找回密码
立即注册
搜索
热搜: Java Python Linux Go
发回帖 发新帖

4570

积分

0

好友

638

主题
发表于 2 小时前 | 查看: 1| 回复: 0

ClawXRouter 介绍:如何在端与云之间智能路由

当开发者兴致勃勃地将 AI Agent 引入日常开发流程时,通常会遭遇几个现实的困境:

  • 云端「不敢用」:想让 Agent 分析一份客户数据表?客户的姓名、手机号等敏感信息会随上下文一起发送到云端第三方服务器。一次看似平常的数据分析,就可能意味着一次严重的隐私泄露。
  • 云端「用不起」:大量简单任务,例如用 grep 查找一个函数位置或做简单的文本摘要,Agent 可能直接调用最昂贵的顶级模型。大部分成本都浪费在了便宜模型即可解决的“拧螺丝”任务上。
  • 本地「用不好」:在本地运行模型虽安全、廉价,但端侧模型的算力与规模有限。处理格式转换、简单汇总尚可,一旦涉及多文件交叉分析或复杂异常检测,模型就可能“宕机”,难以胜任高难度任务。

难道我们只能在“危险的云端”和“鸡肋的本地”之间二选一吗?

答案是否定的。最佳的方案是端云协同:让轻巧的本地模型处理隐私数据和简单任务,把复杂的“硬骨头”交给强大的云端模型。而为每个请求找到最合适路径的“智能交通指挥官”——路由机制,正是实现这一切的关键。

由清华大学 THUNLP 实验室、中国人民大学、AI9Stars、面壁智能与 OpenBMB 联合发布并开源的 ClawXRouter,正是为了解决这一问题而生。它是一个可以轻松适配 OpenClaw 生态的端云协同 AI 智能体路由插件,其核心能力来源于端云协同的智能体框架 EdgeClaw

EdgeClaw 本身已具备三级隐私路由、性价比感知路由、智能脱敏、双轨记忆等完整的端云协同能力。ClawXRouter 将其核心路由能力打包成一个独立插件,可以轻松接入 OpenClaw 生态。开发者无需改动业务代码,即可让 AI Agent 自动实现:

  • 公开数据上云分析
  • 敏感数据脱敏后上云
  • 私密数据本地处理

一个插件,就能丝滑解决开发者面临的“不敢用、用不起、用不好”三大难题。

GitHub 开源链接:https://github.com/OpenBMB/ClawXRouter
ClawHub 链接:https://clawhub.ai/plugins/clawxrouter

ClawXRouter:如何为每条请求找到「最优解」

三级隐私路由:解决「不敢用」

即使是 Code Review 这样的日常任务,也可能不慎将 API Key 或数据库密码喂给云端模型。ClawXRouter 通过在 OpenClaw 流程中植入钩子(Hook),能像安检一样自动扫描每一条消息、工具调用和 Agent 输出,并将其划分为三个安全级别:

  • S3 (私密):SSH 私钥、硬编码密码、工资单等。这些数据将被物理隔离,请求完全由本地模型离线处理,云端毫不知情。确保私密信息绝不出本机。
  • S2 (敏感):包含内网 IP 的告警日志、含手机号的联系人列表等。ClawXRouter 会自动识别并进行智能脱敏(例如,将“王小二”替换为 [REDACTED:NAME]),然后才将脱敏后的内容转发给云端模型。
  • S1 (安全):例如“HTTP 403 和 401 有什么区别?”这类普通技术问题,直接发往云端,充分发挥云端模型的强大能力。

这背后是 规则 + 模型双检测引擎在保驾护航,确保检测既快速又准确。

ClawXRouter 隐私与成本优化路由架构

性价比感知路由:解决「用不起」

用“航天级”模型干“拧螺丝”的活,无疑是巨大的资源浪费。ClawXRouter 内置了一个由本地小模型担当的 任务评估师(LLM-as-Judge)。它会快速判断当前任务的复杂度,然后将请求分发给预设的最具性价比的模型。

其内置的复杂度分级与模型推荐示例如下:

ClawXRouter 任务复杂度分级与模型推荐表

实际效果如何?在 PinchBench(包含 23 项 OpenClaw Agent 基准测试)上的跑分结果给出了答案:

ClawXRouter 与单一模型在 PinchBench 的性能与成本对比

结论显而易见:相比全部使用顶级模型(如 Sonnet 4.6),采用 ClawXRouter 的混合模型路由策略,成本节省了约 58%,而最佳性能(Best Score)反而提升了 6.3%

双轨记忆与智能脱敏:解决「用不好」

当一项任务既包含敏感信息,又确实需要云端模型的强大推理能力时,怎么办?ClawXRouter 的智能脱敏机制此时就派上了用场。

对于此类复杂任务,本地模型能力不足时无需“硬扛”。ClawXRouter 会自动识别敏感信息并完成脱敏,然后将“干净”的任务安全地交给云端处理。

同时,ClawXRouter 巧妙地维护了双轨记忆双轨会话机制:云端模型只能看到脱敏后的对话历史(存储在 MEMORY.md),而本地则保留完整的、未脱敏的对话历史(存储在 MEMORY-FULL.md)。这样既保护了隐私,又没有因为本地模型的瓶颈而卡住整个工作流,从根本上杜绝了隐私数据通过上下文窗口泄露的风险。

可组合管线与可视化 Dashboard

每个开发者与团队的需求都不同。为此,ClawXRouter 提供了高度灵活的配置能力:

  • 可组合路由管线:隐私路由和性价比感知路由运行在同一管线中,遵循安全优先原则。隐私路由器高权重优先执行,一旦发现敏感数据,便直接短路处理;安全通过后,才启动性价比路由进行成本优化。整个管线通过 10 个 Hook 覆盖了从模型选择到会话结束的完整生命周期,以无侵入的方式接管了 OpenClaw 的原有流程。
  • 可视化 Dashboard:支持中英双语切换,涵盖用量概览、会话记录、检测日志、路由规则配置与模型配置五个面板。所有配置改动即时生效、无需重启,方便用户根据自身需求进行灵活调整和监控。

ClawXRouter Dashboard 用量概览面板

ClawXRouter Dashboard 会话记录面板

快速上手

安装与启动过程非常简单,前提是您已经安装了 OpenClaw 环境。

# 通过 npm 安装(推荐)
pnpm add -w @openbmb/clawxrouter

# 或通过 ClawHub 安装
openclaw plugins install clawhub:clawxrouter

# (可选)安装本地推理后端,用于处理私密任务
ollama pull openbmb/minicpm4.1
ollama serve

# 启动 OpenClaw 网关
openclaw gateway

# 访问 Dashboard → http://127.0.0.1:18789/plugins/clawxrouter/stats

面对云端“不敢用、用不起”,端侧“用不好”的困境,ClawXRouter 给出的答案是:不必二选一,让端侧和云侧各尽其能,协同工作。这个开源项目将持续迭代,欢迎广大开发者和行业伙伴参与贡献,共同构建更安全、高效、经济的端云协同 Agent 生态。




上一篇:苹果AI国行版闪现又下架,WWDC新版Siri还值得期待吗?
下一篇:技术栈解析:用故事厘清LLM、Agent、Skill、MCP、CLI与OpenClaw的核心关系
您需要登录后才可以回帖 登录 | 立即注册

手机版|小黑屋|网站地图|云栈社区 ( 苏ICP备2022046150号-2 )

GMT+8, 2026-4-1 03:15 , Processed in 0.548835 second(s), 42 queries , Gzip On.

Powered by Discuz! X3.5

© 2025-2026 云栈社区.

快速回复 返回顶部 返回列表