前两天晚上OpenClaw 突然发布重大版本。不少朋友更新后辛辛苦苦养的小龙虾却挂了。很多技术小白连夜开始救虾可是折腾到深夜都没能搞定于是在网上引发了一片热议。说实话OpenClaw 从 2026 开年以来一直火到现在但还是不太适合普通人上手使用。除了部署安装配置难之外还有很多安全隐患小白稍微不慎甚至会把自己电脑里的信息传到外面。后来在 GitHub 上发现了AiPy一个能聊天、能干活、能操作电脑的 AI 员工开箱即用。GitHubhttps://github.com/knownsec/aipyapp了解了下AiPy 背后的团队是「知道创宇」做网络攻防出身的是国内老牌安全公司。更有意思的发现AiPy 在 2025 年 4 月就开源比 OpenClaw 早了将近一年时间。OpenClaw 依赖大量预设工具和插件才能干活配置起来门槛并不低而 AiPy 走的是另一条路。遇到任务直接现写 Python 代码来解决不受固定场景限制也不需要提前装一堆插件。我们用大白话下指令它自己写代码、执行、Debug直到把活干完交差。数据全程在本地跑不经过任何外部服务器。说再多不如直接开测下面是三个亲自跑的实测案例难度从低到高。实测一解析知乎文章有时看到一篇写得很好但又很长的文章就想把链接丢给 AI 帮忙总结内容结果大概率是「无法抓取内容」。于是我就想在 AiPy 上测一下把之前写过的一篇文章链接发给它让它总结内容并将文章内容以 Markdown 文件保存到本地。指令发出去后它会组建一个专业 Agent 团队协同工作有数据分析师、高级工程师、项目经理等角色明确分工后便开始行动。任务执行过程中出现了个小插曲工程师石破天写的脚本没能成功系统当场扣了他季度绩效 2 分。说真的这个任务的确存在不少难度但 AiPy 没有放弃随即指派资深架构师夜辰接手前后至少尝试了 5 种不同的 Python 方案。这份勇于尝试、锲而不舍的劲头放人堆里也是难得的好员工。最终成功获取到文章内容分析总结要点并按要求将文章以 Markdown 格式保存到本地下载文件夹。实测二分析当前电脑系统性能电脑用久了风扇狂转、运行卡顿很多人打开活动监视器看着一堆进程根本不知道该关哪个。干脆让 AiPy 来查给了它一条指令分析当前电脑 CPU 和内存占用率最高的 TOP10 进程并生成可视化报告。中途遇到了点状况依赖包没装全脚本第一次跑失败了AiPy 没有停下来问该怎么办。而是读取报错信息自己写了一段安装脚本把缺失依赖装好然后重新跑一气呵成。最终生成了一份带图表的 HTML 分析报告CPU 占用、内存占用各出一张可视化图还附上了针对性的优化建议。可以上下滚动的图片前两个案例都是 AiPy 的基础能力接下来上点难度看看装上 Skill 之后能做什么。实测三控制浏览器抓取豆瓣书单AiPy 还内置了一个 Skills 集市里面有各种现成的智能体能力覆盖数据分析、内容创作、办公效率、自动化控制等类型安装即用。比如装上浏览器控制这个 Skill能力立刻就到位了给 AiPy 下达一个任务打开豆瓣读书搜索关键词「AI」找出评分最高的 10 本书保存到 Excel。接到任务后AiPy 先做任务分析然后组了一个团队有前端工程师、数据爬虫专家、数据分析师、质量监控员。整个过程自动控制浏览器打开页面、填入关键词、抓取搜索结果把书名、评分、评价人数逐一提取出来。最后不只交付了 Excel 文件还额外生成了一份 HTML 可视化报告超出预期。报告底部有一行小字「本地数据处理不上传任何信息」。这也恰恰说明 AiPy 的基本数据保护原则。这几个案例测下来感受最深的不是它能做多少事而是它处理意外的方式。依赖安装缺少自己补脚本跑失败了自己改浏览器抓数据抓着抓着顺手多生成了一份报告。全程不需要盯着它不需要帮它解释报错把任务交出去结果就会出现在工作目录里。三端远控出门在外也能指挥 AiPy 干活AiPy 最新版本 0.14.3 还支持飞书、QQ、微信三端远控。微信推出 ClawBot 插件后AiPy 第一时间就做了适配扫码绑定即可使用。后续直接在手机微信里发一条消息AiPy 就会在本地电脑上创建任务、开始执行。AiPy 立刻回应已创建任务正在安排团队处理。随后开始干活进展实时回传到微信对话里。可以上下滚动的图片一键安装开箱即用官网提供了客户端安装包支持 Windows、macOS、Linux 系统。下载后双击安装全程没有命令行没有环境配置开箱即用和装一个普通软件没有区别。注册时填入邀请码BxCg可以领取 200 万 Tokens 额度对于大部分人来说足够用很长一段时间了。写在最后Agent 这个词最近被说烂了技术层面的突破已经不是问题但真正能让普通人用起来的工具至今寥寥无几。一个需要懂命令行才能跑起来的 Agent注定只是开发者圈子里的玩具。再加上数据安全这两道门槛叠在一起让很大一部分用户望而却步。OpenClaw 已然向大家证明了 AI Agent 能干活但还没有完全解决这两个问题。而 AiPy 选择从这里切入把安装门槛压到最低把数据安全做到本地把执行能力交给 Python 来兜底。归根结底普通人需要的不是一只需要精心饲养的龙虾而是一只开箱就能干活的章鱼。官网https://www.aipyaipy.comGitHub 项目地址https://github.com/knownsec/aipyapp如果大家在使用过程遇到问题也可以加入他们交流群询问里面还有很多玩法和案例分享。今天的分享到此结束感谢大家抽空阅读我们下期再见Respect