Recenzja QwenPaw (CoPaw): open source'owy osobisty agent od Alibaby

QwenPaw to open source’owy osobisty asystent od zespołu AgentScope w Alibabie. Jeśli ktoś znał go jako CoPaw, to ten sam projekt: wystartował jako CoPaw w lutym 2026, a w kwietniu 2026 zmienił nazwę na QwenPaw, jak wyjaśniają informacje o wydaniu v1.1.0. Starą nazwę wciąż widać w starszych poradnikach i w pakiecie copaw na PyPI. W dniu naszego sprawdzenia, 8 listopada 2026, repozytorium miało 37,495 gwiazdek na GitHubie.

Czym jest

QwenPaw należy do tej samej rodziny co OpenClaw i nanobot: to agent na własnej maszynie, dostępny z konsoli webowej, interfejsu terminalowego lub aplikacji czatowych, który pamięta użytkownika, uruchamia zaplanowane zadania i może działać przez przeglądarkę, powłokę, narzędzia MCP, umiejętności i wtyczki. Wyróżniają go dwie rzeczy: jest zbudowany tak, by działać całkowicie na lokalnych modelach, i może uruchamiać kilku niezależnych agentów obok siebie.

Instalacja

Można go zainstalować przez pip (Python 3.11 do 3.13), skrypt instalacyjny lub Dockera. Skrypt to najprostsza droga: konfiguruje Pythona, Node.js i konsolę webową na macOS, Linuksie lub Windowsie. Alibaba oferuje też darmowe wdrożenie jednym kliknięciem w chmurze na swojej AgentScope Platform, choć to już nie jest samodzielne hostowanie. Aplikacje desktopowe na Windowsa i macOS istnieją, ale są w becie.

Konsola webowa obejmuje kanały, zadania cron, heartbeat, umiejętności, MCP i pliki, a dokumentacja omawia każdy z tych elementów. Wydania są częste, z wieloma betami, więc trzeba liczyć się z częstymi aktualizacjami i czytaniem informacji o wydaniach.

Telemetria: uwaga na polecenie init

QwenPaw podczas qwenpaw init wysyła raz na wersję anonimowe dane o instalacji: wersję, metodę instalacji, system operacyjny, wersję Pythona, architekturę procesora i informację o obecności GPU. Zespół deklaruje, że nie zbiera danych osobowych, plików, poświadczeń ani adresów IP (README).

Haczyk tkwi w sposobie wyrażania zgody. Interaktywna konfiguracja prosi o zgodę, ale polecenie szybkiego startu zalecane w dokumentacji, qwenpaw init --defaults, akceptuje ją automatycznie. Aby nic nie było wysyłane, należy uruchomić interaktywne qwenpaw init i odmówić. To niewielka ilość danych, ale przy szybkim starcie zgodnym z dokumentacją jest to domyślnie włączone.

Sandboxing: wyłączony, a w Dockerze słabszy

QwenPaw ma więcej warstw bezpieczeństwa niż większość agentów w tej kategorii. Dokumentacja bezpieczeństwa opisuje Tool Guard, File Guard, skanowanie umiejętności, polityki dostępu i opcjonalny sandbox na poziomie jądra dla poleceń.

Ten sandbox jest domyślnie wyłączony (źródło), a w Dockerze w ogóle nie zapewnia izolacji. Ten drugi punkt jest sprzeczny z intuicją: uruchomienie QwenPaw w Dockerze nie daje sandboksa poleceń, a jedynie taką separację, jaką zapewnia sam kontener. Przy instalacji na głównej maszynie warto włączyć sandbox przed podłączeniem jakiegokolwiek kanału czatowego.

Lokalne modele to mocna strona

QwenPaw współpracuje z ponad 20 dostawcami chmurowymi, w tym DashScope (Qwen), OpenAI, Anthropic, Gemini, DeepSeek, Kimi i OpenRouter. Może też działać w pełni offline bez klucza API: ma wbudowane środowisko llama.cpp, obsługuje Ollama i LM Studio, a zespół publikuje własne małe modele QwenPaw-Flash trenowane do zadań agentowych (dokumentacja modeli).

To połączenie, czyli środowisko uruchomieniowe i dostrojony do niego model od tego samego zespołu, wymaga mniej konfiguracji niż samodzielne łączenie agenta z osobnym lokalnym serwerem modeli. To, z czym poradzi sobie lokalny model, nadal zależy od sprzętu, więc przed rezygnacją z dostawcy chmurowego warto sprawdzić go na realnych zadaniach.

Wielu agentów i pamięć

Każdy agent ma własną pamięć, umiejętności i heartbeat, a agenci mogą ze sobą współpracować (dokumentacja multi-agent). Pamięć to trzywarstwowy magazyn w Markdown, który można czytać i edytować. Okresowe meldunki heartbeat i zadania cron sprawiają, że agenci pracują pod nieobecność użytkownika. Generowanie obrazów zapewniają oficjalne wtyczki do Qwen-Image lub GPT Image 2.

Kanały

Najlepiej obsługiwane są chińskie platformy: DingTalk, Feishu, WeChat i QQ, obok Telegrama, Discorda i Slacka. iMessage działa tylko na Macu z pomocniczym narzędziem od zewnętrznego autora i uprawnieniem Full Disk Access, czyli bardzo szerokim dostępem. Kanału WhatsApp nie ma (dokumentacja kanałów).

Dla kogo jest

QwenPaw pasuje osobom, które chcą samodzielnie hostowanego agenta działającego całkowicie na lokalnych modelach, użytkownikom DingTalk, Feishu, WeChat lub QQ oraz każdemu, kto chce mieć na jednej maszynie mały zespół wyspecjalizowanych agentów. Jest słabszym wyborem, jeśli potrzebny jest WhatsApp albo sandbox włączony bez grzebania w ustawieniach.

Jak wypada na tle innych

• nanobot jest najbliższym odpowiednikiem: Python, MIT, dopracowany WebUI, lokalne modele i domyślnie brak telemetrii, choć jego sandbox powłoki również jest domyślnie wyłączony.
• ZeroClaw ma sandbox systemu operacyjnego włączony w zalecanym profilu i nie wysyła telemetrii, ale konfiguracja to plik TOML.
• OpenClaw ma większy ekosystem i obsługę WhatsAppa, przy domyślnie wyłączonym sandboxingu.

Więcej w zestawieniach najlepszych lokalnych agentów AI i alternatyw dla OpenClaw.