允中 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

把Agent接入工作流，本該是件提效的樂事。

但現(xiàn)實往往是：為了保住數(shù)據(jù)隱私，只能守著本地“智商有限”的小模型死磕；為了追求極致性能，又不得不眼睜睜看著云端API燒掉大把經費，還得時刻擔心敏感信息在不經意間“裸奔”。

云端太危險，本地太雞肋。難道開發(fā)者只能在“裸奔”和“人工智障”之間二選一？

破局者出現(xiàn)了。

清華大學THUNLP實驗室、中國人民大學、AI9Stars、面壁智能與OpenBMB聯(lián)手，給AI Agent裝上了一個“智能交通指揮官”——ClawXRouter

作為一個開源的端云協(xié)同AI智能體路由插件，它可以輕松適配OpenClaw生態(tài)。

就像讓Agent有了“分身術”一樣，聰明地在本地和云端之間切換：簡單的本地跑，敏感的脫敏做，復雜的交給云端。

ClawXRouter源于端云協(xié)同的智能體框架EdgeClaw——其內生具備三級隱私路由、性價比感知路由、智能脫敏轉發(fā)、雙軌記憶等完整的端云協(xié)同能力。

最新測評效果顯示：使用ClawXRouter不僅讓成本直降58%，性能反而還提升了6.3%

三大頑疾一招破，端云協(xié)同開啟Agent落地新范式

事實上，這種“兩頭堵”的尷尬，正來源于當前Agent使用模式中難以調和的三大頑疾

• 云端“不敢用”：想讓Agent分析一份客戶數(shù)據(jù)表？這個想法很棒，但客戶的姓名、手機號、身份證號……這些敏感信息隨上下文一起發(fā)到了云端第三方服務器。一次數(shù)據(jù)分析，可能就意味著一次嚴重的隱私泄露。這個風險，沒人能承擔。
• 云端“用不起”：只是想用grep查找一個函數(shù)調用的位置，或是做個簡單的文本摘要，這Agent卻二話不說直接調用最昂貴的頂級模型處理。大部分token被花費在了便宜模型即可解決的簡單任務上，堪比“殺雞用牛刀”。
• 本地“用不好”：在本地跑模型安全又便宜，但性能卻常常達不到預期，原因是端側模型算力與參數(shù)規(guī)模受限。做格式轉換、數(shù)據(jù)匯總還行，一旦涉及多文件交叉分析或復雜的異常檢測，模型就“宕機”，難以勝任高難度任務。

ClawXRouter的出現(xiàn)，正是為了打通端云協(xié)同的最后一步：通過一套精妙的路由機制，為每一條請求找到最合適的路徑。

這樣一來，開發(fā)者無需改動一行業(yè)務代碼，就能讓AI Agent自動實現(xiàn)：

• 公開數(shù)據(jù)上云分析
• 敏感數(shù)據(jù)脫敏后上云
• 私密數(shù)據(jù)本地處理

一個插件，絲滑實現(xiàn)端云協(xié)同，解決開發(fā)者“不敢用、用不起、用不好”的三大難題。

三級隱私路由，解決“不敢用”

即使是Code Review這樣的日常任務，也可能一不小心把API Key或數(shù)據(jù)庫密碼喂給云端模型。

ClawXRouter通過植入鉤子（Hook），像安檢一樣自動掃描每一條消息、工具調用和Agent輸出，并將其分為三級：

• S3（私密）：SSH私鑰、硬編碼密碼、工資單。這些數(shù)據(jù)將被物理隔離，請求完全由本地模型離線處理，云端毫不知情。私密信息，絕不出本機。
• S2（敏感）：含內網IP的告警日志、含手機號的聯(lián)系人列表。ClawXRouter會自動識別并智能脫敏（例如，將“王小二”替換為[REDACTED:NAME]），然后才轉發(fā)給云端模型。
• S1（安全）: 如“HTTP 403和401有什么區(qū)別？”這類普通問題，直接發(fā)往云端，發(fā)揮其最強能力。

這背后是“規(guī)則+模型”雙檢測引擎在保駕護航，既快又準，能確保萬無一失。

性價比感知路由，解決“用不起”

“航天級”模型如何干“擰螺絲”的活？

ClawXRouter內置了一個由本地小模型擔當?shù)摹叭蝿赵u估師”（LLM-as-Judge）。它會快速判斷任務復雜度，然后將請求分發(fā)給最合適的模型。

效果如何？在PinchBench（包含23項OpenClaw Agent基準測試）上跑了一下：

結論是：成本節(jié)省58%，性能反而提升6.3%

雙軌記憶、智能脫敏，解決“用不好”

當一項任務既包含敏感信息、又需要云端模型的強大推理能力時，怎么辦？

這時，ClawXRouter的智能脫敏機制就派上了用場。

對于涉及敏感信息的復雜任務，本地模型能力不足時不必“硬扛”：

ClawXRouter會自動識別敏感信息并智能脫敏后，將脫敏后的任務安全交給云端處理。

同時，ClawXRouter巧妙地維護了雙軌記憶雙軌會話機制：云端模型只能看到脫敏后的對話歷史（`MEMORY.md`），本地則保留完整信息（`MEMORY-FULL.md`）。

這樣既保護了隱私，又沒有因為本地模型的瓶頸而卡住工作流，從根本上杜絕隱私數(shù)據(jù)通過上下文窗口泄露給第三方服務的風險。

可組合管線與可視化Dashboard

每個開發(fā)者與團隊的需求都不同。為此，ClawXRouter提供了：

• 可組合路由管線：隱私路由和性價比感知路由運行在同一管線中，遵循安全優(yōu)先原則，隱私路由器高權重先跑，發(fā)現(xiàn)敏感數(shù)據(jù)直接短路處理；安全通過后才啟動性價比路由優(yōu)化成本。整個管線通過10個Hook覆蓋從模型選擇到會話結束的完整生命周期，無侵入式接管OpenClaw原有流程。
• 可視化Dashboard：支持中英雙語，涵蓋用量概覽、會話記錄、檢測日志、路由規(guī)則配置與模型配置五個面板，所有改動即時生效、無需重啟，方便用戶按自身需求靈活調整。

快速上手

# 前置條件：已安裝 OpenClaw

# 通過 npm 安裝（推薦）

pnpm add -w @openbmb/clawxrouter

# 或通過 ClawHub 安裝

openclaw plugins install clawhub:clawxrouter

# （可選）安裝本地推理后端

ollama pull openbmb/minicpm4.1

ollama serve

# 啟動

openclaw gateway

# Dashboard → http://127.0.0.1:18789/plugins/clawxrouter/stats

云側不敢用、用不起，端側用不好？

ClawXRouter的答案是：

不必二選一，讓端側和云側各盡其能。

項目將持續(xù)開源迭代，歡迎開發(fā)者與行業(yè)伙伴參與貢獻，共同構建安全高效的端云協(xié)同Agent生態(tài)。

GitHub開源鏈接：
https://github.com/Openbmb/ClawXRouter
ClawHub鏈接：
https://clawhub.ai/plugins/clawxrouter