断网也能跑的小龙虾，EdgeClaw 在 GitHub 上开源了。

最近刷 GitHub，发现了清华、人大、面壁智能等一起开源了一个项目，叫 EdgeClaw。

让你在本地部署「小龙虾」，数据完全不出门。

市面上主流的小龙虾 OpenClaw，本身是部署在你本地电脑上的，但做推理还是得调云端大模型。

你的消息、文件、工具调用结果，都会发到云端 API 处理。

密码啥的实际上都经过了第三方云服务。

EdgeClaw 就是冲着这个问题来的。

它基于 OpenClaw，但加了一套隐私保护机制 ，而且可以用本地模型处理任务：数据全程不离开你的机器，断网也能跑。

01、它和 OpenClaw 什么关系？

EdgeClaw 是 OpenClaw 的安全增强版。

OpenClaw 有的东西它全都有：20+ IM 接入、浏览器操作、文件读写、50+ Skills、子 Agent 系统等等。

多出来的核心东西就三样：

① GuardClaw 隐私路由中间件： 自动安全分级

② 推荐本地模型： 支持面壁全系列 MiniCPM 小钢炮模型，通过 Ollama 运行，也支持其他模型

③ EdgeClaw Box 硬件方案： 开箱即用

一句话类比：OpenClaw 是一台发动机，EdgeClaw 是装好安全系统的整车。

项目地址：https://github.com/OpenBMB/EdgeClaw

02、怎么做到数据不出门？

EdgeClaw 的核心创新是一个叫 GuardClaw 的隐私中间件。

逻辑很简单：自动判断每条消息的敏感程度，然后决定走云端还是本地。

三级自动分级

每一条用户消息、每一次工具调用、每一段 Agent 输出，都会被自动分为三个等级：S1（安全）、S2（敏感）、S3（私密）

• S1 级别的内容直接发给云端大模型处理
• S2 级别会先脱敏再转发云端
• S3 级别则完全由本地模型处理，绝不外传。

整个过程全自动，不需要你手动选这个用本地，那个用云端。

当然，如果你什么都不想上云，也可以全部走本地模型处理，等于就是一个纯本地的 OpenClaw。

分级路由只是默认模式，给你一个选择：简单任务可以让云端大模型发挥更强的能力，敏感任务留在本地零风险。

怎么检测？

双引擎，一个快一个准：

规则引擎（毫秒级）： 正则匹配 + 关键词扫描，一眼识别密码、密钥、身份证号这些明确模式。速度快到几乎无感

本地模型引擎（1-2 秒） ：用本地 MiniCPM 做语义理解，处理更微妙的情况。

比如你说「帮我看看工资单有没有问题」，消息本身没有敏感词，但模型理解「工资单」意味着财务隐私，自动标为 S3

两个引擎并行跑，取最高敏感级别。

EdgeClaw 本地推理推荐使用面壁自研的 MiniCPM 全系列端侧模型。

从轻量级到高性能，整个 MiniCPM 家族都支持：MiniCPM 4.1、MiniCPM-V 等，你可以根据硬件条件自由选择合适的型号。

装好 Ollama 之后，一条命令就能跑起来：

ollama run openbmb/minicpm4.1

硬件要求也不算高，量化版通常 8GB 内存就能跑起来，选更大参数的型号对应提高内存就行。

03、全链路保护

这里有个细节我觉得挺关键的。

AI Agent 不是简单的一问一答。

它有完整的执行流程------读文件、调工具、生成子任务、写入记忆。

所以 EdgeClaw 不只是在入口检查一次，而是在整个流程里设了 6 个核心检查点：

消息到达 → 路由分流 → 工具调用拦截 → 结果检查 → 会话记录 → 记忆同步

另外还额外加了出站消息扫描和子 Agent 隐私注入，一共 8 个 Hook，把安全网铺到了每个角落。

连记忆都是隔离的。

云端模型只能看到脱敏后的对话历史，完整记忆只有本地模型才能访问。

从根本上杜绝了隐私数据通过上下文窗口泄露给云服务。

04、EdgeClaw Box：开箱即用的硬件方案

除了开源软件，面壁还推出了一款配套硬件产品 EdgeClaw Box。

目前已适配松果派、英伟达 DGX Spark、苹果 Mac Mini 等硬件，插上电就能用，不需要技术背景。

插上电就能用，不需要技术背景。

多设备、多模型、海量通用 + 行业专属 Skills，开箱即用，无需部署。

而且数据留本地，商业不泄密，简单任务跑本地小模型零 Token，复杂任务才调云端大模型。

写在最后

EdgeClaw 由清华 THUNLP、中国人民大学、AI9Stars、面壁智能和 OpenBMB 联合开发。

它的核心思路其实挺清晰的：不是让你在隐私安全和AI 能力之间二选一，而是两个都要。

公开数据享受云端大模型的最强推理，敏感数据留在本地零风险。