Jak uruchomić lokalnego asystenta AI z pamięcią i integracją z komunikatorami za pomocą QwenPaw
Wczoraj natknąłem się na projekt QwenPaw od zespołu AgentScope. Wygląda na to, że autorzy postanowili połączyć w jednym narzędziu wszystko, co zwykle trzeba składać z tuzina różnych bibliotek: lokalne wykonywanie sieci neuronowych, integrację z Telegram i Discord, zarządzanie długoterminowym kontekstem, a nawet webowe IDE do pracy z kodem.
Dlaczego miałbyś potrzebować takiego all-in-one rozwiązania? Jeśli kiedykolwiek próbowałeś zbudować własnego bota do rutynowych zadań, prawdopodobnie napotkałeś problemy z pamięcią i bezpieczeństwem. Zwykli agenci szybko zapominają początek rozmowy, gdy okno kontekstowe się zapełni, lub wymagają pełnych uprawnień do wykonywania skryptów bash bezpośrednio w systemie operacyjnym. QwenPaw rozwiązuje oba te problemy na poziomie fundamentalnym.
Jak zbudowany jest QwenPaw i co kryje się pod maską
Projekt jest napisany w Pythonie i rozpowszechniany na licencji Apache 2.0. Możesz uruchomić go przez pip, wdrożyć w Dockerze lub pobrać gotową aplikację desktopową na Tauri.
Oto co znajdziesz w środku:
- Trzypoziomowa pamięć ReMe. Utrzymuje aktywny kontekst roboczy, jednocześnie indeksując stare wiadomości w locie. W przeciwieństwie do standardowego podsumowywania, dialog nie jest tracony, gdy okno kontekstowe się resetuje. Gdy zachodzi potrzeba, system selektywnie pobiera dawne fakty.
- Izolacja w piaskownicy. Narzędzia do wykonywania poleceń działają w izolowanym środowisku przy użyciu Seatbelt na macOS, Bubblewrap na Linuksie lub AppContainer na Windows. Analizator Tool Guard sprawdza polecenia pod kątem prób wstrzykiwania kodu i omijania ograniczeń, zanim zostaną faktycznie wykonane.
- Gotowy interfejs Terminal UI i konsola webowa. Dla tych, którzy kochają interfejsy w stylu htop lub btop, opracowali w pełni funkcjonalny TUI bezpośrednio w konsoli. Dla wszystkich innych jest panel webowy na porcie 80.
- Szeroka gama kanałów komunikacji. Jeden agent może być połączony jednocześnie z Telegram, Discord, Lark, DingTalk, WeChat i iMessage.
Oto jak wygląda konsola webowa do zarządzania agentem:
Szybki start na lokalnej maszynie
Najłatwiejszy sposób na wypróbowanie systemu to instalacja przez pip. Wymaga Pythona w wersji 3.11 do 3.13.
Po tym interfejs webowy otwiera się pod adresem http://127.0.0.1:8088/. Tam ustawiasz klucze API dla dostawców chmurowych jak OpenAI, Anthropic czy DeepSeek.
Jeśli nie chcesz płacić za API, możesz użyć modeli lokalnych. QwenPaw obsługuje Ollama, LM Studio i własny silnik oparty na llama.cpp. Autorzy udostępnili zoptymalizowane skwantowane modele QwenPaw-Flash o 2B, 4B i 9B parametrach, dostrojone do zadań agentowych.
Jeśli jesteś entuzjastą terminala, możesz pracować bez przeglądarki:
To polecenie uruchamia pełnoekranowy czat terminalowy z obsługą interaktywnego wywoływania narzędzi i strumieniowania odpowiedzi.
Tryb pracy dla programistów
Tryb Coding Mode zrobił na mnie szczególne wrażenie. To trzypanelowe webowe IDE, które aktywuje się, jeśli uruchomisz qwenpaw . w swoim repozytorium. Ma wbudowane drzewo plików, przeglądarkę diffów, skok do definicji funkcji i kontekstowe wyszukiwanie przez strukturę kodu.
Agent odczytuje pliki w projekcie, sugeruje edycje i natychmiast pokazuje różnicę między wersjami. Jednocześnie polityka bezpieczeństwa File Guard blokuje dostęp do wrażliwych katalogów jak ~/.ssh czy tokenów środowiskowych.
Praktyczne scenariusze użycia
Gdzie może to być przydatne już teraz?
- Automatyzacja dyżurów i alertów. Konfigurujesz Cron wewnątrz QwenPaw, podłączasz wtyczki do scrapowania stron i wysyłasz codzienne podsumowania do czatu zespołu na Telegram lub Discord.
- Bezpieczne lokalne przetwarzanie dokumentów. Ze względu na brak obowiązkowego wysyłania danych do chmury, możesz puścić agenta na partię PDF-ów lub raportów tekstowych bez ryzyka wycieku.
- Tło asystent programisty. W trybie TUI agent widzi twoje bieżące repozytorium, może uruchamiać testy w piaskownicy i pomagać w refaktoryzacji.
Kto powinien wypróbować
Jeśli potrzebujesz autonomicznego asystenta AI, który potrafi wykonywać zaplanowane zadania, pamięta kontekst sprzed tygodnia i nie wymaga wdrażania ciężkiej infrastruktury, QwenPaw jest doskonałym wyborem. Projekt jest aktywnie rozwijany, ma blisko 30 000 gwiazdek na GitHub i żywą społeczność.
Aby zacząć, wystarczy pięć minut: zainstaluj pakiet przez pip, uruchom konsolę i połącz źródło modelu, którego potrzebujesz.
Powiązane projekty