一、CoPaw 和 CoPaw-Flash

CoPaw是阿里推出的开源个人AI助手，主打本地隐私、多平台接入、主动执行，定位为普通用户的国产友好型的 “小龙虾”。

CoPaw包含如下特征：

• 多通道对话— 通过钉钉、飞书、Discord、Telegram 等与你对话。
• 多智能体协作— 支持创建多个独立智能体，每个智能体拥有独立配置、记忆和技能， 还可以通过协作技能互相通信、共同完成复杂任务。
• 定时执行— 按你的配置自动运行任务。
• 能力由 Skills 决定，有无限可能 — 内置定时任务、PDF 与表单、Word/Excel/PPT 文档处理、新闻摘要、文件阅读等，还可在 Skills 中自定义扩展。
• 支持本地模型— 支持本地运行大模型，完全离线工作。
• 数据全在本地— 不依赖第三方托管。
• 多层安全防护— 内置工具防护、文件访问控制、技能安全扫描等机制，保障运行安全。

总结下来，CoPaw就是一个国产的小龙虾智能体工作台，小龙虾有的功能CoPaw也有。

那什么是CoPaw-Flash呢？

CoPaw-Flash是一个为CoPaw自主智能体场景深度优化的轻量级模型。从训练阶段开始，该模型就针对CoPaw任务进行了专门微调，在工具调用、命令执行、记忆管理以及多步规划等方面展现出更强的智能体性能。

CoPaw-Flash的核心优势源于其与CoPaw生态系统的原生集成。通过构建了大量高质量的智能体轨迹数据，这些数据采样自真实的CoPaw环境，系统性地提升了模型在高频日常场景中的熟练度。

关键特性包括：

• 主动记忆管理： 自主识别、存储和检索持久化的用户偏好与任务状态，确保多轮交互间高度的逻辑一致性。
• 原生文件解析： 针对终端操作和文件系统编排进行优化，擅长生成精确的 CLI 命令并执行复杂的多步文件 I/O 任务。
• 高效信息搜索： 强化了网络搜索工具调用能力，具备精准的搜索意图识别和多步网页导航功能，能有效定位并查询在线信息。
• 智能引导： 内置对 CoPaw 功能图谱的认知，能根据实时操作上下文主动推荐功能路径和故障排查方案。

CoPaw-Flash模型的参数量大小，也不像我们记忆中的那么庞然大物，反而非常小巧，有2B、4B、9B三种不同的尺寸，分别基于Qwen3.5-2B、4B、9B微调而来，使用消费级显卡也能做推理运算。

那CoPaw-Flash模型到底有多强呢？可以看看官方的基准测试的结果：

CoPaw复杂的上下文工程和技能、工具使用对模型评估提出了更高挑战。为此，阿里官方开发了一套专为CoPaw环境定制的基准测试，系统性地评估模型在五个高频使用场景中的表现，覆盖关键操作维度。

结果显示，CoPaw-Flash在多个任务类别中均取得显著提升，性能媲美主流旗舰模型，同时资源需求大幅降低。

CoPaw-Flash模型不同尺寸的对比结果：

下面从CoPaw-Flash模型本地部署、CoPaw部署、QQ聊天机器人接入三个部分开始实验。CoPaw-Flash采用4B大小的模型，使用Ollama快速本地部署。

二、CoPaw-Flash模型本地部署

2.1 安装 Ollama 运行框架

Ollama是一个开源的本地大语言模型运行框架，专为在本地机器上便捷部署和运行大模型。Ollama也支持多种操作系统，包括macOS、Windows、Linux或者Docker容器运行。

根据自己的系统，下载对应的Ollama安装包：

https://ollama.com/download

下载完成后，根据提示完成安装，如果需要安装到指定的路径下，可在cmd或PowerShell中，通过提供DIR参数指定，例如：

OllamaSetup.exe /DIR="E:\Ollama\sdk"

安装结束后，打开cmd或PowerShell，验证安装是否成功：

ollama--version

2.2 将 CoPaw-Flash-4B 模型打包为 Ollama 模型

由于CoPaw-Flash目前（2026.4.9号）还未被Ollama官方适配，需要我们手动做下适配后，才能使用，首先从ModelScope上拉取模型：

modelscope download--model="AgentScope/CoPaw-Flash-4B-Q8_0"--local_dirCoPaw-Flash-4B

下载完毕后，在CoPaw-Flash-4B-Q8_0.gguf模型文件，同级位置新建Modelfile文件，注意不要带任何扩展名， 内容如下：

# 指向你下载的 GGUF 路径 FROM ./CoPaw-Flash-4B-Q8_0.gguf # 模型模板（CoPaw-Flash 用 Qwen 格式） TEMPLATE {{ .Prompt }} RENDERER qwen3.5 PARSER qwen3.5 SYSTEM """你是CoPaw，一个友好、高效的个人AI助手。 你擅长执行任务、管理日程、处理文档、回答问题，并保护用户隐私。""" # 参数 PARAMETER temperature 0.7 PARAMETER top_p 0.95 PARAMETER top_k 20 PARAMETER num_ctx 32768

然后在控制台进到同级目录下，创建Ollama模型：

ollama create copaw-flash:4b-f./Modelfile

看到success就成功了。

此时通过list列出模型的话，就能看到该模型了

ollama list

2.3 启动 CoPaw-Flash-4B 模型交互测试

电脑上最好有NVIDIA GPU支持，可以推理的快一些！

ollama run copaw-flash:4b

测试交互正常，下面将模型配置进CoPaw中。

三、CoPaw 部署和配置模型

3.1 CoPaw 部署

CoPaw官方有封装桌面应用安装包，下载后双击即可运行，无需安装Python或配置环境变量，支持Windows 10+和macOS 14+，可在下面地址中根据自己的系统进行下载：

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

由于我更习惯自行管理Python环境，这里我采用pip的方式进行安装：

pipinstallcopaw

安装结束后，可使用下面命令快速使用默认配置，后续模型、技能、通道等配置信息，都可以在可视化页面中配置：

copaw init--defaults

执行后，会弹出风险提示，选择Yes即可，最后可以看到Initialization complete!表示配置完成。

启动CoPaw服务

copaw app

启动成功后，在浏览器访问http://127.0.0.1:8088打开可视化页面：

3.2 配置模型

进入模型配置页面，点击Ollama的配置模型：

然后点击自动获取模型即可：

3.3 交互测试

在聊天窗口，选择上面的模型：

四、QQ 聊天机器人接入

4.1 开通QQ机器人

进入QQ开放平台：

https://q.qq.com/qqbot/openclaw/

登录后，点击创建机器人：

可以为机器人改下名字为CoPaw：

此时在QQ里，应该就能看到添加的机器人了。

4.2 CoPaw 绑定机器人

将机器人的AppID和AppSecret复制到CoPaw中：

4.3 交互测试

五、总结

整体体验下来，CoPaw-Flash-4B模型在日常问答、简单任务执行、文档摘要、基础文件操作等普通场景下表现不错，响应速度快，配合消费级显卡即可流畅运行，非常适合个人用户本地部署尝鲜。

但在面对多步复杂规划、跨工具协同、长上下文推理等高阶任务时，4B模型偶尔会出现指令理解偏差或执行路径跳跃的情况。如果对任务成功率要求较高，或业务场景较为复杂，推荐优先使用CoPaw-Flash-9B或其他更大规模的模型，以获得更可靠的智能体表现。