阿里开源龙虾组合来了：HiClaw + CoPaw，内存占用大幅降低，还能直接操作本地环境-阿里云开发者社区

作者：澄潭

HiClaw 发布 V1.0.4，引入 Copaw 作为轻量化 Worker，内存占用大幅降低，还能直接操作你的本地环境。

轻量级 Worker

如果你用过 HiClaw，可能已经熟悉了 Manager + Worker 的多 Agent 协作模式。一个 Manager 作为“AI 管家”，管理着多个专业化的 Worker —— 前端开发、后端开发、数据分析……

但在实际使用中，我们也收到了不少反馈：

“每个 Worker 都要跑一个完整容器，内存压力有点大” ——默认的 OpenClaw Worker 容器大概占用 500MB 内存，如果你需要同时跑 4-5 个 Worker，一台 8GB 内存的服务器就有点吃紧了。

“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、运行桌面应用……这些在容器隔离环境下都做不到。

在 1.0.4 版本，我们给出了答案：CoPaw Worker。

CoPaw 是什么？

CoPaw [ 1] 是一个基于 Python 的轻量级 AI Agent 开源项目，核心特点是：

轻量级：基于 Python，不需要 Node.js 全家桶，内存占用只有 OpenClaw Worker 的 1/5。
控制台友好：内置 Web 控制台，可以管理多个功能，比如配置频道、技能、定时任务、工作区文件、环境变量等等。
执行速度快：Python 原生启动，冷启动时间短。
扩展方便：基于 OpenAI SDK 的工具定义，上手成本低，支持多种方式的 Skill 扩展。
具备面向 Agent 的记忆管理：内置 ReMe，对话自动压缩，重要信息持久保存，下次对话自动想起来。

HiClaw 1.0.4 通过实现 Matrix Channel 和配置桥接层，将 CoPaw 接入了 HiClaw 的多 Agent 协作体系。代码量不大，但解锁了很多新的可能性。

Manager-Worker 架构：大幅降低接入新 Agent 的复杂度

CoPaw Worker 的成功接入，充分体现了 HiClaw 的 Manager-Worker 架构在降低新 Agent 接入成本方面的优势。

传统方式的痛点

如果你想让一个新的 Agent 运行时（比如 CoPaw）接入用户，传统方式需要：

1. 支持完整的 Channel 生态：OpenClaw 支持十几种消息渠道——Discord、Telegram、Slack、飞书、钉钉、微信、iMessage……每个渠道都有不同的 API、认证方式、消息格式。

2. 实现各种 Channel 适配器：需要逐个开发、测试、维护。

3. 用户需要逐个配置：每个渠道的 webhook、token、证书……

4. 客户端生态碎片化：不同渠道有不同的客户端，用户体验不一致。

这是一巨大的工程，很多优秀的 Agent 运行时就是因为这个门槛太高，无法触达用户。

HiClaw 的解法：Matrix 作为统一通信层

HiClaw 的 Manager-Worker 架构，把通信层统一到了 Matrix 协议上：

┌─────────────────────────────────────────────────────────────────┐
│                        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 运行时来说，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，核心代码只有两个文件：

1. matrix_channel.py (~450 行)：实现 Matrix 协议通信。

2. bridge.py (~230 行)：桥接 openclaw.json 到 CoPaw 配置。

就是这样！CoPaw 不需要关心 Discord、Telegram、Slack……它只需要和 Matrix 通信，就能：

✅ 复用 Manager 支持的所有 Channel 生态。
✅ 复用开箱即用的 Matrix 客户端（Element Web 自带，移动端有 Element、FluffyChat 等）。
✅ 和其他 Worker（无论是什么运行时）无缝协作。
✅ 被 Manager 统一管理、监控、调度。

对于用户来说，接入新的 Agent 运行时是零学习成本的——因为交互方式完全一样，还是通过 Matrix 客户端对话，Manager 会自动处理底层差异。

这意味着什么？

如果你正在开发一个新的 Agent 运行时，或者想把现有的 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 + 开箱即用的客户端 + 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。

两种部署模式，解决两个痛点

模式一：Docker 容器模式 —— 更省内存的 Worker

如果你只是需要更多的 Worker 并行干活，不需要访问本地环境，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

安全性完全一致，但内存占用大幅降低。

只需要在 Element 里告诉 Manager 创建一个 CoPaw Worker：

实际资源占用只有约 150MB：

这意味着同样的硬件配置下，你可以跑更多的 Worker。以前 8GB 内存只能跑 8-10 个 OpenClaw Worker，现在可以跑 40+ 个 CoPaw Worker。

按需启用控制台

为了节省内存，CoPaw Worker 默认关闭 Web 控制台。需要调试时，只需要在 Element 里让 Manager 打开：

Manager 会自动重启 CoPaw Worker 容器并启用控制台，无需手动操作。调试完成后，也可以让 Manager 关闭控制台以节省资源。

打开控制台后，你可以直接在 CoPaw 控制台中管理 Worker，例如查看和管理 CoPaw 内置的技能：

模式二：本地 Host 模式 —— 直接操作你的电脑

有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：读取桌面上的文件、操作本地 IDE。
运行桌面应用：自动化 Figma、Sketch、本地数据库客户端。

这些任务在容器里做不到，因为容器是隔离环境。

CoPaw Worker 的本地模式，就是为这类任务设计的。只需要让 Manager 创建一个远程模式的 CoPaw Worker，Manager 会给你一条 pip 命令，在本机执行即可：

Worker 直接运行在你的本机上，拥有完整的本地访问权限。同时，它仍然通过 Matrix 与 Manager 和其他 Worker 通信，完美融入 HiClaw 的多 Agent 协作体系。

例如，让它打开浏览器到阿里云官网搜索 AI 网关，它会自己打开浏览器并按步骤操作：

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                                │
└─────────────────────────────────────────────────────────────┘

本地模式默认启用控制台 (--console-port 8088)，你可以打开 http://localhost:8088，实时查看 Worker 的执行过程。

CoPaw 控制台：可视化的调试体验

不管是 Docker 模式还是本地模式，CoPaw Worker 都可以启用 Web 控制台。

控制台可以实时查看：

Thinking 输出：Worker 在思考什么。
工具调用：调用了哪些工具，参数是什么。
执行结果：工具返回了什么。
错误信息：哪里出错了。

对于调试和优化 Agent 行为非常有帮助。特别是当你发现 Worker 没按预期工作时，打开控制台看一眼 Thinking 输出，往往能快速定位问题。

围绕社区痛点的优化

除了 CoPaw Worker 这一重大特性，1.0.4 还针对社区反馈的一系列痛点做了优化。

模型切换更可控

之前有用户反馈：切换模型时，Manager 可能会“自作主张”修改其他配置，导致意外的行为。

1.0.4 将 Worker 模型切换拆分为独立的 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动态设置。

Worker 不再“交头接耳”

在项目群聊中，Worker 之间有时会进行不必要的对话，浪费 token。

1.0.4 优化了 Worker 的唤醒逻辑，确保只被 @mention 时才会触发 LLM 调用。同时修复了 CoPaw MatrixChannel 回复未携带发送者信息的问题，避免 Manager 忽略 Worker 回复导致的重复调用。

AI 身份认知

在 SOUL.md 中增加了 AI 身份声明，确保 Agent 明确知道自己是 AI，而不是人类。这可以避免一些奇怪的身份混淆问题，比如 Agent 假装自己是真人用户。

## 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 新增了 Token 消耗基线的 CI 流程，可以定量分析每个版本的 Token 优化效果。

在关键流程中（创建 Worker、分派任务、多 Worker 协作等），CI 会记录 Token 消耗情况，并与上一个版本对比。这样可以：

量化优化效果。
发现意外的 Token 回归。
为后续优化提供数据支撑。

快速开始

安装与升级

安装和升级使用相同的命令，脚本会交互式引导你选择：

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'))

安装过程中会询问你默认使用哪种 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，选择“就地升级”即可。升级过程中也会询问默认 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：会使用你选择的默认运行时（CoPaw 或 OpenClaw）。

致谢

感谢 CoPaw 团队 [ 2] 的工作！CoPaw 是一个设计精良的轻量级 Agent 运行时，控制台体验尤其出色。HiClaw 通过实现 Matrix Channel 和配置桥接层接入 CoPaw，整个过程很顺畅，代码量也不大。

如果你对 CoPaw 本身感兴趣，可以查看 CoPaw GitHub 仓库 [ 3] 。

写在最后

HiClaw 1.0.4 的核心目标是让 Worker 更轻、更灵活：

更轻：CoPaw Worker 内存占用大幅降低。
更灵活：本地模式解锁了浏览器操作等新场景。
更易接入：Manager-Worker 架构让新 Agent 运行时只需实现 Matrix 协议。

如果你有以下的场景，特别推荐尝试 CoPaw Worker：

需要同时运行大量 Worker，但内存有限。
需要 Worker 操作浏览器、访问本地文件。
想要更轻量级的 Worker 调试体验。

现在就开始：

bash <(curl -sSL https://higress.ai/hiclaw/install.sh)

HiClaw 是开源项目，基于 Apache 2.0 协议。如果你觉得有用，欢迎 Star ⭐ 和贡献代码！

钉钉搜索群号：167365014834，进入 HiClaw 社区钉钉交流群！

微信群可移步至 GitHub Readme 获取的二维码。

相关链接：

[1] CoPaw

https://github.com/agentscope-ai/CoPaw

[2] CoPaw 团队/ [3] CoPaw GitHub 仓库