Files
agent-radar/data/projects/qwenpaw.yaml
T
gitea-publish de6cf8f3c0 feat: 补齐 5 篇深度文(maka/openclaw/openwork/qwenpaw/tutti)+ 重算矩阵 + 总纲回填
- articles/: 新增 5 篇深度文(八段结构,每篇含 claim_vs_reality)
  - maka.md → emlog_id=105
  - openclaw.md → emlog_id=106
  - openwork.md → emlog_id=107
  - qwenpaw.md → emlog_id=108
  - tutti.md → emlog_id=109
- data/projects/*.yaml: 回写 emlog_id 到 6 个档案(orca 前序已回写)
- articles/00-overview.md: build_matrix.py 重算矩阵 + 回填总纲
2026-09-03 23:39:58 +08:00

257 lines
15 KiB
YAML
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# qwenpaw · 项目档案
# 生成于 2026-09-01 · 由 scripts/new_project.py 从 schema 生成
# 人工补完重点:business / scenario / tech / risk.claim_vs_reality / verdict
# 字段规范见 schema/project.schema.yaml
id: qwenpaw
name: "QwenPaw"
repo: "agentscope-ai/QwenPaw"
homepage: "http://qwenpaw.agentscope.io/"
added_at: "2026-09-01"
status: active
identity:
tagline: "Your Personal AI Assistant; easy to install, deploy on your own machine or on the cloud; supports multiple chat apps with easily extensible capabilities"
vendor: "AgentScope 团队(阿里巴巴通义实验室)"
vendor_type: "vendor"
region: "中国"
first_seen: "2026-02-24"
name_history: # ⚠️ 2026-04-12 改名,检索 4 月前的资料必须按 CoPaw
- "CoPaw(2026-02-24 建仓)"
- "QwenPaw(2026-04-12 更名)"
name_note: |-
更名官方理由是"更深融入 Qwen 开源生态、更聚焦模型层",原名 CoPaw 的仓库
`agentscope-ai/CoPaw` 与现名仓库指向同一项目。
另注意到 GitHub 上存在同名仓库 `aqua88hn/qwenpaw`(README 内容与官方高度相似),
**检索时容易认错本体**——本档案锁定的是 agentscope-ai 组织下的官方仓库。
business:
positioning: |-
与 OpenClaw 同处「个人助理执行层」,是本项目在本体系中唯一的正面对手。
但立足点不同:OpenClaw 靠**渠道覆盖与生态规模**取胜,QwenPaw 靠**安全默认值与
本地可跑**取胜。它把自己定位成"能长期记住你、数据不离开你机器的私人助理",
而不是功能最全的助理。
团队背景决定了差异化:背靠 AgentScope(AgentScope / AgentScope Runtime / ReMe),
记忆系统直接建在 ReMe 个人知识框架上。
target_users:
- 对数据主权与隐私有硬要求、希望助理完全跑在本地的个人用户
- 需要在钉钉 / 飞书 / 微信 / QQ 等国内渠道里用助理的团队
- 想不买 API key 就先跑起来的尝鲜用户(QwenPaw-Flash 本地模型)
- 愿意用功能广度换安全确定性的自用开发者
monetization: |-
Apache-2.0 全开源,未见收费层;提供 Docker / 阿里云 ECS / AgentScope 平台 /
ModelScope 创空间等多条部署路径(云部署路径隐含云厂商导流)。
与 OpenClaw 一样**没有明示的变现路径**。
license:
spdx: "Apache-2.0"
name: "Apache License 2.0"
openness: L1
redistributable: true
key_restrictions:
- Apache-2.0 含明确的专利授权条款(对使用者是加分项)
- 需保留 NOTICE 文件与版权声明
- 商标条款:不授予 Qwen / 通义等商标使用许可
moat: |-
三层:① 五层安全体系(沙箱 / Tool Guard / File Guard / Skill Scanner / Access Policy)
全部默认开启,这是同类里最完整的;② 无需 API key 即可跑的自研 QwenPaw-Flash
模型系列(2B/4B/9B,Q4/Q8 量化),把"先跑起来"的门槛降到零;
③ 覆盖国内七大渠道(钉钉 / 飞书 / 微信 / QQ / Discord / Telegram / iMessage)。
competitive_risk: |-
两面受敌:向上被 OpenClaw 的生态规模压制(388k vs 34.7k star,差一个数量级),
向下被任何一家有本地模型的助理框架追赶(安全是可以被快速抄的)。
真正的护城河可能是**渠道**——钉钉 / 飞书 / 微信的对接是海外项目做不了的。
scenario:
primary:
- 常驻本地的私人助理,通过钉钉 / 飞书 / 微信 / QQ 等 IM 渠道随时触达
- 本地文档与知识库:读 PDF / Office 提取信息进长期记忆,随时从 IM 调取
- 定时任务自动化:每日资讯摘要推送、邮件与日历整理、周报生成
- Coding Mode:三栏 Web IDE(文件树 / diff 预览 / 结构化代码搜索)
typical_use_cases:
- 每天自动抓小红书 / 知乎 / Reddit 热点生成摘要推到飞书
- 睡前描述目标,助理自动执行,醒来拿到原型
- 多个独立 agent 各自分角色(创意 / 写作 / 校对)协同产出内容
- 用本地 9B 模型处理敏感文档,全程不出本机、不花 API 费用
industries:
- 个人事务 / 知识管理
- 内容创作与自媒体
- 小团队办公自动化
interaction_mode:
- Web 控制台(默认 127.0.0.1:8088)
- Terminal UI(TUI)
- IM 渠道(钉钉 / 飞书 / 微信 / QQ / Discord / Telegram / iMessage)
- 桌面应用(Beta)
human_in_the_loop: |-
Access Policy 是声明式访问规则,可对每次能力调用设置 放行 / 拒绝 / 请求人工批准,
粒度到工具级、可按来源匹配。Tool Guard 提供 STRICT / SMART / AUTO / OFF 四档。
deliverables:
- code(Coding Mode 三栏 IDE)
- 文档处理结果(PDF / Word / Excel / PowerPoint)
- 记忆条目(可读可编辑可搜索的 Markdown 记忆)
- 定时推送内容(资讯摘要 / 视频脚本)
tech:
form_factor: |-
Python 包(pip / 安装脚本)+ Web 控制台 + TUI + 桌面应用(Beta)+ Docker。
形态偏"服务端 + 多渠道",与 OpenClaw 的"本地守护进程 Gateway"思路接近,
但更传统——没有 OpenClaw 那套原生伴侣 App 与设备节点。
stack:
- Python 59%
- TypeScript 37.2%
- Less 1.5%
- Rust 1.0%
- JavaScript / CSS 各约 0.3%
engine_abstraction:
supported: [] # 不代理外部 agent 引擎
mechanism: |-
与 OpenClaw 相同:**自身即引擎**,不接入第三方 agent。
但它能"派生子 agent"——多 agent 协同时各子体带独立记忆并行处理,
这是 OpenClaw 2.0 之前没有的内生能力。
模型层不绑定:14+ 云厂商(OpenAI / Anthropic / DeepSeek / Kimi 等)
与本地后端(内置 llama.cpp / Ollama / LM Studio)可混用。
abstraction_layer: "无(自身即引擎);模型层有统一 provider 抽象"
depth_notes: |-
注意区分两个"中立":模型层是真中立(14+ provider 可换),
agent 引擎层不存在中立问题(它自己就是)。横向比较时不要混为一谈。
extension_system:
skills: "Skills 文件系统;自定义 skill 自动加载,明确宣称 no lock-in"
plugins: "Skill Scanner 在激活前扫描第三方 skill(阻断 / 警告 / 关闭 + 白名单)"
mcp: "README 标注 mcp 主题(topics 含 mcp),支持浏览器工具抓取接口文档"
model_binding: |-
不绑定。本地侧主推自研 QwenPaw-Flash(2B / 4B / 9B,Q4 / Q8 量化,
ModelScope 与 Hugging Face 可下载),云侧 14+ provider。
**"无需 API key 即可跑"是它相对所有竞品的硬差异。**
local_first: true
multi_agent: |-
可创建多个独立 agent、各自分角色,开启协作 skill 后 agent 间可互相通信;
助理能派生带独立记忆的子 agent 并行处理任务。
permission_sandbox: |-
⚠️ 这是 QwenPaw 最强的维度,也是与 OpenClaw 分道扬镳之处——**默认开启**:
① Sandbox:内核级隔离,macOS 用 Seatbelt、Linux 用 Bubblewrap / Landlock、
Windows 用 AppContainer,shell 命令跑在受限文件系统视图里;
② Tool Guard:YAML 规则引擎 + ShellEvasionGuardian,执行前检查每次工具调用,
识别命令注入、路径穿越、反弹 shell、混淆攻击;
③ File Guard:独立于 Tool Guard,默认保护 ~/.qwenpaw.secret/、~/.ssh 等敏感路径;
④ Skill Scanner:第三方 skill 激活前扫描提示词注入、硬编码密钥、数据外泄;
⑤ Access Policy:声明式规则,工具级粒度的放行 / 拒绝 / 人工批准。
但注意:Tool Guard 提供 **OFF 档**,可以整层关掉。
observability: |-
滚动式上下文管理 + 持久化轮次存储;三层记忆(当前会话工作上下文 /
可搜索的完整对话历史 / 自进化的 Markdown 个人知识库)本身即构成了可审计轨迹。
ecosystem:
metrics:
stars: 34758
forks: 3052
open_issues: 898
subscribers: 109
created_at: 2026-02-24
pushed_at: 2026-09-01
size_kb: 112038
languages: {Python: 59.0, TypeScript: 37.2, Less: 1.5, Rust: 1.0, JavaScript: 0.3, CSS: 0.3}
latest_release: v2.2.0-beta.5
release_cadence: 约 1 天/版本
data_date: 2026-09-01
stale: false
community: |-
34.7k star、3k fork,活跃度高(约 1 天一个 beta)。
**巴士系数是七个样本里最健康的**:最近 100 次提交去重 24 位作者,
TOP1(yutai78786)仅占 15%,前八名分布在 15%–5% 之间,没有单点依赖。
对比同样在"个人助理"赛道的 OpenClaw(TOP1 独占 64%),差距显著。
standards: []
notable_events:
- "2026-02-24:以 CoPaw 之名建仓"
- "2026-04-12:正式更名 QwenPaw,官方称将更深融入 Qwen 开源生态"
- "2026-08-31:v2.2.0-beta.5(至今所有 release 均为 prerelease)"
risk:
license_risk: |-
Apache-2.0,无实质风险,且含专利授权条款(对企业用户是加分)。
需注意保留 NOTICE 与版权声明,以及商标不授权。
vendor_lockin: |-
模型层无锁定(14+ provider + 本地后端)。隐性锁定在两处:
① 记忆系统建在 ReMe 框架上,沉淀的个人知识库不易整体迁出;
② 云部署路径与阿里云 ECS / ModelScope 绑定,国内合规场景下迁移成本上升。
claim_vs_reality:
- claim: "数据归你、本地优先、不上传任何本地使用记录"
actual: |-
主力诉求成立(本地模型可完全离线跑,遥测一键可关)。
但 README 的 Telemetry 章节写明:**`qwenpaw init --defaults` 会自动接受遥测**,
且"每升级一个版本会重新收集一次"。而 `--defaults` 恰恰是快速上手文档
推荐的默认路径。收集的是匿名环境数据、不影响功能,但"默认接受"
与"数据归你"的叙事存在张力——尤其对把隐私当核心卖点的产品。
source: "README Telemetry 章节原文('If you choose --defaults, telemetry is accepted automatically.')"
- claim: "34.7k star 的成熟个人助理"
actual: |-
星标属实,但**至今没有任何正式 release**。查最近 8 个 release,
v2.1.1-beta.1 到 v2.2.0-beta.5 全部 prerelease=True。
也就是说它处在"高关注度 + 持续 beta"状态,与同赛道 OpenClaw
(有 v2026.8.1 正式版)相比,发布纪律反而更松。
source: "GitHub releases API(per_page=8,全部返回 prerelease=true)"
- claim: "五层安全,内核级沙箱"
actual: |-
五层的实现描述相当具体(Seatbelt / Bubblewrap+Landlock / AppContainer,
ShellEvasionGuardian 检测命令注入与反弹 shell),可信度高。
但 **Tool Guard 提供 OFF 档**,整层可以关掉;Access Policy 也是"可配置为放行"。
安全强度取决于用户配置,不是不可绕过的硬边界。
source: "README Security Features 章节(列出 Tool Guard 的 STRICT / SMART / AUTO / OFF 四档)"
- claim: "无需 API key,本地模型即可跑"
actual: |-
技术上成立:QwenPaw-Flash 2B / 4B / 9B(Q4 / Q8 量化)内置 llama.cpp 后端,
在 Web UI 点下载即可用,并提供硬件感知推荐。
但要清醒:**2B / 4B 量级的模型在复杂 agent 任务上的能力天花板很低**,
"无需 key 跑起来"和"无需 key 好用"是两件事,重度任务仍要接云端 provider。
source: "README Local Models 章节(列出 2B/4B/9B 与 Q4/Q8 量化)"
- claim: "(历史)QwenPaw 是一个 2026 年 4 月后出现的全新项目"
actual: |-
不是。它是 2026-02-24 以 **CoPaw** 之名建仓的项目,2026-04-12 才更名。
检索 2026 年 4 月之前的社区讨论、issue 与技术文章时必须按 CoPaw 检索,
否则会严重低估它的历史沉淀与已知问题。
source: "GitHub repo API(created_at=2026-02-24)+ README News 章节的更名公告"
- claim: "(检索风险)github.com/agentscope-ai/QwenPaw 是唯一官方仓库"
actual: |-
存在同名仓库 `aqua88hn/qwenpaw`,README 内容与官方高度相似。
以 star 数(官方 34.7k)与组织归属判断,官方仓库在 agentscope-ai 组织下;
但同名仓库的存在会让"按名字搜仓库"直接得到错误结果。
source: "GitHub 搜索结果与 repo API 交叉核对(agentscope-ai/QwenPaw = 34758 star,非 fork)"
maturity: |-
工程治理(巴士系数最健康、安全分层最完整)明显强于它的星标邻居们,
但**发布纪律是短板**——所有 release 都是 beta,且一天能发多个 beta。
功能面广、迭代快,适合自用与尝鲜;不适合作为团队关键链路的基础设施。
maturity_level: "beta 活跃期"
chart:
# 与 OpenClaw 同为"个人助理",但安全默认值与本地能力都更强,形态更传统。
form_depth: 5 # Web 控制台 + TUI + 桌面 beta,形态传统,无原生设备节点
engine_neutral: 2 # 自身即引擎(不代理外部 agent),但模型层 14+ provider 真中立
local_first_score: 9 # 内置 llama.cpp + 自研 Flash 模型,无需 API key 即可跑
deliverable_depth: 4 # Coding Mode 三栏 IDE + 文档处理 + 定时推送,但非可编辑交付物体系
chart_note: "与 OpenClaw 同赛道对照看:形态略浅、本地优先更强、安全默认值显著更高"
verdict:
one_liner: |-
安全默认值最完整、巴士系数最健康的个人助理——
但至今没有发过一个正式版,且 `--defaults` 安装路径会默认打开遥测。
who_should_use: |-
把数据与隐私放第一位、希望助理完全跑在本地的个人与小团队;
需要在钉钉 / 飞书 / 微信 / QQ 渠道里用助理的国内团队;
想不买 API key 先把流程跑通的尝鲜者。
who_should_not: |-
需要正式版与稳定升级路径的团队(它全是 beta);
指望 2B / 4B 本地模型扛复杂 agent 任务的人;
把「五层安全」当成不可绕过硬边界的人(Tool Guard 有 OFF 档)。
mirror:
gitea_repo: gitinbox/qwenpaw
visibility: public
upstream: "https://github.com/agentscope-ai/QwenPaw"
last_sync: 2026-09-01
mode: source-only
sync_note: |-
已于 2026-09-01 完成 source-only 镜像(gitinbox/qwenpaw,public)。
109 MB 裸仓超 Gitea 50 MB 推送上限,故剔除图片/音视频/字体等素材后按快照提交:
推送 18 MB;完整保真裸仓(281 MB)保留在 .mirrors/qwenpaw.git,增量更新重跑脚本即可。
article:
emlog_id: 108
published_at: 2026-09-03
url: "https://blog.apescale.com/?post=108"