将 AI Agent 接入日常工作流，本应是提升效率的好事。
但现实往往很骨感：为了保护数据隐私，你只能守着本地“智商有限”的小模型死磕；为了追求极致性能，又不得不忍受云端昂贵的 API 成本，还得时刻担心敏感信息在不经意间“裸奔”到第三方服务器。
云端太危险，本地太鸡肋。开发者难道只能在“裸奔”和“人工智障”之间二选一？
现在有了新的答案。由清华大学 THUNLP 实验室、中国人民大学、AI9Stars、面壁智能与 OpenBMB 联手推出了一款“智能交通指挥官”—— ClawXRouter。
这是一个开源的端云协同 AI 智能体路由插件，可以轻松适配 OpenClaw 生态。它就像是给 Agent 装上了“分身术”，能够智能地在本地和云端之间动态切换：简单任务本地跑，敏感数据先脱敏，复杂推理交给云端。
ClawXRouter 源于端云协同智能体框架 EdgeClaw，其内生具备三级隐私路由、性价比感知路由、智能脱敏转发、双轨记忆等完整的端云协同能力。最新测试数据显示，使用 ClawXRouter 不仅能让成本直降 58%，性能反而还提升了 6.3%。
一招破解三大顽疾，开启 Agent 落地新范式
当前 AI Agent 使用模式中普遍存在三个难以调和的痛点：
- 云端“不敢用”：想让 Agent 分析一份客户数据表？这个想法很棒，但客户的姓名、手机号等敏感信息会随上下文一起发到云端。一次数据分析，可能就意味着一次严重的隐私泄露，这个风险谁都难以承担。
- 云端“用不起”：只是想用
grep 查找一个函数调用位置，或是做个简单的文本摘要，Agent 却可能直接调用最昂贵的顶级模型来处理。大部分 Token 被浪费在了便宜模型即可解决的简单任务上，妥妥的“杀鸡用牛刀”。
- 本地“用不好”：在本地跑模型安全又便宜，但端侧模型的算力和参数规模有限。做做格式转换、数据汇总还行，一旦涉及多文件交叉分析或复杂的异常检测，模型就容易“宕机”，难以胜任高难度任务。
ClawXRouter 的出现，正是为了打通端云协同的最后一步。它通过一套精妙的路由机制，为每一条请求找到最合适的处理路径。
这样一来，开发者无需改动一行业务代码，就能让 AI Agent 自动实现：公开数据上云分析、敏感数据脱敏后上云、私密数据完全在本地处理。一个插件，丝滑实现端云协同，解决开发者“不敢用、用不起、用不好”的三大难题。如果你想深入了解更多 AI Agent 的前沿应用，可以到 云栈社区 的人工智能板块看看。
三级隐私路由，彻底解决“不敢用”
即使是日常的 Code Review 任务，也可能一不小心把 API Key 或数据库密码喂给云端模型。
ClawXRouter 通过植入钩子（Hook），像安检一样自动扫描每一条消息、工具调用和 Agent 输出，并将其智能分为三级：
- S3（私密）：如 SSH 私钥、硬编码密码、工资单。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。私密信息，绝不出本机。
- S2（敏感）：如含内网 IP 的告警日志、含手机号的联系人列表。ClawXRouter 会自动识别并智能脱敏（例如，将“王小二”替换为
[REDACTED:NAME]），然后才转发给云端模型。
- S1（安全）：如“HTTP 403 和 401 有什么区别？”这类普通问题，直接发往云端，发挥其最强能力。
这背后是“规则 + 模型”双检测引擎在保驾护航，既快又准，确保万无一失。
性价比感知路由，精准解决“用不起”
“航天级”的模型就不该干“拧螺丝”的活。ClawXRouter 内置了一个由本地小模型担当的“任务评估师”（LLM-as-Judge）。它会快速判断任务复杂度，然后将请求分发给最合适（通常也是最便宜）的云端模型。
| 级别 |
任务示例 |
默认模型 |
| SIMPLE |
摘要、改写、简单问答、打招呼 |
glm-4.5-air |
| MEDIUM |
写邮件、写脚本、数据分析、项目脚手架 |
minimax-m2.5 |
| COMPLEX |
批量邮件分拣、多文件创建、结构化数据提取 |
deepseek-v3.2 |
| RESEARCH |
长文写作、多源整合工作流 |
glm-5 |
| REASONING |
深度 PDF 分析、数学证明、实验设计 |
kimi-k2.5 |
效果如何？在 PinchBench（包含 23 项 OpenClaw Agent 基准测试）上的跑分结果如下：
| 方案 |
PinchBench 跑分（Best / Avg） |
成本 |
| ClawX 路由（5 模型混合） |
93.2% / 89.6% |
$2.36 |
| 全部用 Sonnet 4.6 |
86.9% / 79.2% |
$5.63 |
结论是：成本节省 58%，性能反而提升 6.3%。这种高效的成本优化策略，对于资源敏感的开发团队尤其重要。
双轨记忆与智能脱敏，根治“用不好”
当一项任务既包含敏感信息，又需要云端模型的强大推理能力时，怎么办？这时，ClawXRouter 的智能脱敏机制就派上了用场。
对于涉及敏感信息的复杂任务，本地模型能力不足时不必“硬扛”。ClawXRouter 会自动识别敏感信息并智能脱敏后，将脱敏后的任务安全交给云端处理。
同时，ClawXRouter 巧妙地维护了 双轨记忆 与 双轨会话 机制：云端模型只能看到脱敏后的对话历史（MEMORY.md），本地则保留完整信息（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工作流，从根本上杜绝了隐私数据通过上下文窗口泄露给第三方服务的风险。
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方式：
- 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。隐私路由器高权重先运行，发现敏感数据直接“短路”处理；安全通过后，才启动性价比路由来优化成本。整个管线通过 10 个 Hook 覆盖从模型选择到会话结束的完整生命周期，无侵入式接管 OpenClaw 原有流程。
- 可视化 Dashboard：支持中英双语，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。所有改动即时生效、无需重启，方便用户按自身需求灵活调整。
快速上手
# 前置条件：已安装 OpenClaw
# 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
ollama pull openbmb/minicpm4.1
ollama serve
# 启动
openclaw gateway
# Dashboard → http://127.0.0.1:18789/plugins/clawxrouter/stats
云侧不敢用、用不起，端侧用不好？ClawXRouter 给出的答案是：不必二选一，让端侧和云侧各尽其能。这个项目已在 GitHub 开源，并将持续迭代，欢迎开发者与行业伙伴参与贡献，共同构建安全高效的端云协同 Agent 生态。
发表于 5 天前
|
查看: 22|
回复: 0
