Lokalen KI-Assistenten mit Speicher und Messenger-Integration über QwenPaw ausführen

Gestern bin ich auf das QwenPaw-Projekt vom AgentScope-Team gestoßen. Es scheint, dass die Autoren beschlossen haben, in einem Tool alles zu vereinen, was man normalerweise aus einem Dutzend verschiedener Bibliotheken zusammensetzen muss: lokale neuronale Netzausführung, Telegram- und Discord-Integration, Langzeit-Kontextverwaltung und sogar eine Web-IDE für die Arbeit mit Code.

Warum bräuchte man eine solche All-in-One-Lösung? Wenn Sie schon einmal versucht haben, Ihren eigenen Bot für Routineaufgaben zu erstellen, sind Sie wahrscheinlich auf Speicher- und Sicherheitsprobleme gestoßen. Reguläre Agents vergessen schnell den Anfang eines Gesprächs, wenn das Kontextfenster voll ist, oder sie benötigen vollständige Berechtigungen, um Bash-Skripte direkt in Ihrem Betriebssystem auszuführen. QwenPaw adressiert beide Probleme auf fundamentaler Ebene.

Wie QwenPaw aufgebaut ist und was unter der Haube steckt

Das Projekt ist in Python geschrieben und wird unter der Apache 2.0-Lizenz vertrieben. Sie können es über pip installieren, in Docker bereitstellen oder eine fertige Desktop-Anwendung auf Tauri-Basis nutzen.

Hier ist, was drin steckt:

1. Dreistufiger ReMe-Speicher. Er hält den aktiven Arbeitskontext, während alte Nachrichten im Hintergrund indiziert werden. Im Gegensatz zur Standard-Zusammenfassung geht der Dialog nicht verloren, wenn das Kontextfenster zurückgesetzt wird. Bei Bedarf ruft das System alte Fakten selektiv ab.
2. Sandbox-Isolation. Befehlsausführungs-Tools laufen in einer isolierten Umgebung, die Seatbelt auf macOS, Bubblewrap auf Linux oder AppContainer auf Windows verwendet. Der Tool-Guard-Analysator prüft Befehle auf Injection-Versuche und Umgehungsversuche von Einschränkungen, bevor sie tatsächlich ausgeführt werden.
3. Fertige Terminal-UI und Web-Konsole. Für alle, die Interfaces im Stil von htop oder btop mögen, haben sie eine voll funktionsfähige TUI direkt in der Konsole entwickelt. Für alle anderen gibt es ein Web-Panel auf Port 80.
4. Vielfalt an Kommunikationskanälen. Ein Agent kann gleichzeitig mit Telegram, Discord, Lark, DingTalk, WeChat und iMessage verbunden werden.

So sieht die Web-Konsole zur Verwaltung des Agents aus:

Schnellstart auf Ihrem lokalen Rechner

Der einfachste Weg, das System auszuprobieren, ist die Installation über pip. Erfordert Python-Version 3.11 bis 3.13.

Anschließend öffnet sich die Web-Oberfläche unter http://127.0.0.1:8088/. Dort legen Sie API-Schlüssel für Cloud-Anbieter wie OpenAI, Anthropic oder DeepSeek fest.

Wenn Sie nicht für APIs bezahlen möchten, können Sie lokale Modelle einbinden. QwenPaw unterstützt Ollama, LM Studio und seine eigene Engine basierend auf llama.cpp. Die Autoren haben optimierte quantisierte QwenPaw-Flash-Modelle mit 2B, 4B und 9B Parametern veröffentlicht, die für Agent-Aufgaben optimiert sind.

Wenn Sie ein Terminal-Enthusiast sind, können Sie ohne Browser arbeiten:

Dieser Befehl startet einen Vollbild-Terminal-Chat mit Unterstützung für interaktives Tool-Calling und Response-Streaming.

Arbeitsmodus für Entwickler

Der Coding-Modus war besonders beeindruckend. Es handelt sich um eine dreispaltige Web-IDE, die aktiviert wird, wenn Sie qwenpaw . in Ihrem Repository ausführen. Sie verfügt über einen integrierten Dateibaum, Diff-Viewer, Sprung zur Funktionsdefinition und kontextbezogene Suche durch die Codestruktur.

Der Agent liest Dateien im Projekt, schlägt Änderungen vor und zeigt sofort den Unterschied zwischen den Versionen. Gleichzeitig blockiert die File-Guard-Sicherheitsrichtlinie den Zugriff auf sensible Verzeichnisse wie ~/.ssh oder Umgebungstokens.

Praktische Anwendungsfälle

Wo kann das jetzt nützlich sein?

• On-Call- und Alarmautomatisierung. Sie konfigurieren Cron in QwenPaw, verbinden Web-Scraping-Plugins und senden tägliche Zusammenfassungen an den Team-Chat auf Telegram oder Discord.
• Sichere lokale Dokumentenverarbeitung. Aufgrund der Abwesenheit einer obligatorischen Datensendung an die Cloud können Sie den Agent auf eine Stapelverarbeitung von PDFs oder Textberichten loslassen, ohne das Risiko von Datenlecks.
• Hintergrund-Entwicklungsassistent. Im TUI-Modus sieht der Agent Ihr aktuelles Repository, kann Tests in einer Sandbox ausführen und bei Refactoring helfen.

Für wen es sich lohnt, es auszuprobieren

Wenn Sie einen autonomen KI-Assistenten benötigen, der geplante Aufgaben ausführen kann, sich an Kontexte von vor einer Woche erinnert und keine Bereitstellung schwerer Infrastruktur erfordert, ist QwenPaw eine ausgezeichnete Wahl. Das Projekt wird aktiv weiterentwickelt, hat fast 30.000 Sterne auf GitHub und eine lebendige Community.

Um zu beginnen, reichen fünf Minuten: Installieren Sie das Paket über pip, starten Sie die Konsole und verbinden Sie die gewünschte Modellquelle.