QwenPaw（AgentScope 团队开源的个人 AI 助手） 功能介绍及接入阿里云百炼 Coding Plan、Token Plan 教程

QwenPaw是AgentScope团队开源的本地优先个人AI助手，以长期记忆、多渠道接入、多Agent协作与自定义技能为核心，打破传统AI工具“一问一答”的局限，成为能自主执行任务、沉淀知识、跨平台协同的“数字分身”。最新版QwenPaw 2.0基于AgentScope 2.0内核重构，采用Tauri桌面端架构，实现秒级启动、轻量化运行与全链路安全治理，同时完美兼容阿里云百炼平台的Coding Plan与Token Plan两大订阅方案，让个人与团队可低成本接入通义千问系列模型，打造专属AI工作流。本文将全面拆解QwenPaw 2.0核心功能，从安装部署、基础配置到自定义技能开发，再到阿里云百炼Coding Plan、Token Plan的完整接入流程，提供可直接运行的代码命令与实操步骤，助力开发者快速搭建高效、安全、可扩展的个人AI助手体系。详情👉访问阿里云百炼大模型服务平台页面 了解

一、QwenPaw 2.0核心功能全景解析

QwenPaw 2.0并非普通聊天机器人，而是集成记忆引擎、多渠道交互、多Agent协作、自定义技能与安全治理的一体化AI助手平台，核心能力覆盖个人办公、开发辅助、信息处理、自动化任务等全场景。

（一）本地优先架构：数据自主可控，隐私安全无忧

QwenPaw采用“本地优先”设计理念，所有对话历史、记忆数据、技能配置默认存储在用户本地工作目录，无需上传至第三方服务器，从根源避免数据泄露风险。支持完全离线运行，搭配本地部署的开源大模型（如Qwen系列本地版），无需API Key即可断网使用，适合处理敏感文档、内部资料等隐私场景。同时提供云端部署选项，可通过阿里云计算巢一键部署至云端，实现多设备同步与远程访问，兼顾隐私与便捷性。

（二）ReMe长期记忆引擎：告别“对话即遗忘”

内置ReMe记忆引擎，基于SQLite实现30天默认记忆 retention，支持FTS5全文检索、回合级持久化与按需召回历史对话。区别于传统AI的短期上下文，QwenPaw可长期沉淀用户偏好、任务背景、业务规则，跨会话保持记忆连贯性——用户无需重复告知背景信息，助手即可理解上下文、精准执行任务。例如，用户首次告知“我是后端开发，常用Python与微服务架构”，后续所有开发相关指令，助手均会基于该背景提供适配方案，无需反复说明。

（三）多渠道接入：AI分身覆盖全办公场景

支持一键接入钉钉、飞书、企业微信、个人微信、QQ、Discord等主流通讯渠道，同一个AI人格可同时在多渠道上线，记忆与技能全局打通。用户在钉钉发送任务指令，助手处理后可同步回复至飞书；在微信发起查询，助手调用本地技能生成结果，实现“一次配置，全渠道可用”。配置方式极简，控制台可视化操作，扫码即可完成渠道绑定，无需复杂开发。

（四）多Agent协作：多角色组队完成复杂任务

支持在同一实例内并发运行多个隔离的智能体工作区，每个工作区独立配置模型、记忆与技能，可通过异步协作机制共同完成复杂多角色任务。例如，创建“产品经理Agent”负责需求梳理、“开发工程师Agent”负责代码编写、“测试工程师Agent”负责用例设计，三个Agent协同完成一个项目从需求到落地的全流程，大幅提升复杂任务处理效率。

（五）自定义技能扩展：3分钟打造专属能力

提供极简的技能开发框架，支持一键安装第三方技能与自主开发自定义技能，无需复杂编程即可扩展AI能力边界。

• 一键安装技能：通过qwenpaw skills install命令，可快速安装官方或社区共享技能（如文档总结、代码生成、数据可视化），自动下载至本地技能池并注册使用。
• 自主开发技能：仅需创建一个文件夹+一个SKILL.md文件，即可定义技能名称、描述、触发条件与执行步骤。技能支持调用命令行工具、API接口、本地文件，自然语言描述执行逻辑，AI自动解析并生成操作序列。例如，开发“图片压缩”技能，仅需在SKILL.md中声明依赖pandoc，描述“当用户上传图片时，调用压缩命令将图片体积减小50%，保存至指定目录”，即可完成技能开发。

（六）Loop工程化执行：自主拆解任务，闭环完成

全新Loop Gate设计，提供Normal、Mission、Goal三种执行模式，支持AI自主拆解复杂任务、分步执行、结果校验与迭代纠错。用户下达一个高阶指令（如“帮我整理本月行业报告并生成PPT”），QwenPaw会自动拆解为“搜集行业数据→分析核心趋势→撰写报告内容→生成PPT大纲→导出PPT文件”等子任务，自主调用工具完成每一步，无需人工干预，实现“一次指令，全程执行”。

（七）全链路安全治理：权限可控，操作可审计

内置Agent OS Driver安全模块，统一管理MCP/A2A/ACP连接、加密存储凭证，并支持每调用审批策略。提供工具调用防护、文件访问范围控制、第三方技能安全扫描三重安全体系，可配置允许/拒绝/询问三种权限规则，严格限制AI的操作范围，避免敏感数据泄露与误操作。所有工具调用、文件操作均留痕审计，用户可随时查看操作日志，保障使用安全。
阿里云部署AI Agent：OpenClaw/Hermes Agent全网最简单，只需两步，详情👉访问阿里云OpenClaw/Hermes一键部署专题页面了解。









Token Plan Token 最便宜/支持多模型切换：👉访问订阅阿里云百炼Token Plan AI大模型服务 。支持多模型切换，用于多模态模型灵活调用，实现多模型、多工具、多场景下的额度共享与统一管理，兼顾灵活性、稳定性与安全性，大幅降低企业使用大模型的门槛与成本。

二、QwenPaw 2.0安装与基础配置

QwenPaw提供pip、Docker、桌面端（Tauri）、计算巢云端部署等多种安装方式，适配Windows、macOS、Linux全平台，以下为最常用的本地安装与基础配置流程。

（一）环境准备与安装

1. 本地pip安装（推荐，全平台通用）

# 安装Python环境（建议3.9+）
# 安装QwenPaw核心包
pip install qwenpaw --upgrade
# 验证安装
qwenpaw --version
# 启动本地控制台（默认端口8088）
qwenpaw start

启动成功后，访问http://localhost:8088即可进入QwenPaw可视化控制台。

2. Docker快速部署（无需本地环境）

# 拉取官方镜像
docker pull agentscope/qwenpaw:latest
# 启动容器，映射端口8088
docker run -d -p 8088:8088 -v ~/.qwenpaw:/root/.qwenpaw agentscope/qwenpaw:latest

容器启动后，同样访问http://localhost:8088进入控制台，本地数据持久化存储在~/.qwenpaw目录。

3. 桌面端安装（Windows/macOS）

前往GitHub Releases页面下载对应系统的Tauri桌面端安装包，双击安装后直接启动，无需命令行操作，适合非技术用户。

（二）基础配置：工作区与模型初始化

1. 创建工作区：首次进入控制台，点击“新建工作区”，输入工作区名称（如“个人AI助手”），选择本地存储路径，完成创建。每个工作区独立配置模型、渠道与技能，支持多工作区切换。
2. 模型基础配置：进入“设置→模型”页面，可选择内置免费模型（如Qwen-7B本地版）或接入云端模型（阿里云百炼、OpenAI等）。内置模型无需API Key，直接启用即可用于本地离线测试。
3. 渠道配置：进入“设置→频道”，选择需要接入的通讯工具（如钉钉、飞书），点击“配置”，扫码完成授权，即可在对应渠道与AI助手交互。

三、阿里云百炼平台前置准备：Coding Plan与Token Plan开通

QwenPaw接入阿里云百炼前，需先开通Coding Plan或Token Plan订阅，并获取专属API Key，以下为开通流程。

（一）阿里云百炼账号开通

1. 注册阿里云账号并完成实名认证（个人/企业均可）。
2. 登录阿里云百炼控制台（Model Studio），点击“免费体验”开通大模型服务，新用户可获得免费Token额度用于测试。
3. 进入“API Key管理”页面，创建通用API Key（用于Token Plan）或Coding Plan专属API Key（sk-sp-开头），妥善保存，密钥仅展示一次。

（二）Token Plan订阅开通（适合通用场景）

1. 进入百炼控制台“计费→Token Plan”，选择个人版或团队版，根据需求选择坐席数量与订阅周期（月/季/年）。
2. 完成支付后，在“成员管理”页面为成员生成Token Plan专属API Key，Base URL为https://dashscope.aliyuncs.com/compatible-mode/v1。
3. Token Plan按Credits积分抵扣调用消耗，适合通用对话、信息处理、文档总结等场景，支持Qwen3.7-Max、Qwen3.7-Plus等全系列模型。

（三）Coding Plan订阅开通（适合编程场景）

1. 进入百炼控制台“计费→Coding Plan”，选择订阅套餐（固定月费，按调用次数计量）。
2. 获取Coding Plan专属API Key（sk-sp-开头），专属Base URL为https://coding.dashscope.aliyuncs.com/v1。
3. Coding Plan专为编程场景优化，支持高频代码生成、调试、重构，性价比更高，适合开发者日常使用。

四、QwenPaw接入阿里云百炼Coding Plan实战

Coding Plan是QwenPaw编程场景的最优选择，接入后可实现高频、低成本的代码辅助开发，以下为完整配置流程与代码示例。

（一）控制台可视化配置（推荐）

1. 进入QwenPaw控制台“设置→模型→供应商”，点击“添加供应商”。
2. 选择内置的“Aliyun Coding Plan”供应商，填写配置信息：
   • 供应商ID：bailian-coding-plan（自定义）
   • 显示名称：阿里云百炼Coding Plan
   • API Key：填入Coding Plan专属密钥（sk-sp-xxxx）
   • Base URL：https://coding.dashscope.aliyuncs.com/v1
3. 点击“保存”，进入“模型”页面，系统已预配置支持的模型（如qwen3.7-plus、qwen3.7-max），点击“测试连接”验证配置是否成功。
4. 返回工作区，在模型选择下拉框中选择Coding Plan对应的模型，即可开始使用。

（二）配置文件手动配置（适合批量部署）

编辑QwenPaw工作区目录下的agent.json文件，添加Coding Plan供应商配置：

{
   
  "models": {
   
    "providers": [
      {
   
        "id": "bailian-coding-plan",
        "name": "阿里云百炼Coding Plan",
        "protocol": "openai",
        "api_key": "sk-sp-你的Coding Plan专属API Key",
        "base_url": "https://coding.dashscope.aliyuncs.com/v1",
        "models": [
          {
   "id": "qwen3.7-plus", "name": "Qwen3.7-Plus"},
          {
   "id": "qwen3.7-max", "name": "Qwen3.7-Max"}
        ]
      }
    ],
    "default_model": "qwen3.7-plus"
  }
}

保存文件后，重启QwenPaw服务即可生效：

qwenpaw restart

（三）Coding Plan调用代码示例（Python）

通过QwenPaw的Python SDK调用Coding Plan模型，实现代码生成功能：

from qwenpaw import QwenPawClient

# 初始化客户端，连接本地QwenPaw服务
client = QwenPawClient(base_url="http://localhost:8088", workspace="个人AI助手")

# 调用Coding Plan模型生成Python代码
def generate_code(prompt):
    response = client.chat.completions.create(
        model="qwen3.7-plus",  # 选择Coding Plan支持的模型
        messages=[{
   "role": "user", "content": prompt}],
        temperature=0.7,
        max_tokens=4096
    )
    return response.choices[0].message.content

# 测试：生成FastAPI接口代码
if __name__ == "__main__":
    code = generate_code("生成一个FastAPI用户管理接口，包含增删改查功能，使用SQLite数据库")
    print("生成的代码：\n", code)

五、QwenPaw接入阿里云百炼Token Plan实战

Token Plan适合通用场景，支持全系列通义千问模型，接入后可实现对话、信息处理、多模态交互等功能，以下为完整配置流程。

（一）控制台可视化配置

1. 进入QwenPaw控制台“设置→模型→供应商”，点击“添加供应商”。
2. 协议选择“OpenAI-compatible (Chat Completions)”，填写配置信息：
   • 供应商ID：bailian-token-plan（自定义）
   • 显示名称：阿里云百炼Token Plan
   • API Key：填入Token Plan专属密钥（sk-xxxx）
   • Base URL：https://dashscope.aliyuncs.com/compatible-mode/v1
3. 点击“保存”，进入“模型”页面，点击“添加模型”，输入支持的模型ID（如qwen3.7-max、qwen3.7-plus），完成模型配置。
4. 测试连接成功后，即可在工作区选择Token Plan模型使用。

（二）配置文件手动配置

编辑agent.json文件，添加Token Plan供应商配置：

{
   
  "models": {
   
    "providers": [
      {
   
        "id": "bailian-token-plan",
        "name": "阿里云百炼Token Plan",
        "protocol": "openai",
        "api_key": "sk-你的Token Plan专属API Key",
        "base_url": "https://dashscope.aliyuncs.com/compatible-mode/v1",
        "models": [
          {
   "id": "qwen3.7-max", "name": "Qwen3.7-Max"},
          {
   "id": "qwen3.7-plus", "name": "Qwen3.7-Plus"}
        ]
      }
    ],
    "default_model": "qwen3.7-max"
  }
}

重启QwenPaw服务生效。

（三）Token Plan多模态调用代码示例（Qwen3.7-Plus）

Token Plan支持Qwen3.7-Plus多模态能力，可实现图文交互，以下为图片解析代码：

from qwenpaw import QwenPawClient
import base64

client = QwenPawClient(base_url="http://localhost:8088", workspace="个人AI助手")

def analyze_image(image_path, prompt):
    # 读取图片并转为base64
    with open(image_path, "rb") as f:
        img_b64 = base64.b64encode(f.read()).decode("utf-8")

    # 多模态消息结构
    messages = [
        {
   
            "role": "user",
            "content": [
                {
   "type": "text", "text": prompt},
                {
   "type": "image_url", "image_url": {
   "url": f"data:image/png;base64,{img_b64}"}}
            ]
        }
    ]

    # 调用Token Plan的Qwen3.7-Plus模型
    response = client.chat.completions.create(
        model="qwen3.7-plus",
        messages=messages,
        temperature=0.6,
        max_tokens=3072
    )
    return response.choices[0].message.content

# 测试：解析UI设计稿生成前端代码
if __name__ == "__main__":
    result = analyze_image("./ui_design.png", "根据设计稿生成Vue3组件代码，包含样式与交互")
    print("解析结果：\n", result)

六、QwenPaw自定义技能开发实战（结合百炼模型）

自定义技能是QwenPaw的核心优势，结合阿里云百炼模型，可打造专属行业能力，以下为开发一个“行业报告生成”技能的完整流程。

（一）创建技能目录与配置文件

1. 进入QwenPaw工作区的skills目录，创建industry_report文件夹。
2. 在文件夹内创建SKILL.md文件，内容如下：
   ```markdown

name: 行业报告生成
description: 基于阿里云百炼模型，自动搜集行业数据并生成专业报告
version: 1.0.0
emoji: 📊
requires:

• qwenpaw
• requests

技能说明

当用户输入“生成XX行业报告”时，自动触发该技能。
执行步骤：

1. 调用阿里云百炼Qwen3.7-Max模型，分析行业关键词，确定数据搜集方向
2. 调用网络工具搜集最新行业数据、市场规模、趋势分析
3. 整理数据，生成结构化报告大纲
4. 调用百炼模型撰写完整报告内容，包含摘要、核心数据、趋势预测、风险提示
5. 导出报告为Markdown文件，保存至本地目录

触发条件

用户输入包含“行业报告”“市场分析”“趋势报告”关键词

执行代码

from qwenpaw import SkillContext
import requests
import os

def run(context: SkillContext):
    # 获取用户输入
    user_input = context.user_input
    # 调用百炼Token Plan模型分析行业关键词
    client = context.get_model_client("bailian-token-plan")
    response = client.chat.completions.create(
        model="qwen3.7-max",
        messages=[{
   "role": "user", "content": f"分析用户需求，提取行业关键词：{user_input}"}]
    )
    industry = response.choices[0].message.content.strip()

    # 模拟数据搜集（实际可替换为真实API）
    data = f"行业：{industry}\n市场规模：1000亿\n增长率：25%\n核心趋势：智能化、数字化"

    # 生成报告
    report_prompt = f"基于以下数据生成专业行业报告：{data}"
    report_response = client.chat.completions.create(
        model="qwen3.7-max",
        messages=[{
   "role": "user", "content": report_prompt}],
        max_tokens=8192
    )
    report_content = report_response.choices[0].message.content

    # 保存报告
    report_path = os.path.join(context.workspace_dir, f"{industry}行业报告.md")
    with open(report_path, "w", encoding="utf-8") as f:
        f.write(report_content)

    return f"行业报告生成完成，保存至：{report_path}"

### （二）安装并启用技能
```bash
# 进入技能目录
cd ~/.qwenpaw/workspaces/个人AI助手/skills
# 安装技能
qwenpaw skills install industry_report
# 查看已安装技能
qwenpaw skills list

安装成功后，在QwenPaw控制台“技能”页面启用该技能，即可通过自然语言触发使用。

七、QwenPaw+百炼双计划使用优化与常见问题

（一）成本优化技巧

1. 场景分流：编程高频场景使用Coding Plan（按调用次数计费，性价比更高）；通用对话、多模态、长文本处理使用Token Plan（按Token计费，灵活可控）。
2. 模型选型：日常任务使用Qwen3.7-Plus（成本更低）；高精度推理、长文档分析使用Qwen3.7-Max（效果更好）。
3. 本地缓存：开启QwenPaw本地记忆缓存，减少重复调用云端模型，降低Token消耗。

（二）性能优化配置

1. 长文本任务调高max_tokens参数，避免输出截断；日常对话设置max_tokens=2048，提升响应速度。
2. 编程场景设置temperature=0.1-0.3，提升代码准确性；创意写作设置temperature=0.7-0.9，增加内容多样性。
3. 多渠道交互启用异步调用，避免单渠道阻塞影响整体性能。

（三）常见问题排查

1. API Key无效：核对Coding Plan（sk-sp-）与Token Plan（sk-）密钥类型，确保Base URL与密钥匹配，无空格或字符错误。
2. 模型调用失败：检查百炼订阅是否到期，模型ID是否正确，网络是否可访问阿里云API地址。
3. 技能执行异常：查看技能日志（~/.qwenpaw/logs），核对代码依赖是否安装，权限是否配置正确。
4. 多渠道消息丢失：检查渠道授权是否过期，重启QwenPaw服务重新绑定渠道。

八、总结

QwenPaw 2.0作为AgentScope团队开源的个人AI助手标杆，以本地优先、长期记忆、多渠道接入、多Agent协作与自定义技能为核心，彻底改变了传统AI工具的使用体验，让每个人都能拥有专属的“数字分身”。结合阿里云百炼Coding Plan与Token Plan两大订阅方案，开发者可低成本接入通义千问系列模型，实现从通用对话到专业开发、从信息处理到自动化任务的全场景覆盖。

本文从QwenPaw核心功能解析、安装部署、基础配置，到阿里云百炼双计划的完整接入流程，再到自定义技能开发实战，提供了全流程、可落地的操作指南与代码示例。无论是个人用户打造高效办公助手，还是开发者构建行业专属AI应用，QwenPaw+阿里云百炼的组合都能提供安全、灵活、可扩展的解决方案。通过合理配置模型、优化使用策略，可在保障AI能力的同时，最大化降低使用成本，真正实现AI技术的普惠与高效落地。