HiClaw 发布 V1.0.4 版本，正式引入 CoPaw 作为全新的轻量化 Worker 运行时。这一组合不仅将单个 Worker 的内存占用大幅降低了约 70%，还能以本地模式直接操作你的电脑环境，解决了多 Agent 协作中的资源与隔离两大痛点。
一、轻量级 Worker：回应社区的核心诉求
如果你已经使用过 HiClaw，应该对它的 Manager + Worker 多 Agent 协作模式不陌生。Manager 如同一个“AI 管家”，负责调度和管理多个专业化的 Worker，比如前端开发、后端开发、数据分析等。
但在实际应用中，我们也收到了不少来自社区的反馈：
“每个 Worker 都要跑一个完整容器，内存压力有点大” —— 默认的 OpenClaw Worker 容器大约占用 500MB 内存。如果你需要同时运行 4-5 个 Worker，一台 8GB 内存的服务器就会显得捉襟见肘。
“Worker 跑在容器里，没法访问我的本地环境” —— 有些任务需要操作浏览器、访问本地文件系统或运行桌面应用，这些在容器隔离的环境下都难以实现。
在 1.0.4 版本中，我们带来了答案：CoPaw Worker。
二、CoPaw 是什么？
CoPaw 是一个基于 Python 的轻量级 AI Agent 开源项目，其核心特点鲜明：
- 轻量级：基于 Python 生态，无需 Node.js 全家桶，内存占用仅为 OpenClaw Worker 的 1/5 左右。
- 控制台友好：内置功能完善的 Web 控制台，可集中管理频道、技能、定时任务、工作区文件、环境变量等。
- 执行速度快：基于 Python 原生启动，冷启动时间短，响应迅速。
- 扩展方便：遵循 OpenAI SDK 的工具定义范式，上手成本低，支持多种方式进行 Skill 扩展。
- 具备面向 Agent 的记忆管理：内置 ReMe 机制，对话可自动压缩，重要信息持久化保存，确保下次对话能“回想”起来。
HiClaw 1.0.4 通过实现 Matrix Channel 和一个配置桥接层，成功将 CoPaw 接入了自身的管理体系。虽然代码量不大，却解锁了许多新的应用场景。
三、Manager-Worker 架构：大幅降低新 Agent 的接入复杂度
CoPaw Worker 的成功接入，充分印证了 HiClaw 的 Manager-Worker 架构在降低新 Agent 运行时接入成本方面的巨大优势。
传统方式的痛点
如果想让一个新的 Agent 运行时（例如 CoPaw）触达用户，传统方式需要：
- 支持完整的 Channel 生态：OpenClaw 支持十几种消息渠道，如 Discord、Telegram、Slack、飞书、钉钉、微信等，每个渠道都有不同的 API、认证方式和消息格式。
- 实现各种 Channel 适配器：需要为每个渠道单独开发、测试和维护适配器。
- 用户需要逐个配置：每个渠道的 webhook、token、证书等配置项都需要用户手动处理。
- 客户端生态碎片化：不同渠道对应不同的客户端，用户体验难以统一。
这是一个工程量巨大的挑战，许多优秀的 Agent 运行时正是受限于此，难以快速推广。
HiClaw 的解法：Matrix 作为统一通信层
HiClaw 的架构将通信层统一到了 Matrix 协议上，形成了一个清晰的抽象层。
┌─────────────────────────────────────────────────────────────────┐
│ HiClaw Manager │
│ │
│ ┌─────────────────────────────────────────────────────────┐ │
│ │ Tuwunel Matrix Server │ │
│ │ (内置，开箱即用) │ │
│ └─────────────────────────────────────────────────────────┘ │
│ │ │
│ ┌───────────────┼───────────────┐ │
│ ↓ ↓ ↓ │
│ Discord Telegram Slack │
│ (通过桥接) (通过桥接) (通过桥接) │
│ │
└─────────────────────────────────────────────────────────────────┘
↑ Matrix 协议
│
┌──────────────────────────────┴─────────────────────────────────┐
│ Worker │
│ │
│ 只需要实现 Matrix Channel —— 一个协议，搞定所有渠道 │
│ │
└─────────────────────────────────────────────────────────────────┘
对于新的 Agent 运行时，接入 HiClaw 只需要做一件事：实现 Matrix Channel。
CoPaw 接入 HiClaw 的实际工作量
HiClaw 1.0.4 接入 CoPaw 的核心代码仅包含两个文件：
matrix_channel.py (~450 行)：实现 Matrix 协议通信。bridge.py (~230 行)：桥接 openclaw.json 到 CoPaw 配置。
仅此而已！CoPaw 无需关心 Discord、Telegram 或 Slack 等具体渠道，只需与 Matrix 通信，就能：
- ✅ 复用 Manager 已支持的所有 Channel 生态。
- ✅ 复用开箱即用的 Matrix 客户端（如 Element Web）。
- ✅ 与其他 Worker（无论何种运行时）无缝协作。
- ✅ 被 Manager 统一管理、监控和调度。
对于用户而言，接入新的 Agent 运行时是零学习成本的——交互方式完全不变，依然是通过熟悉的 Matrix 客户端对话，Manager 会自动处理所有底层差异。
这意味着什么？
如果你正在开发一个新的 Agent 运行时，或希望将现有 Agent 接入 HiClaw 生态：
- 不需要：逐个适配 Discord、Telegram、Slack……
- 只需要：实现 Matrix 协议（一个成熟的开放标准）。
- 就能获得：十几种消息渠道支持、开箱即用的客户端以及强大的多 Agent 协作能力。
这就是 Manager-Worker 架构的核心价值：一次接入，处处可用。
四、两种部署模式，精准解决不同痛点
模式一：Docker 容器模式 —— 更省内存的 Worker
如果你只需要更多的 Worker 并行处理任务，而不涉及访问本地环境，那么 Docker 模式的 CoPaw Worker 是最佳选择。
| 对比项 |
OpenClaw Worker |
CoPaw Worker (Docker) |
| 基础镜像 |
Node.js 全家桶 |
Python 3.11-slim |
| 内存占用 |
~500MB |
~150MB |
| 启动速度 |
较慢 |
较快 |
| 安全性 |
容器隔离 |
容器隔离 |
安全性保持一致，但内存占用大幅降低。
只需在 Element 等 Matrix 客户端中告诉 Manager 创建一个 CoPaw Worker：
其实际资源占用仅约 150MB：
这意味着在相同的硬件配置下，你可以运行更多的 Worker。以往 8GB 内存可能只能支撑 8-10 个 OpenClaw Worker，而现在则可以轻松运行 40+ 个 CoPaw Worker。
按需启用控制台
为了极致节省资源，CoPaw Worker 默认关闭了 Web 控制台。当需要调试时，只需在聊天中让 Manager 打开即可：
Manager 会自动重启对应容器并启用控制台，无需手动介入。调试结束后，也可让 Manager 关闭控制台以回收资源。
控制台开启后，你可以直接管理 Worker，例如查看和配置其内置的多种技能（Skill）：
模式二：本地 Host 模式 —— 直接操作你的电脑
某些任务天然需要访问本地环境：
- 操作浏览器：自动化测试、网页截图、数据采集。
- 访问本地文件：读取桌面文档、操作本地 IDE。
- 运行桌面应用：自动化 Figma、Sketch 或本地数据库客户端。
这些需求在容器隔离环境中无法实现。CoPaw Worker 的本地模式，正是为此类场景量身打造。
只需让 Manager 创建一个远程模式（Remote Mode）的 CoPaw Worker，Manager 会提供一条 pip 安装命令，你在本机执行即可：
该 Worker 将直接运行在你的主机上，拥有完整的本地访问权限。同时，它依然通过 Matrix 协议与 Manager 及其他 Worker 通信，完美融入 HiClaw 的多 Agent 协作体系。
例如，你可以让它打开浏览器，前往阿里云官网搜索“AI 网关”相关信息，它会自主完成打开浏览器、访问网页、提取信息等一系列操作：
架构示意：
┌─────────────────────────────────────────────────────────────┐
│ HiClaw Manager │
│ (容器环境) │
│ │
│ Worker A(Docker) Worker B(Docker) │
│ 前端开发 后端开发 │
└─────────────────────────────────────────────────────────────┘
↑ Matrix 通信
│
┌─────────────┴───────────────────────────────────────────────┐
│ 你的本地电脑 │
│ │
│ Worker C(CoPaw 本地模式) │
│ 浏览器操作 / 本地文件访问 │
└─────────────────────────────────────────────────────────────┘
本地模式默认启用了控制台（通过 --console-port 8088 参数），你可以访问 http://localhost:8088，实时查看 Worker 的详细执行过程。
五、CoPaw 控制台：可视化的调试体验
无论是 Docker 模式还是本地模式，CoPaw Worker 都可以启用 Web 控制台。控制台能帮助你实时洞察：
- Thinking 输出：了解 Worker 的思考链和决策过程。
- 工具调用：查看调用了哪些工具以及具体的调用参数。
- 执行结果：观察每个工具调用的返回结果。
- 错误信息：快速定位执行过程中出现的异常。
这对于调试和优化 Agent 行为至关重要。当发现 Worker 未按预期工作时，打开控制台查看其“思考”过程，往往能迅速找到问题根源。
六、围绕社区反馈的其他优化
除了引入 CoPaw Worker 这一重大特性，1.0.4 版本还针对社区提出的一系列痛点进行了优化。
模型切换更可控
针对之前用户反馈的“切换模型时，Manager 可能意外修改其他配置”的问题，1.0.4 版本将 Worker 模型切换功能独立为专门的 worker-model-switch skill，职责更单一，行为更可预测。同时，修复了模型 input 字段的硬编码问题，现在会根据模型是否支持视觉能力进行动态设置。
Worker 不再“交头接耳”
在多 Agent 的项目群聊中，Worker 之间有时会进行不必要的对话，造成 token 浪费。1.0.4 版本优化了 Worker 的唤醒逻辑，确保只在被 @mention 时才会触发 LLM 调用。此外，修复了 CoPaw MatrixChannel 回复中未携带发送者信息的问题，避免了因 Manager 忽略回复而导致的重复调用。
AI 身份认知
在 SOUL.md（Agent 的角色定义文件）中增加了明确的 AI 身份声明，确保 Agent 始终清楚自己是 AI 助手而非人类。这有助于避免一些因身份混淆导致的意外行为。
## My Role
You are an AI assistant powered by HiClaw. You help users complete tasks
through natural language interaction, but you are not a human.
Token 消耗基线 CI
1.0.4 版本新增了 Token 消耗基线的 CI（持续集成）流程，用于定量分析每个版本迭代对 Token 使用效率的优化效果。
在关键流程（如创建 Worker、分派任务、多 Worker 协作等）中，CI 会自动记录 Token 消耗情况，并与历史版本进行对比。这有助于：
- 量化每次优化的实际效果。
- 及时发现意外的 Token 消耗“回归”。
- 为后续的性能优化提供数据支撑。
七、快速开始
安装与升级
安装和升级使用相同的命令，脚本会以交互式引导你完成整个过程。
macOS / Linux：
bash <(curl -sSL https://higress.ai/hiclaw/install.sh)
Windows（PowerShell 7+）：
Set-ExecutionPolicy Bypass -Scope Process -Force; Invoke-Expression ((New-Object System.Net.WebClient).DownloadString('https://higress.ai/hiclaw/install.ps1'))
安装过程中，脚本会询问你希望默认使用哪种 Worker 运行时：
Select default worker runtime:
1) openclaw (~500MB, full-featured)
2) copaw (~100MB, lightweight)
Enter your choice [1-2]:
升级时，脚本会自动检测现有安装并引导“就地升级”。在升级过程中同样可以选择默认 Worker 运行时，选择后：
- 已有的 Worker：不受影响，继续使用原有运行时。
- 新创建的 Worker：将使用你选择的默认运行时（CoPaw 或 OpenClaw）。
八、致谢
由衷感谢 CoPaw 团队的出色工作！CoPaw 本身是一个设计精良的轻量级 Agent 运行时，其控制台体验尤为出众。HiClaw 通过实现 Matrix Channel 和配置桥接层来接入 CoPaw，整个过程顺畅且代码精简。
如果你对 CoPaw 项目本身感兴趣，可以查看其 GitHub 仓库。
九、写在最后
HiClaw 1.0.4 版本的核心目标是让 Worker 变得更轻、更灵活、更易集成：
- 更轻：CoPaw Worker 将内存占用降低了约 70%。
- 更灵活：本地部署模式解锁了浏览器自动化、本地文件访问等新场景。
- 更易接入：Manager-Worker 架构使得新的 Agent 运行时只需实现 Matrix 协议即可融入生态。
如果你面临以下场景，强烈推荐尝试 CoPaw Worker：
- 需要同时运行大量 Worker，但硬件资源（尤其是内存）有限。
- 需要 Worker 执行操作浏览器、访问本地文件系统等任务。
- 希望获得更轻量、可视化的 Agent 调试体验。
现在就开始体验：
bash <(curl -sSL https://higress.ai/hiclaw/install.sh)
HiClaw 是一个基于 Apache 2.0 协议的开源项目。欢迎在 云栈社区 或 GitHub 上分享你的使用体验和反馈，也期待你的代码贡献！
相关链接
发表于 1 小时前
|
查看: 2|
回复: 0
