EdgeClaw

EdgeClaw 是由面壁智能联合清华大学自然语言处理实验室（THUNLP）、中国人民大学、AI9Stars 以及 OpenBMB 社区共同研发的开源人工智能智能体运行框架。它定位为“安全高效的端云协同计算平台”，旨在解决当前 AI 应用在数据隐私泄露、成本失控以及对云端算力过度依赖等痛点。

EdgeClaw开源项目官网网址： https://github.com/OpenBMB/EdgeClaw

EdgeClaw中文介绍地址： 链接

EdgeClaw 核心特性、技术架构和应用场景的详细解析：

1. 核心理念：安全与隐私至上

EdgeClaw 的诞生背景是为了解决 OpenClaw 在实际落地中出现的“隐私泄露”和“Token 浪费”问题。它通过引入三级安全协同机制，将用户数据按敏感程度分为 S1、S2、S3 三级进行处理：

S1 级（公开数据）‍：可以直接发送至云端模型处理。

S2 级（敏感数据）‍：在发送至云端之前会进行脱敏处理，确保隐私信息不外泄。

S3 级（核心机密）‍：绝对不出门，必须由本地模型离线运行处理，零 Token 消耗。

这种“分级治理”结合 GuardAgent 隐私中间件和双检测引擎，构建了全链路的自动安全系统，确保数据在传输、处理和存储过程中的安全性。

2. 端云协同：成本与效率的平衡

EdgeClaw 通过性价比感知协同机制，实现了本地模型与云端模型的智能调度。

本地处理：对于计算量小、对延迟敏感或涉及机密信息的任务（如个人助理、内部文档处理），EdgeClaw 会自动路由至本地部署的 MiniCPM 系列模型或其他轻量模型进行处理。

云端计算：对于计算量大、需要强大算力的任务（如复杂的内容生成、深度分析），则调用云端大模型。

这种双轨机制不仅保护了隐私，还显著降低了运营成本，因为本地处理的任务不消耗昂贵的云端 Token。

3. 强大的多智能体框架

EdgeClaw 继承了 OpenClaw 的“入口层、调度层、执行层”的设计，并在此基础上强化了安全性。它支持：

多设备部署：支持在 DGX Spark、Mac Mini、松果派等多种硬件设备上运行。

多模型协同：不仅支持本地模型（如 MiniCPM），还支持与云端模型的无缝协作。

海量 Skills 生态：内置了 54 个 AI 能力（Skills），覆盖通用办公（如邮件分类、简报生成）和专业垂直领域（如审计质检、财务顾问）。

4. 硬件落地：EdgeClaw Box

为了让技术更加落地易用，面壁智能推出了硬件产品 EdgeClaw Box。这是一款软硬一体化的 AI 操作系统，预装 EdgeClaw 框架和 MiniCPM 模型，支持开箱即用。用户无需复杂配置，即可体验到“本地跑小龙虾”的安全感和高效性。

5. 开源精神与社区

EdgeClaw 坚持开源原则，所有代码和文档均公开，用户可以在代码层面审视每一个动作，随时修改或定制。这不仅保障了技术的透明度，也鼓励了全球开发者共同参与到智能体生态的建设中。

EdgeClaw 并不是单纯的 AI 软件，它是面向“一人公司”（OPC）和数据敏感型企业的全新 AI 解决方案。它打破了传统 AI 必须依赖云端的思维定式，让用户掌握了数据和算力的主动权，真正实现了“安全可控、成本降低、效率提升”的目标。