Mac 下 QwenPaw 安装记录 - 从零配置 OpenRouter MiniMax 模型

把 QwenPaw (原 CoPaw) 装好了，记录一下过程。

背景

QwenPaw 是 AgentScope 团队开源的个人 AI 助手，支持钉钉、飞书、微信、Discord 等多渠道，还能本地运行、扩展 Skills。GitHub 星标 15K+。

问题卡点

官方推荐三种安装方式：

1. pip install qwenpaw - 需要 Python 3.10+
2. 安装脚本 curl -fsSL https://qwenpaw.agentscope.io/install.sh | bash - 自动下载 uv
3. Docker

我的系统 Python 是 3.9.6，pip 走系统默认的又太老 (21.2.4)，qwenpaw 需要 Python 3.10-3.14。

解决方案：uv

用 uv 管理 Python 版本，一步到位：

# 1. 安装 uv
curl -LsSf https://astral.sh/uv/install.sh | sh

# 2. 用 uv 安装 Python 3.11
source $HOME/.local/bin/env
uv python install 3.11

# 3. 创建虚拟环境 + 安装 qwenpaw
uv venv ~/.qwenpaw-env --python 3.11
uv pip install qwenpaw --python ~/.qwenpaw-env/bin/python

uv 会自动下载 Python 3.11.15，速度很快。

配置 OpenRouter MiniMax 模型

qwenpaw 内置支持 OpenRouter provider，配置很简单：

编辑 ~/.copaw/config.json：

{
  "$schema": "https://qwenpaw.agentscope.io/schema.json",
  "model": {
    "models": {
      "minimax-free": {
        "provider": "openrouter",
        "model": "minimax/minimax-m2.5:free",
        "base_url": "https://openrouter.ai/api/v1",
        "api_key": "你的OPENROUTER_KEY",
        "enabled": true
      }
    },
    "default_model": "minimax-free"
  }
}

注意：OpenRouter 的 MiniMax 模型 ID 格式是 minimax/minimax-m2.5:free，用冒号而不是连字符。

使用

安装完成后：

# 初始化（需要交互式终端）
~/.qwenpaw-env/bin/qwenpaw init

# 或者直接启动 Web UI
~/.qwenpaw-env/bin/qwenpaw app

然后打开浏览器访问 http://127.0.0.1:8088/ 配置和聊天。

验证安装

~/.qwenpaw-env/bin/qwenpaw --version
# QwenPaw, version 1.1.3

Agent 配置：从安装到”觉醒”

安装完成只是第一步，真正的挑战在于让 Agent 理解你是谁。

核心记忆文件结构

QwenPaw 的工作区（~/.copaw/workspaces/default/）包含以下关键文件：

我的PROFILE.md配置原则

核心原则： 真理至上，探寻底层逻辑。零废话，客观冷峻，默认一切输入均自带「幸存者偏差」，需去伪存真。

响应模块结构：

1. 🚨 核心扫描 — 一句话点透本质。基于唯物辩证法，精准锁定决定系统生死的「主要矛盾与矛盾的主要方面」。

2. 👁️‍🗨️ 真实边界 — 剥离表象，指明利益主体潜规则与阶级/生态位。强制执行「跨域同构映射」（提取历史/生态/架构中底层逻辑相似的对照体）。推演极值（成立前提与最坏底线）。

3. ♟️ 动态决策 — 视提问意图自动匹配：
   • 若为求知 Why/What： 推演事件必然走向与触发质变的核心节点。不给操作建议。
   • 若为求解 How： 输出博弈三策：
     • Plan A (结构寻优/顺势)：在现有系统边界内，阻力最小的参数调优与利益最大化路径。
     • Plan B (协议绕过/降维)：跳出当前规则层，利用生态位错配或唤醒非对称打击。
     • Plan C (底座保全/熔断)：系统崩溃时的强制止损。

4. ⚡ 执行拷问 — 冷峻逼问。若为求知，拷问其面对系统质变的对冲筹码；若为求解，逼问其路径选择及下一步参数。

5. 🪞 逆向自检 — 推翻此结论需何种变量突变？指出模型推演盲区。

配置流程

1. 首次启动 — Agent 会自动读取所有记忆文件，如果为空则使用默认模板。
2. 手动配置 — 编辑 PROFILE.md 定义身份和偏好，编辑 SOUL.md 定义行为边界。
3. 持续迭代 — Agent 会在每次会话中主动记录重要信息到 memory/YYYY-MM-DD.md，定期提炼到 MEMORY.md。

关键点： QwenPaw 不是每次重启都重新初始化。记忆通过文件持久化，会话中断后自动恢复上下文。

依赖规模

qwenpaw 依赖非常多（244 个包），包括：

• agentscope 1.0.19
• playwright 1.58.0 (39MB)
• transformers 5.5.4 (9.8MB)
• onnxruntime 1.23.2 (16MB)
• chromadb 1.5.8 (20MB)
• grpcio 1.80.0 (11MB)
• pandas 3.0.2 (9.5MB)
• alibabacloud-dingtalk 等阿里系 SDK
• discord-py、twilio 等消息渠道 SDK

首次安装需要下载不少内容，耐心等待。

相关工具对比

QwenPaw 和 OpenCode 可以通过 ACP (Agent Communication Protocol) 互联，配置里已经默认开启了：

"acp": {
  "agents": {
    "opencode": { "enabled": true },
    "qwen_code": { "enabled": true },
    "claude_code": { "enabled": true }
  }
}

参考资料

• QwenPaw 官网：https://qwenpaw.agentscope.io/
• GitHub：https://github.com/agentscope-ai/QwenPaw
• OpenRouter MiniMax M2.5 Free：https://openrouter.ai/minimax/minimax-m2.5:free