快速结论
QwenPaw 适合想把 AI 助手”装在自己机器上、长期养着”的人。名字来自 Qwen Personal Agent Workstation，由开源 AgentScope 团队维护，Apache-2.0 协议，pip install qwenpaw 就能起一个带 Web Console 的个人 Agent，然后把它接到钉钉、飞书、微信、Telegram、Discord 上——同一个实例、同一份记忆，你在哪个聊天窗口找它都是同一个助手。这是它和 Coze、Dify 这类”搭 Bot 给别人用”的平台最大的区别：QwenPaw 的默认对象是你自己。
判断要不要用，关键看你是否真的需要”持久化的个人助手”。如果你只是偶尔问几个问题，网页版对话工具更省事；如果你希望它记得你半年前的偏好、每天定时给你推一份摘要、能读写你本地的文档、还能在多个 IM 里随时找到，那它目前是开源方案里完成度最高的一档。代价是你要自己负责部署、模型接入和安全边界。
核心功能
- 三层记忆体系：实时工作上下文 + 完整逐字历史 + 由 ReMe 驱动的自演化个人知识库。对话和资料会持续变成可读、可编辑、可搜索、互相链接的 Markdown 记忆，而不是黑盒向量库
- Scroll Context 不丢历史：每一轮都持久化，被挤出上下文窗口的轮次会建索引供按需召回，官方明确”不做摘要丢弃”，这对长期助手场景比压缩摘要更可靠
- 本地模型零 API Key：内置基于 llama.cpp 的 QwenPaw Local 运行时，配套自训的 QwenPaw-Flash 2B / 4B / 9B agent 专用模型（Q4/Q8 量化，ModelScope 与 Hugging Face 都有），也支持 Ollama、LM Studio 和 14+ 家云端 provider
- 内核级安全栈：Sandbox、Tool Guard、File Guard、Skill Scanner、Access Policy 五件套，危险命令在执行前拦截；每个 Agent 的 Workspace 拆成 Resources（磁盘上透明可见）、Governance（allow/deny/ask/sandbox）、Sandbox 三块
- 多 Agent 与协议层：可以派生拥有独立记忆和技能的子 Agent，运行时动态生成；Drivers 层是协议中立的 MCP / A2A / ACP 连接器，凭据加密并逐调用过策略闸门
- 全渠道触达：钉钉、飞书、微信、Discord、Telegram、iMessage、QQ，一个实例全渠道；另有 Web Console、终端 TUI 和桌面应用（Beta）三种直连方式
- 可扩展生态：Skills（日程、文档、浏览器、新闻等）、Oh-My-Paw 插件市场、PawApp 小程序平台、用户可编辑的 Agent Modes，以及 Loop Engineering 提供的 Coding Mode / Mission Mode 等 Agent 循环模板
- 统一文件工作区：跨项目文件与 Agent 文件的导航、预览、编辑、diff、上传下载，v2.1.0 起还加了 workspace checkpoints、Browser-use 和 Computer-use
适合人群
- 想要私有化个人助手的人：数据留在自己机器上，不上传第三方托管
- 国内办公场景用户：钉钉、飞书、微信渠道是一等公民，DashScope / 通义直连，阿里云 ECS 有专门部署路径
- 重视长期记忆的人：需要助手记住偏好、项目背景、历史结论，而不是每次从零开始
- Agent 开发者与折腾派：想在 AgentScope 生态上做 Skills、插件、子 Agent 编排
- 不太适合的人群：完全不想碰命令行和部署的人；需要企业级多租户、SSO、审计合规的团队；只需要偶尔问答的轻量用户——起一个常驻 Agent 的维护成本对他们不划算。
使用场景
- 定时任务与推送：每天生成新闻摘要、周报或数据报告，同时推到多个 IM 渠道
- 个人知识库问答：把资料、会议记录、订阅内容沉淀成 ReMe 记忆，之后直接问它
- 文档处理：读写和转换 PDF、Word、Excel、PowerPoint
- 代码与开发：在统一文件工作区里读改、review、测试项目代码，v2.1.0 还集成了 Codex / Qoder Agent
- 信息收集：联网搜索、跟订阅源、总结视频，结果落进个人知识库
- 多渠道运营：把告警、摘要或 AI 生成内容按渠道分发，或同时广播
价格与版本
QwenPaw 本体 Apache-2.0 开源，完全免费，没有付费档位。部署路径给得很足：pip 安装、一键脚本、Docker、阿里云 ECS、ModelScope、桌面应用（Beta），以及官方的 AgentScope Platform——后者提供免费的在线 QwenPaw 部署、插件分享和 Skill 市场，不想自己搭机器可以先在上面试。
成本只出现在模型侧。用云端 API（DashScope/通义、OpenAI、Anthropic、Gemini、DeepSeek、Kimi、OpenRouter 等）必须先配 Key，没有有效 Key 无法对话；用本地模型（QwenPaw Local / Ollama / LM Studio）则完全不需要 Key，配合 QwenPaw-Flash 小模型可以做到真正零成本。部分工具还需要额外的 Key，比如联网搜索要 TAVILY_API_KEY，在 Console 的环境变量里配。版本节奏很快：2026-07-10 发布基于 AgentScope 2.0 重写的 2.0.0，2026-08-13 已到 v2.1.0，选型时注意你看到的教程是否还对得上当前架构。
国内访问与使用体验
这是它相对多数同类项目的明显优势：项目由国内团队维护，模型侧可直连 DashScope / 通义与 DeepSeek、Kimi，模型权重同时发在 ModelScope 上，部署文档里专门有阿里云 ECS 一节，渠道侧钉钉、飞书、微信都是内置支持，社区还有钉钉群。整条链路不依赖海外服务也能跑通，本地模型模式甚至可以完全离线。
使用体验上有几点要注意。第一，它是常驻服务而不是一次性工具，Console 默认在 http://127.0.0.1:8088/，你需要考虑开机自启、端口暴露和访问控制。第二，Windows 企业 LTSC 环境下 PowerShell 受限模式可能导致安装脚本无法写入 PATH，官方 README 给了手动配置步骤。第三，qwenpaw init 会匿名收集版本、安装方式、操作系统、Python 版本、CPU 架构和是否有 GPU，每个版本上报一次，交互式安装时可以选择不加入，但用 --defaults 会自动接受——在意的话别走默认参数。第四，把它接到微信、钉钉这类工作渠道前，务必先看清 Access Policy 和 Tool Guard 配置，一个有文件读写和命令执行能力的 Agent 暴露在群里是真实风险。
优点
- 开源 Apache-2.0，数据和模型都可以完全本地化，不依赖第三方托管
- 记忆设计是这类产品里最认真的一档：不摘要丢弃、可读可编辑的 Markdown 知识库
- 安全能力不是事后补的，沙箱、工具闸门、技能扫描、访问策略成体系
- 国内链路完整：通义/DeepSeek 直连、ModelScope 权重、阿里云部署、钉钉飞书微信渠道
- 部署方式多到几乎没有门槛借口，还有官方免费在线平台可以先试
- 自训的 QwenPaw-Flash 小模型让”低配机器跑 Agent”成为可能
不足
- 迭代太快，2.0 是彻底重写，早期教程和插件容易失效
- 常驻服务意味着运维负担：端口、自启、备份、升级都要自己管
- 强能力叠加强风险，接入 IM 渠道时权限配置不当可能造成数据泄露或误操作
- 面向个人而非团队，缺多租户、SSO、审计等企业治理能力
- 默认参数安装会自动接受匿名遥测，介意隐私的人需要手动干预
- 桌面应用仍是 Beta，图形化体验不如成熟商业助手
替代品对比
| 工具 | 更适合谁 | 优势 | 不足 |
|---|---|---|---|
| OpenClaw | 想让 Agent 跨设备常驻的人 | 长期运行、多渠道、社区活跃 | 记忆与安全体系不如 QwenPaw 成体系 |
| Dify | 要给团队/客户交付 AI 应用 | 编排、知识库、API 化成熟 | 面向应用交付，不是个人长期助手 |
| Coze | 想快速搭 Bot 上线渠道 | 上手最快、国内渠道生态好 | 托管为主，数据与扩展自由度低 |
| Mem0 | 只需要给自己应用加记忆层 | 专注记忆、易嵌入 | 只是组件，不含 Agent 与渠道 |
| Cherry Studio | 只想要一个多模型桌面客户端 | 安装即用、模型管理清爽 | 无常驻 Agent、无渠道接入与定时任务 |
常见问题 FAQ
QwenPaw 是免费的吗？
本体 Apache-2.0 开源、完全免费，官方也提供免费的 AgentScope Platform 在线部署。花钱的地方只有云端模型 API；如果用 QwenPaw Local、Ollama 或 LM Studio 跑本地模型，可以做到零成本。
必须配 API Key 才能用吗？
用云端模型必须配，没有有效 Key 无法对话。但只用本地模型时完全不需要 Key，内置的 QwenPaw Local 运行时和 QwenPaw-Flash 2B/4B/9B 模型可以直接在 Web UI 里下载使用。
国内用户部署方便吗？
方便。模型可直连 DashScope/通义、DeepSeek、Kimi，权重在 ModelScope 有镜像，官方文档有阿里云 ECS 部署一节，钉钉、飞书、微信渠道都内置支持，整条链路不依赖海外服务。
它和 Coze、Dify 有什么本质区别？
Coze 和 Dify 的目标是让你搭一个应用交给别人用，QwenPaw 的目标是养一个属于你自己的助手：默认单用户、强调本地部署、记忆长期累积、跨 IM 渠道保持同一身份。要做多租户产品交付，还是选前两者。
接到微信、钉钉群里安全吗？
需要你主动配置。它带内核级 Sandbox、Tool Guard、File Guard、Skill Scanner 和 Access Policy，但一个有文件读写和命令执行能力的 Agent 暴露在群聊里本身就是风险面，接入前务必收紧策略并限制可用工具。
升级会不会把我的配置和记忆搞坏？
2.0.0 是基于 AgentScope 2.0 的彻底重写，跨大版本升级要看 Release Notes 而不是直接覆盖。记忆以 Markdown 形式存在磁盘上，升级前备份 Workspace 目录是最稳妥的做法。
总结
QwenPaw 把”个人 AI 助手”这件事做得比大多数开源项目更完整：记忆不丢、安全成体系、渠道全覆盖、本地模型能兜底，而且国内链路顺畅。它的门槛不在技术难度，而在你是否愿意长期维护一个常驻服务——愿意的话，它能变成一个真正记得你、随时够得着的助手；不愿意的话，一个桌面客户端加网页版对话工具反而更省心。建议的验证方式是：先在 AgentScope Platform 上跑一遍熟悉概念，再本地部署，接一个渠道、配一个定时任务、喂一批资料进记忆，两周后看它是否真的省了你的时间。