢容器化部署的用户。

# 拉取镜像
docker pull agentscope/qwenpaw:latest

# 启动容器
docker run -p 127.0.0.1:8088:8088 \
  -v qwenpaw-data:/app/working \
  -v qwenpaw-secrets:/app/working.secret \
  -v qwenpaw-backups:/app/working.backups \
  agentscope/qwenpaw:latest

三个数据卷的用途：

数据卷	存储内容
`qwenpaw-data`	配置、记忆、Skills
`qwenpaw-secrets`	模型提供商设置、API Key
`qwenpaw-backups`	备份归档

📌 国内用户可以使用阿里云镜像：agentscope-registry.ap-southeast-1.cr.aliyuncs.com/agentscope/qwenpaw（tag 相同）

Docker + Ollama 联调（常见需求）：

Docker 容器内的 localhost 指向容器自身，不能直接访问宿主机上的 Ollama。解决方案：

docker run -p 127.0.0.1:8088:8088 \
  --add-host=host.docker.internal:host-gateway \
  -v qwenpaw-data:/app/working \
  -v qwenpaw-secrets:/app/working.secret \
  -v qwenpaw-backups:/app/working.backups \
  agentscope/qwenpaw:latest

然后在 QwenPaw 控制台的 设置 → 模型 中，将 Base URL 设为 http://host.docker.internal:11434（Ollama 默认端口）。LM Studio 用户则填 http://host.docker.internal:1234/v1。

Linux 用户也可以直接用 --network=host 省掉端口映射。

其他部署方式

除了上面三种，QwenPaw 还支持：

阿里云 ECS 一键部署：通过计算巢一键创建，3 分钟搞定。详见阿里云开发者社区教程。
AgentScope Platform：官方免费云端平台，7×24 在线，一键部署。地址：https://platform.agentscope.io/
魔搭创空间：ModelScope 平台上的云端部署（注意设为非公开）。
桌面应用（Beta）：支持 Windows 10+ 和 macOS 14+，下载双击即用，无需命令行。

五、配置模型与使用示例

部署完成后，关键一步是配置模型。

场景 A：配置云端模型（以 DashScope 为例）

01打开控制台 http://127.0.0.1:8088/
02进入 设置 → 模型
03选择提供商（如 DashScope / OpenAI / Anthropic 等）
04填入 API Key
05启用该提供商和需要的模型

DashScope 用户也可以通过环境变量配置：

# 在 .env 文件中
DASHSCOPE_API_KEY=your_api_key_here

配置完成，直接在控制台对话即可。

场景 B：纯本地运行（零 API Key）

不想花钱买 API Key？完全没问题。

用 QwenPaw Local：

在控制台的 设置 → 模型 页面，找到 QwenPaw Local，点击 "Download" 下载模型。系统会根据你的硬件自动推荐合适的模型规格和量化版本。下载完成后启用即可。

用 Ollama：

01安装并启动 Ollama（ollama serve）
02在 QwenPaw 设置中配置 Ollama 为 provider
03Base URL 填 http://localhost:11434
04设置上下文长度 ≥ 32k

⚠️ 重要：Ollama 的上下文长度一定要设够，否则长对话会被截断，影响 Agent 表现。

场景 C：连接 IM 频道（以飞书为例）

01在飞书开放平台创建一个企业自建应用
02获取 App ID 和 App Secret
03在 QwenPaw 控制台 → 频道中添加飞书
04填入 App ID 和 App Secret
05配置飞书事件订阅地址（指向你的 QwenPaw 实例）
06启用后，在飞书中直接 @QwenPaw 机器人即可对话

其他频道（钉钉、微信、Discord、Telegram 等）的配置流程类似，具体参数参考官方文档。

场景 D：TUI 终端使用

更喜欢待在终端里？QwenPaw 提供了全屏 TUI 界面：

qwenpaw              # 与当前激活的智能体开启对话
qwenpaw tui --resume <id>   # 恢复之前的某个会话
qwenpaw .            # 在当前代码仓库中启动（Coding 模式）

TUI 支持流式回复、斜杠命令（/help、/resume、/theme 等）、文件粘贴为附件。和 Web 控制台、IM 频道共享同一个智能体——同一份记忆、技能和会话。

六、安全机制详解

让 AI 执行命令，安全是第一关切。QwenPaw 的安全设计在同类开源项目中是相当领先的。

第一层：Sandbox（内核级沙箱）

不是简单的用户态限制，而是操作系统内核级别的隔离。

macOS：使用 Apple Seatbelt（sandbox-exec）
Linux：使用 Bubblewrap + Landlock
Windows：使用 AppContainer

Shell 命令在受限的文件系统视图中运行，AI 只能看到被授权的文件和目录。

第二层：Tool Guard

基于 YAML 规则引擎，在每次工具调用执行前进行检查。内置 ShellEvasionGuardian 模块，检测：

命令注入
路径遍历
反向 Shell
混淆攻击

可配置审批级别：STRICT（最严格）/ SMART（智能）/ AUTO（自动）/ OFF（关闭）。

第三层：File Guard

独立于 Tool Guard 运行。默认阻止 AI 访问敏感目录：

~/.qwenpaw.secret/（QwenPaw 凭据目录）
~/.ssh（SSH 密钥）
其他敏感系统路径

第四层：Skill Scanner

技能（Skill）在激活前会经过扫描检测。支持 block / warn / off 三种模式加白名单。检测范围：

提示注入（prompt injection）
硬编码密钥
数据外泄模式

第五层：Access Policy

声明式访问策略，对每次能力调用裁定放行（allow）、拒绝（deny）或请求人工审批（ask）。支持工具级粒度和来源感知匹配。

五层防护，层层把关。确保 AI 能干活，但不能越界。

七、版本演进：从 v1.0 到 v2.0

QwenPaw 的迭代速度非常快。

2026 年 7 月 10 日，QwenPaw 2.0 正式发布——基于 AgentScope 2.0 的全面重构，不是简单的功能更新，而是架构级别的进化：

新特性	说明
Agent OS — 工作区	每个智能体三大支柱：资源（透明落盘）、治理（allow/deny/ask/sandbox）、沙箱（跨平台）
Agent OS — 驱动	协议中立的 MCP / A2A / ACP 连接器层，加密凭据 + 逐次调用策略门控
Loop Engineering	高级智能体循环模板（Coding Mode、Mission Mode），可组合审批门控
Scroll 上下文	每一轮对话都持久化；滚出窗口的内容带索引，按需回放，不摘要、不丢失
ReMe v0.4	自进化个人知识库持续升级
TUI	全屏终端对话界面

2026 年 7 月 24 日，v2.0.1 发布，新增 PawApp 小程序平台、用户可编辑 Agent Mode、Oh-My-Paw 插件系统等。

官方表示，基于 Agent OS 架构，将陆续推出更多开箱即用的应用小程序——QwenPaw Creator、QwenPaw Insight 等。

八、总结：QwenPaw 值不值得试？

适合谁？

🔧 开发者：Coding 模式、MCP 集成、多智能体编排，开发体验拉满
🏠 技术爱好者：本地部署、自由扩展、深度定制
🔒 注重隐私的用户：纯本地运行、数据不出机器
📢 多渠道运营人员：一个实例接管七个 IM 平台
🤝 技术团队：内部知识库 + 多渠道 AI 助手一体化

核心价值：

维度	评价
开源免费	Apache 2.0，随便用随便改
数据归属	本地部署，数据 100% 在你机器上
全渠道	7 个 IM + Console + TUI + 桌面应用
安全性	五层防护体系，内核级隔离
扩展性	Skills + 插件 + MCP，自由组合
模型自由	本地（QwenPaw-Flash / Ollama / LM Studio）+ 14+ 云端供应商

在 AI 助手赛道上，QwenPaw 做对了一件关键的事：把选择权还给用户。

你选择用本地模型还是云端模型。你选择连哪些渠道。你选择开多大权限。你选择数据存在哪里。

这不是一个 SaaS 产品，是你自己的 AI 助手。

相关链接：

GitHub 仓库：https://github.com/agentscope-ai/QwenPaw
官方文档：https://qwenpaw.agentscope.io/
AgentScope 平台：https://platform.agentscope.io/
Discord 社区：https://discord.gg/eYMpfnkG8h
X (Twitter)：https://x.com/agentscope_ai

QwenPaw，懂你所需，伴你左右。