JiuwenClaw: 华为 openJiuwen 团队的国产龙虾来了～

开源圈最近有点魔幻

最近如果你混技术群，大概率会看到一个词频繁出现：

AI Agent

尤其是最近这段时间，一个项目突然在开源圈刷屏：

openClaw

各种微信群、技术社区、开源论坛都在讨论它。

甚至出现了这样的场景：

求 openClaw 安装教程
谁能帮我部署一下v 你 50

更离谱的是：

有云厂商开始提供线下(上门)安装服务。

没错。

像装宽带一样。

上门帮你部署 AI Agent(openClaw)。

现实也很真实

很多人兴冲冲装完之后发现：

事情大概是这样：

token 烧了一堆
GPU 跑了一晚上

然后：

龙虾养死了
变成野生虾了

最后发现：

事情一件没干成。

这其实是当前很多 AI Agent 项目的真实状态：

很聪明 但没有落地

AI Agent 的真正问题

很多人以为 AI Agent 的问题是：

模型不够强

其实不是。

现在的大模型已经很强了。

真正的问题是：

执行系统。

大模型擅长：

理解
推理
生成

但真正的任务流程是：

任务理解
↓
信息搜索
↓
工具调用
↓
数据整理
↓
结果输出

这是一整套系统。

而不是一次对话。

我最近看到一个有意思的项目

就在这个背景下，我看到一个项目：

👉https://gitcode.com/openJiuwen/jiuwenclaw

项目名字：

JiuwenClaw

这是一个基于 openJiuwen Agent 平台开发的 AI Agent 应用。

它做的事情很简单：

把 AI Agent 接入到日常通讯工具。

换句话说：

你可以在聊天工具里直接调用 AI Agent。

openJiuwen 是什么

JiuwenClaw 并不是一个孤立项目。

它背后是一个 Agent 平台：

openJiuwen

openJiuwen 的定位是：

AI Agent 开发与运行平台

简单来说：

openJiuwen
   ↓
提供 Agent 运行能力
   ↓
开发者可以构建 Agent 应用

👉https://www.openjiuwen.com/

openJiuwen 架构图

openJiuwen 架构图

而 JiuwenClaw 就是一个 Agent 应用实例。

Token 成本其实是 Agent 的关键问题

很多人第一次跑 Agent 时都会遇到一个现实问题：

Token 消耗。

因为 Agent 的运行通常包含：

多轮推理
工具调用
任务拆解

如果 Token 成本太高，

Agent 很容易出现：

任务还没完成
预算已经爆炸

最近我看到一个比较有意思的服务：

👉https://ai.atomgit.com/serverless-api

AtomGit AI

AtomGit AI

AtomGit 提供了一个 Serverless AI API 服务。

它的特点是：

Token 不限量使用(暂时)。

对于 Agent 场景来说，这其实非常关键。

否则很多 Agent 项目刚开始跑任务，

就已经因为成本停下来了。

JiuwenClaw 的一个优势

很多 AI 项目喜欢做一件事：

创造新的入口。

比如：

AI 浏览器
AI IDE
AI App

但 JiuwenClaw 选择了一个更现实的入口：

聊天。

因为很多工作其实是这样完成的：

需求
↓
讨论
↓
任务
↓
执行
↓
反馈

而这一切都发生在：

聊天工具里。

实际安装体验

JiuwenClaw 的部署其实并不复杂。

官方文档：

jiuwenClaw文档

jiuwenClaw文档

👉https://gitcode.com/openJiuwen/jiuwenclaw/blob/main/README.mds

这里我推荐源码安装，毕竟人人都是程序员，人手都有 AIDE，想要加啥功能一句话的事

后续有机会分享 CodeArts Agent 二开 jiuwenClaw 新增 telegram bot 支持

基本流程是：

1 安装环境

需要准备：

Python >=3.13,<3.14
Node.js >=18.0.0（仅源码前端构建或 browser-use 功能需要，推荐 20 LTS）
uv (可让 AI 工具如 openCode、claude code、CoderArts Agent 等帮忙安装)

⚠️Python 版本要求比较严

2 克隆项目

git clone https://gitcode.com/openJiuwen/jiuwenclaw.git

进入目录：

cd jiuwenclaw

3 安装依赖

# python 依赖
uv sync

# nodejs 依赖
cd jiuwenclaw/web
npm install

4 运行服务

# 静态运行前端服务（先打包前端再运行）
npm run build
cd ../../
uv run jiuwenclaw-start
  
# 动态运行前端服务（开发态运行）
cd ../../
uv run jiuwenclaw-start dev

# 如遇到配置报错可尝试先初始化
uv run jiuwenclaw-init

对接 feishu bot：

feishu

feishu

在 feishu 中使用：

feishu bot

feishu bot

4 配置模型 API

配置你的大模型 API，例如：

OpenAI
DeepSeek
AtomGit API

这里我用的是自己部署的 newapi 来对接各路 llm api

配置 LLM

配置 LLM

AI Agent 可能真正有价值的地方

AI 过去几年主要在做一件事：

聊天。

但真正有价值的 AI 应用可能是：

行动。

未来的工作流程可能是：

@AI 帮我做一个竞品分析

Agent 自动：

搜索资料
整理信息
生成报告

然后把结果发回群里。

你只需要看一眼。

竞品分析

竞品分析

AI 可能正在进入一个新阶段

AI 行业这两年经历了几个阶段：

Chatbot
↓
Copilot
↓
Agent

Chatbot 解决的是：

信息获取

Copilot 解决的是：

辅助创作

而 Agent 试图解决的是：

任务执行

JiuwenClaw 这种项目，其实就是在探索：

AI 如何真正进入工作流。

AI三阶段进化

AI三阶段进化

结尾

如果你对 AI Agent 感兴趣，可以看看这个项目：

👉https://gitcode.com/openJiuwen/jiuwenclaw

AI Agent 现在还在早期阶段。

但也许到明年，

我们每天使用的聊天软件里，

真的会多出一个成员：

AI。