OpenClaw衍生：QwenPaw/CoPaw、HiClaw、OpenClaw-bot-review、EdgeClaw、NoDeskClaw、HermesClaw、FastClaw、clawpal

关于OpenClaw的项目，请参考：

• OpenClaw相关项目：Awesome系列、PicoClaw、ClawWork、ClawX、MetaClaw、OpenClawInstaller、Clawra、MicroClaw、OneClaw
• OpenClaw相关开源项目：ZeroClaw、IronClaw、MoltWorker、clawdbot-feishu、LobsterAI、TinyClaw/TinyAGI、QQBot
• OpenClaw相关闭源项目：SkillHub、MaxClaw、KimiClaw、JVS Claw、WorkBuddy、StepClaw、QClaw、EasyClaw

QwenPaw/CoPaw

官网，AgentScope团队开源（GitHub，23.3K Star，2.8K Fork）个人智能助理框架，曾用名CoPaw，官方文档。

核心能力：

• 全域触达：钉钉、飞书、QQ、Discord、iMessage
• 本地化部署：数据不外露，自带向量搜索功能，可记住用户习惯与偏好
• Skills扩展：内置定时任务cron，支持自定义技能目录和自动加载，一条命令从ClawHub导入技能
• 原生支持本地大模型推理框架：Ollama、llama.cpp、MLX（Apple Silicon芯片专属优化M1~M4）
• 模块化热插拔架构设计：
  • 提示词模块化：提示词可以独立管理、热更新
  • Hooks机制：支持各种事件钩子，扩展性强
  • Tools即插即用：工具可以动态加载和卸载

实战

官方提供多种安装使用方式：

• 云部署：使用官方提供的SaaS服务
• 桌面应用：从GitHub Release页面下载安装包，支持Windows和macOS
• 基于pip
• 基于命令行
• 基于Docker或Docker Compose

# 方式1：基于pip安装（需要Python环境）pipinstallqwenpaw# 使用默认配置初始化qwenpaw init--defaults# 交互式初始化qwenpaw init# 启动qwenpaw app# 方式2：脚本安装（无需Python环境，脚本负责搞定）curl-fsSLhttps://qwenpaw.agentscope.io/install.sh|bash# Windows平台额外支持如下命令curl-fsSLhttps://qwenpaw.agentscope.io/install.bat-oinstall.bat&&install.bat# 方式3：Docker部署dockerrun-p127.0.0.1:8088:8088\-vqwenpaw-data:/app/working\-vqwenpaw-secrets:/app/working.secret\-vqwenpaw-backups:/app/working.backups\agentscope/qwenpaw:latest

浏览器访问http://127.0.0.1:8088开始体验。

更多命令行示例：

# 安装指定版本curl-fsSL...|bash-s----version0.0.2# 从源码安装（开发/测试用）curl-fsSL...|bash-s-- --from-source# 安装本地模型支持bashinstall.sh--extrasllamacpp# llama.cppbashinstall.sh--extrasmlx# MLXbashinstall.sh--extrasllamacpp,mlx# 升级，重新运行安装命令即可curl-fsSL...|bash# 卸载qwenpaw uninstall# 保留配置和数据qwenpaw uninstall--purge# 删除所有内容# Windows（PowerShell）安装指定版本irm...|iex;.\install.ps1-Version0.0.2# 从源码安装（开发/测试用）.\install.ps1-FromSource# 安装本地模型支持.\install.ps1-Extrasllamacpp .\install.ps1-Extrasmlx .\install.ps1-Extrasllamacpp,mlx# 升级 — 重新运行安装命令即可irm...|iex

自动化任务配置实例

schedule:"0 9 * * *"skill: hot_posts_digest channels: - dingtalk - qq

AgentTeams/HiClaw

官网，阿里云Higress团队基于OpenClaw推出的开源（GitHub，5.1K Star，598 Fork）Team版，曾用名HiClaw。

架构示意图

两种Agent

• Manager Agent：AI管家，负责管理、拆解、分派和监控；按任务复杂度智能分配，省Token；
• Worker Agent：具体执行者，拥有独立技能和记忆

两种工作模式：

• 直接对话Manager：适合快速问答
• Manager分派Worker：适合复杂项目，Worker间物理隔离互不污染

四大核心组件：

安全模型：零信任架构

• 真实凭证（API Key、GitHub PAT）只存在Higress Gateway中
• Gateway给每个Worker颁发临时Consumer Token
• Worker拿Token访问Gateway，Gateway验证后代为请求
• Worker容器中看不到任何真实密钥

即使Worker被攻破，攻击者拿到的只是一张有限权限的临时令牌，无法获取真实凭证。在多Agent场景下，不能信任每一个Worker安装的每一个三方Skill。

Swarm蜂群架构，基于Matrix协议：上下文共享（群聊可见）、防惊群（被@才唤醒，才消耗Token）、透明可审计（所有记录可回溯）。

同一个HiClaw集群中可混合使用不同类型的Worker；每个Worker有独立房间和工作目录。

可插拔Worker运行时

实战

安装

curl-sSLhttps://higress.ai/hiclaw/install.sh

安装向导会引导10步配置，大部分按回车用默认值即可。核心选择包括：语言、LLM提供商（推荐通义千问百炼）、模型（推荐qwen3.5-plus）、Worker运行时（OpenClaw功能全、CoPaw轻量）。

浏览器打开http://127.0.0.1:18088登录Element Web。移动端下载FluffyChat或Element Mobile连接即可，无需接入飞书、钉钉，开箱即用。

OpenClaw-bot-review

开源（GitHub，2K Star，393 Fork）轻量级Web监控面板，专门用于集中管理OpenClaw机器人、Agent、模型和会话状态。

实战

基于源码部署（需要Node.js环境）：

gitclone--depth1https://github.com/xmanrui/OpenClaw-bot-review.gitcdOpenClaw-bot-reviewnpminstallPORT=3001npmrun devnpmrun buildnpmstart

正常情况下，启动成功后，浏览器打开http://localhost:3000，开始体验。

界面：Agent状态总览、模型使用情况、会话浏览、Gateway 健康检查、技能/插件管理。

EdgeClaw

开源（GitHub，1.2K Star，72 Fork）基于OpenClaw的端云协同个人AI助理，代码Fork自OpenClaw，由面壁联合清华大学、中国人民大学、AI9Stars、ModelBest和OpenBMB社区共同维护。

EdgeClaw Box

面壁智能发布，基于EdgeClaw、主打安全可控、开箱即用的龙虾智能硬件。

打通端与云的隔阂：

• 端上（最强防御）：内置面壁全家桶（包含端侧MiniCPM系列），断网也能干活，数据彻底物理隔离。
• 云上（随心切换）：自由切换Kimi等主流大模型。

可直接通过蓝牙，用手机、AR眼镜、电脑连到EdgeClaw Box。打开飞书，或面壁专属APP，发送语音、派发任务。

底层架构设计

• 三挡安全机制。针对大家最关心的数据安全，内置三种任务处理模式：
  • S1默认模式（云端处理）：适合查资料、写普通文案，信息直接发送至云端大模型，追求极致的聪明和效率。
  • S2脱敏模式（混合处理）：本地模型会将上传的文件进行自动化脱敏处理（如把人名、金额、核心代码抹掉或替换），再将脱敏后的安全内容发送至云端推理，兼具安全和高效。
  • S3安全模式（强制本地处理）：所有数据流将完全留在本地，由预装MiniCPM模型离线处理。
• 云端和本地动态协同。像整理录音、基础邮件回复这些简单任务，系统会自动调用本地模型处理，零延迟、零API Token成本。遇到深度的行业财报分析、长周期代码开发等复杂任务，无缝切换到云端大模型。完美平衡本地的安全低成本，和云端的强算力、高智商。
• 双层Skill架构：
  • 通用Skill：让EdgeClaw Box能接管零碎的工作，如生成会议生成纪要、内容创作、回复邮件等。
  • 专业Skill：直接赋能核心业务赚钱。如投资分析Skill，能24小时自动盯盘，帮我们分析几百页、全英文的上市公司财报，提炼成摘要发送过来。

NoDeskClaw

NoDeskAI开源（GitHub，761 Star，141 Fork）。

功能：

• 赛博工作室：可视化工作空间，3D画布和2D平面自由切换；画布最中间的【中央黑板】相当于整间办公室的中枢大脑，可随时查看任务状态、员工之间的讨论、所存储的文件等内容；每个六边形则代表一个工位，点击它便可添加AI员工；
• AI员工：配置名字、选择工作引擎、配置执行规格、存储空间、大模型，工作引擎有三种（轻量、高性能、全能），规格有三类（轻量、标准、高性能）；切换模型时，员工之前积累的记忆和工作上下文不会丢失，Memory是单独存储的，和底层模型解耦。接入飞书、钉钉、企微或Slack等渠道
• 基因市场：类似于Skill，但有持续打分、筛选和淘汰机制；每个基因都有一个动态效能评分，由使用次数、人类的点赞点踩、以及Agent之间的互评三个维度加权计算。用的人越多，反馈越多，高质量的基因自然浮现，低效的慢慢被淘汰，整个基因市场会持续进化。多个基因还能打包成技能基因组

架构示意图

实战

基于源码和Docker Compose部署

gitclone https://github.com/NoDeskAI/nodeskclaw.gitcdnodeskclaw/nodeskclaw-backendcp.env.example .envvim.envdockercompose up-d

HermesClaw

旨在解决Hermes Agent和OpenClaw两大AI助手无法在同一微信账户上同时运行问题的开源（GitHub，687 Star，61 Fork）工具，它通过充当唯一的iLink轮询器并为每个代理运行独立的本地代理服务器，使得用户可以在单个微信账号上同时启用这两个AI大脑。其核心功能在于允许用户通过/hermes、/openclaw或/both命令在两种AI代理之间无缝切换交互模式，甚至同时接收两者的回复。

作为一个轻量级的Python代理，HermesClaw不直接处理媒体，而是转发原始的iLink协议消息，确保语音消息的转录文本以及图像、视频、文件等媒体的原始链接和密钥被各自的网关原生处理，从而避免媒体处理的复杂性。提供一键式安装方案，并优化Hermes Agent的消息分割问题，以提升用户体验。

FastClaw

开源（GitHub，540 Star，73 Fork）OpenClaw替代品。

特性

1. 使用Go开发，3000行代码实现OpenClaw核心功能
2. 单二进制（5MB）分发，轻量级安装，无环境依赖
3. 秒级启动，资源占用小（内存占用约为OpenClaw的1/7）
4. 支持可视化安装，上手门槛很低
5. 支持个人本地使用，原生支持云端多租户场景
6. 支持OpenClaw 90%功能，兼容OpenClaw生态。

跟OpenClaw的区别：

1. 使用方式上没太大区别，都是命令行安装，配置各种功能，在自己习惯的消息渠道对话
2. 配置比OpenClaw简单，上手门槛更低
3. 运行比OpenClaw资源占用小，对电脑配置要求更低
4. 二次开发，代码量更少，改起来更轻松
5. 如果你要部署到云端，让多个用户接入使用，更适合，天然支持云端多租户
6. 支持OpenClaw大部分功能：多模型、多渠道、多Agent等，添加额外特性：沙盒、并发控制、数据库配置、消息持久化等
7. 兼容OpenClaw生态，如ClawHub安装skills等，配置参数跟使用习惯也尽量跟OpenClaw保持一致，减少用户切换成本
8. FastClaw是OpenClaw-Like的Agent底层框架，不是OpenClaw fork版本，而是从底层重构的全新版本
9. 如果把OpenClaw比作Linux，FastClaw想做的就是Centos，面向企业场景、云部署场景、智能终端而设计的Agent OS

OpenClaw不适合云端多租户场景，其架构是为本地使用场景而设计的，定位是个人Agent

• OpenClaw在云端多租户场景需要每个用户一个隔离的Pod，开销很大，成本很高
• OpenClaw通过子进程完成复杂任务，多个任务串行排队，效率不高
• OpenClaw的对话和记忆内容是存储在本地文件的，容易丢失，配置容易搞崩

clawpal

官网，基于Tauri 2和Rust开发的开源（GitHub，345 Star，35 Fork）跨平台桌面应用，能够可视化管理OpenClaw AI代理、模型和配置文件，旨在让用户告别手动编辑JSON的繁琐操作，集成SSH远程管理、一键安装部署、配置快照回滚以及自动更新等核心功能，为AI代理运维提供完整的图形化解决方案。

MiniOpenClaw

以本地运行、文件优先、强调可审计性的开源（GitHub，144 Star，23 Fork）AI Agent工作台，旨在解决大型Agent系统在长期记忆和安全方面的挑战。通过将会话与证据本地化为JSON文件，并引入创新的memory_module_v2模块，该模块能将结构化摘要与原始对话片段分离，利用PgVector的稠密检索、BM25关键字检索以及RRF融合排序实现高效且可回溯的混合检索，显著提升Agent的记忆管理能力。

集成基于LangChain 1.x 的Agent栈，通过可选的Guardian前置安全审查机制来防御提示词攻击和越权行为，并支持对话摘要和基于PG的状态持久化。其“技能即文档”的设计使得Agent能力的扩展和迭代变得轻量且可审计，配合基于FastAPI的流式对话API和Next.js构建的三栏式可视化工作台，用户可动态地在线编辑技能、记忆和系统提示文件，实现快速配置与行为调整。支持多种OpenAI兼容的LLM和Embedding服务（如智谱、百炼、DeepSeek），为学习和扩展Agent功能提供一个强大而灵活的实验环境。

AtlasClaw

官网，开源：

• https://github.com/CloudChef/atlasclaw 65 Star，17 Fork，负责通用Harness运行时
• https://github.com/CloudChef/atlasclaw-providers 14 Star，5 Fork，负责系统接入
  企业内部的一层AI Harness Runtime。用户可以从Web、IM、Webhook或现有系统入口进来；AtlasClaw统一处理身份、会话、模型执行、Context、Memory和工具调用；访问具体业务系统时，再交给对应的Provider / Skill。

支持多种入口，多种任务，背后使用同一套Harness。系统接入不用重复做，权限边界、Context和Memory也可由组织统一制定。

AtlasClaw支持iframe、嵌入页面或路由子应用等方式。宿主系统提供身份和页面上下文，AtlasClaw在调用Provider时继续沿用当前请求里的边界。嵌入式模式解决的是人在系统里怎么用Agent。

企业App还有另一类需求：流程走到某个节点时，由系统主动把任务交给AtlasClaw。典型方式是Webhook Robot Execution：企业App发送事件，指定Skill、Provider实例、robot profile和业务对象ID；AtlasClaw校验权限后，再用受控机器人凭证执行。

机器人只能处理授权节点，只能调用白名单Skill，写操作必须留下原因和结果。

以骞云SmartCMP的preapproval-agent为例，它会读取审批详情和预审批规则，判断通过、驳回或转人工。这不是替代审批制度，而是把固定、重复、可解释的初筛交给Agent先做一遍。