面壁智能发布 EdgeClaw 智能体框架，主打安全和省钱

52 0 0

文章摘要

EdgeClaw 作为 OpenClaw 的协同增强版本，旨在解决当前个人智能体部署中普遍存在的数据隐私泄露与计算资源浪费问题。其核心创新在于构建了三级安全协同机制与性价比感知协同机制，并将其集成于同一处理管线中。三级安全协同机制依据数据敏感程度，将用户交互内容划分为 S1（云端处理）、S2（脱敏后处理）与 S3（本地完全隔离）三个等级；对含敏感信息的请求自动执行“脱敏+路由”策略，而涉及隐私文件的请求则强制交由本地 MiniCPM 系列模型离线处理。该机制辅以双检测引擎——规则检测器与本地 LLM 检测器组合运行，并通过可配置的 checkpoints 动态启用，有效提升分类精度；同时采用“双轨记忆”架构，确保云端模型仅能访问脱敏后的对话历史，而本地模型保留完整原始记忆，从源头避免上下文窗口泄露风险。

性价比感知协同机制针对不同任务复杂度实现差异化算力调度：系统先以本地小模型充当“LLM-as-Judge”，对输入请求进行复杂度评估，再按分级结果定向调用不同成本的云端模型——简单问答与文件检索等低复杂度任务优先选择低价模型，大幅降低使用开销。实测显示，典型编程助手工作流中可达60–80%请求被高效转至经济型模型；高权重的安全路由器首先触发，一旦发现敏感数据即刻短路跳过成本评估环节，保障优先级最高的安全底线。管线设计遵循“安全优先、成本次之”的原则，形成可靠且高效的协同流程。

产品形态上，EdgeClaw 以 OpenClaw 插件形式接入，开发者无需改动原有业务逻辑即可完成端云协同改造，支持公开数据上传、敏感数据脱敏与私密数据本地落地的“无感协作”模式，显著提升部署灵活性和开发友好性。未来规划涵盖四大方向：EdgeClaw Router 强化硬件兼容性与模型适配性；Memory 模块优化记忆机制以支撑长期任务执行；SkillHub 构建本地技能生态库并替换高频云端能力；UI 层面增加本地 GPU 利用率与 token 使用量等关键性能指标展示，满足端侧用户精细化运维需求。项目坚持开源策略，鼓励社区共建“多、快、好、省”的端侧智能体新范式。

会议推广部分指出，在自托管 Agent 流行背景下，工程化落地仍面临权限控制、供应链安全、可观测性及组织流程整合等多重挑战；为此，4月16–18日QCon北京站将设立“OpenClaw生态实践”专题，聚焦企业一线实践案例，深入探讨私有 Skills 构建、安全护栏制定、审计回放机制搭建与质量效率指标体系建立等内容，助力Agent由Demo走向稳定生产系统。安全协同机制可防止隐私数据通过上下文窗口泄露给第三方云服务，性价比感知协同使60–80%请求成功路由至更低费用模型，EdgeClaw支持在DGXSpark、MacMini等桌面设备部署，提供本地化高性能体验。