Crayfish 与 WorkBuddy 容器版：桌面 Agent、容器运行时，以及相对 RPA 的真实优势

本文回答四件事：

① Crayfish（OpenClaw / 小龙虾）和 WorkBuddy 分别是什么 ；

② 容器版相对桌面版差在哪、强在哪 ；

③ 和 Coze / Dify 这类 Web Agent 看起来很像，差在哪一层 ；

④ 它们和传统 RPA 是替代关系，还是分层协作。

结论先行：

桌面版解决「这台电脑上的事」；
容器版解决「带操作系统的可调度运行时」；
Coze 类 Web Agent 解决「对话 + 工作流 + API 插件」；
RPA 仍擅长确定性 GUI 流水线。
四者都叫 Agent，真正拉开差距的不是模型口号，而是执行面（Runtime）放在哪、手能伸到哪。

[先把对象对齐：聊天、Web Agent、RPA、能干活的 Runtime](#先把对象对齐：聊天、Web Agent、RPA、能干活的 Runtime "#1-%E5%85%88%E6%8A%8A%E5%AF%B9%E8%B1%A1%E5%AF%B9%E9%BD%90%E8%81%8A%E5%A4%A9web-agentrpa%E8%83%BD%E5%B9%B2%E6%B4%BB%E7%9A%84-runtime")
Crayfish：开源「小龙虾」到底是什么
[WorkBuddy：企业办公 Agent 工作台](#WorkBuddy：企业办公 Agent 工作台 "#3-workbuddy%E4%BC%81%E4%B8%9A%E5%8A%9E%E5%85%AC-agent-%E5%B7%A5%E4%BD%9C%E5%8F%B0")
容器版是什么：不是换个安装包，是换执行面
[桌面版 vs 容器版：同一套 Agent，两种运行时](#桌面版 vs 容器版：同一套 Agent，两种运行时 "#5-%E6%A1%8C%E9%9D%A2%E7%89%88-vs-%E5%AE%B9%E5%99%A8%E7%89%88%E5%90%8C%E4%B8%80%E5%A5%97-agent%E4%B8%A4%E7%A7%8D%E8%BF%90%E8%A1%8C%E6%97%B6")
[对比 Coze 等 Web Agent：像容器，但通常没有一台电脑](#对比 Coze 等 Web Agent：像容器，但通常没有一台电脑 "#6-%E5%AF%B9%E6%AF%94-coze-%E7%AD%89-web-agent%E5%83%8F%E5%AE%B9%E5%99%A8%E4%BD%86%E9%80%9A%E5%B8%B8%E6%B2%A1%E6%9C%89%E4%B8%80%E5%8F%B0%E7%94%B5%E8%84%91")
[对比传统 RPA：规则回放 vs 意图规划](#对比传统 RPA：规则回放 vs 意图规划 "#7-%E5%AF%B9%E6%AF%94%E4%BC%A0%E7%BB%9F-rpa%E8%A7%84%E5%88%99%E5%9B%9E%E6%94%BE-vs-%E6%84%8F%E5%9B%BE%E8%A7%84%E5%88%92")
[选型决策：Web、桌面、容器、还是 RPA](#选型决策：Web、桌面、容器、还是 RPA "#8-%E9%80%89%E5%9E%8B%E5%86%B3%E7%AD%96web%E6%A1%8C%E9%9D%A2%E5%AE%B9%E5%99%A8%E8%BF%98%E6%98%AF-rpa")
落地建议与常见坑
局限与参考资料

1. 先把对象对齐：聊天、Web Agent、RPA、能干活的 Runtime

很多团队把 ChatGPT、扣子（Coze）、Dify、UiPath、桌面 AI 助手、Docker 里的 Agent 混成一句话：「我们上了自动化」。这几件事差在 谁规划、谁执行、手能伸到哪。

最容易混的是 Coze / Dify 这类 Web Agent 和 WorkBuddy 云沙箱 / Crayfish 容器：两边都是打开浏览器或 IM 就能用、电脑不用一直开、任务跑在云上。观感相似，执行面不是同一层------前者多半是「对话 + DAG + HTTP 插件」，后者才接近「给你一台带文件系统的电脑」。

text 复制代码

只聊天        Web Agent           传统 RPA          桌面 Agent           容器 Agent
────────      ──────────          ──────────        ────────────         ─────────────
人问 AI 答    对话 / 拖拽工作流    录好脚本回放      自然语言 → 规划      自然语言 → 规划
不出产物      调知识库和 API      步骤固定          在本机点文件/软件    在隔离沙箱里干活
无执行面      执行面=平台云函数    执行面=本机桌面   执行面=用户电脑      执行面=容器 / 云沙箱
              手=插件/HTTP                         手=真实 OS           手=容器里的 OS

形态	典型产品	驱动方式	执行面	能交付什么
聊天助手	ChatGPT / 各类 Copilot Chat	对话	几乎没有（最多调插件）	文字建议
Web Agent	Coze / Dify / FastGPT / 百炼智能体	对话 + 可视化工作流	平台托管的 LLM + 插件沙箱	问答、工单机器人、调 API 后的卡片/文档链接
传统 RPA	UiPath / 影刀 / 星辰 RPA 客户端	录制 + 规则	本机桌面 / 浏览器	固定流水线的点击与填表
桌面 Agent	Crayfish 桌面封装、WorkBuddy 本地模式	意图 + 规划	用户电脑	报告、PPT、本地文件整理
容器 Agent	OpenClaw Docker、WorkBuddy 云端沙箱	意图 + 规划	隔离容器	可弹性扩缩的后台任务、真实工作区产物

后文把 Crayfish 当作开源运行时（OpenClaw，中文社区称「小龙虾」），把 WorkBuddy 当作腾讯云面向职场的成品工作台，把 Coze 等 当作 Web 低代码 Agent 平台的代表。前两者共享同一类架构问题：Gateway / 控制面在哪，Tool 真正跑在哪。 Web 平台的问题则是：图怎么编排、插件能调哪些 HTTP、知识库在谁家里。

2. Crayfish：开源「小龙虾」到底是什么

2.1 名字从哪来

Crayfish 不是另一套模型，而是开源 Agent 网关 OpenClaw （前身 MoltBot / Clawdbot）在中文社区的通称------「小龙虾」。它由 Peter Steinberger 发起，定位是：把大模型变成跑在你自己机器上的私人助手网关，而不是又一个网页聊天框。

同类桌面封装还有 OneClaw（把 Gateway 打成开箱即用客户端）、有道 LobsterAI（桌面级办公 Agent，底层仍走 OpenClaw Gateway）。选型时先认清分层：

text 复制代码

产品壳（OneClaw / LobsterAI / 自研 Web）
        │
        ▼
OpenClaw Gateway  ← Crayfish 的真正内核
        │
        ├── Channel：微信 / 飞书 / Telegram / Slack ...
        ├── Session：按发送者隔离上下文
        ├── Skill / MCP：能力包与工具协议
        └── Runtime：本机 exec  或  Docker / SSH 沙箱

2.2 它解决什么，不解决什么

主流 SaaS 助手的短板很具体：渠道锁死、上下文不跨 App、没有真正的本地文件权、你不说话它就不跑。Crayfish 的回答是：

一个 Gateway，多个渠道：WhatsApp、Telegram、Slack、Discord、飞书、钉钉等接入后，内部都变成统一 Message。
本地优先：配置、记忆、工作区默认在你的机器或你的 VPS 上，模型可以换成 Claude / GPT / 混元 / 本地 Ollama。
会执行：bash、读写文件、浏览器、定时 cron，而不只是生成一段建议。
Skill 可沉淀 ：一次手工跑通的流程，可以固化成 SKILL.md + 脚本，下次直接调。

它不承诺的事情同样重要：它不是等保一体的企业套件，不是开箱即用的财务/HR 数字员工平台，安全默认值偏「信任机主自己」。企业要合规、SSO、审计、多租户配额，通常不会拿裸 OpenClaw 当生产控制面，而会选 WorkBuddy 这类成品，或自建一层治理。

2.3 架构：Gateway 不是 Nginx

OpenClaw 的核心是一个 Node.js 长驻进程 Gateway。它不是无状态反向代理，而是控制平面：

flowchart LR subgraph channels[渠道层] WX[微信/企微] FS[飞书] TG[Telegram] SL[Slack] end subgraph gw[Gateway 控制面] RT[渠道路由] SM[Session 管理] SCH[Cron 调度] TE[工具调度] end subgraph runtime[执行面] HOST[本机 exec] BOX[Docker / SSH 沙箱] end channels --> RT --> SM SCH --> SM SM --> TE TE --> HOST TE --> BOX

四件必须记住的事：

渠道路由 ：适配器把各平台消息归一，再按 allowFrom / mention 规则打到指定 Agent。
Session 隔离：每个 sender（渠道 + 用户 ID）独立上下文，同事的对话不会串到你的主会话。
权限分级 ：main 会话（机主自己）默认可在宿主机上跑 bash；非 main / cron 默认进沙箱，浏览器和网络常被关掉。
Gateway 留在宿主机，工具进容器 ：官方沙箱模型非常明确------隔离的是 tool execution，不是把整个网关塞进容器才叫「容器版」。完整 Docker 部署则是另一种形态：连 Gateway 一起装箱，方便 VPS / 团队复制。

Skill 和 MCP 不要混：

维度	MCP Server	Crayfish Skill
粒度	单个工具函数	prompt + 脚本 + 配置的能力包
分发	独立进程，JSON-RPC	Workspace 目录，热加载
状态	通常无状态	可缓存、可写配置
谁写	开发者预置	开发者写，或 Agent 跑通后固化

这和多 Agent 五层架构里的「工具与沙盒层」是同一件事：模型只负责想，Runtime 负责做，沙箱负责把爆炸半径关进笼子。

2.4 容器化对 Crayfish 意味着什么

官方推荐 Docker 的原因不是「潮流」，而是 Agent 必须能读文件、跑命令：

维度	本机直接装	Docker / 沙箱
依赖	要 Node、一堆系统包	宿主机只需 Docker
污染	装坏本机环境	`compose down` 即可清掉
安全	工具以宿主机用户权限执行	非 root 镜像 + 可选沙箱容器
复制	「在我电脑上能跑」	镜像 + volume，环境可复现
适用	个人折腾、深度控本机	VPS、团队、多实例、不信任的任务

沙箱还有更细的旋钮：mode（off / non-main / all）、scope（session / agent / shared）、workspaceAccess（none / ro / rw）。这决定了「Agent 能看见你的真实磁盘多少」。容器版的优势几乎都来自这条边界，而不是又换了一个聊天 UI。

3. WorkBuddy：企业办公 Agent 工作台

3.1 定位

WorkBuddy 是腾讯云 CodeBuddy 体系下的 全场景职场 AI 智能体工作台 。官方叙事可以压成一句话：你说，AI 做，你验收。

它和 Crayfish 的关系，更接近「开源网关 vs 企业成品」：

底座与 CodeBuddy、QClaw 同源，内部验证周期更长。
面向职场全员，而不是先要求你会配 openclaw.json。
强调可验收产物：Word / Excel / PPT / 报表，而不是一段「你可以这样写周报」。
兼容 OpenClaw Skill 生态，但多了连接器、项目空间、审批和腾讯文档 / 乐享 / ima 等组织知识入口。
部署形态覆盖 SaaS、VPC、私有化；运行时则明确做成 云端沙箱（容器）+ 本地执行 双模。

3.2 产品逻辑：六层链路

公开资料没有把内部调度源码摊开，但产品能力可以收成一条链：

text 复制代码

① 入口     桌面 / 文件截图 / 企微飞书 / 定时任务
② 上下文   Task · Workspace · Project · Memory
③ 规划     意图识别 · Todo · 专家/多 Agent 协作
④ 执行     本地文件 · Skill · MCP · 浏览器 · 连接器
⑤ 交付     产物预览 · 文件变更 · 投递到目录/邮件/群
⑥ 治理     权限 · 高风险确认 · 连接器授权 · 审计

和传统聊天工具的差别不在「模型是不是混元」，而在 Task 有状态、Workspace 有边界、Skill 可复用、关键步骤可以人工卡点。

四组容易混的概念：

概念	是什么	不是什么
Task	一次可追问、可迭代的工作会话	一次性聊天气泡
Workspace	本次任务读写的目录（效率 + 安全边界）	整个 C 盘
Project	团队级指令、连接器、Skill、资料模板	普通共享文件夹
Memory	个人偏好与近期事项	企业知识库 / RAG 全集

3.3 双执行引擎

WorkBuddy 真正和「又一个桌面客户端」分开的，是 同一套任务可以在两种 Runtime 上跑：

模式	计算发生在哪	本机做什么	典型场景
本地执行（桌面版）	用户电脑	读本地盘、调 Office、跑脚本	大文件、涉密、深度改稿
云端沙箱（容器版）	腾讯云隔离容器	发指令、收结果，可不参与计算	手机发起、弹性算力、环境标准化
混合切换	可按任务类型自动选，也可中途改	本机变「遥控器」或「执行器」	本地开了头、算力不够切云端

云端沙箱侧常见工程手段：容器预热、独立沙箱、技能微实例，把冷启动压下去；本地侧则驻留 Agent 进程，维持和云端的心跳，用来做文件级操作和 IM 遥控（例如 QClaw：微信下令，任务仍在开机的电脑上执行）。

不要把「IM 遥控桌面」理解成容器版。 电脑必须开机、客户端必须在跑------那是桌面执行面的远程入口。容器版的关键是：就算笔记本盖上，任务仍能在云端沙箱里做完。

3.4 相对 Crayfish 的产品差

维度	Crayfish / OpenClaw	WorkBuddy
形态	开源 Gateway + 社区壳	闭源企业工作台
门槛	要会装 Node / Docker、改 JSON	下载或开通即可
数据主权	默认可完全自托管	SaaS / VPC / 私有化可选
组织能力	靠自己接 SSO、审计、配额	项目、连接器、数字员工、审批流更完整
办公深度	强在终端、文件、渠道、Skill	强在 PPT/表格/知识库/腾讯生态
模型	任意接入	混元等内置 + 可接主流模型
适合谁	开发者、极客、要自己掌控运行时	职场全员、要合规落地的团队

一句话：Crayfish 把 Runtime 交给你会运维的人；WorkBuddy 把 Runtime 包装成岗位能用的数字员工。

4. 容器版是什么：不是换个安装包，是换执行面

「容器版」在这两个产品里至少有三层含义，写进方案前必须拆开，否则桌面组和平台组会对着同一张 PPT 各说各话。

4.1 三种「容器」

A. 整机装箱（Gateway in Docker）

把 OpenClaw Gateway、依赖、浏览器（-browser 镜像）打进镜像，用 Compose / K8s 拉起来。适合 VPS、内网服务器、一人一份实例。

B. 工具沙箱（Tool execution in Docker）

Gateway 仍在宿主机或控制面，只有 shell / 读写等工具进短暂容器。OpenClaw 官方 sandbox 就是这条路；WorkBuddy 云端沙箱对用户暴露的也是「任务在隔离环境里跑」，而不是让你 SSH 进一只宠物容器。

C. 云桌面容器（Desktop in container）

社区方案会把 XFCE + Agent + 浏览器放进带 VNC 的容器，用浏览器看 Agent 点网页。这是为了 可观察的 GUI 自动化，资源更重，安全和 DinD（Docker-in-Docker）配置也更刺手。

WorkBuddy 对外主推的容器能力，更接近 B + 托管控制面：Manifest 描述 Agent，Runtime 提供沙箱、Session、持久化、预热池、休眠恢复。Crayfish 则 A、B 都常见，个人用 A 最快，给别人用渠道时必须上 B。

4.2 容器版真正买到的能力

相对「安装一个 exe 长期挂在托盘里」，容器运行时买到的是基础设施属性：

环境一致性：浏览器内核、字体、Python、Chromium 跟镜像走，不再「这台 Windows 能跑、那台 Win11 控件变了就挂」。
爆炸半径可控 ：prompt injection 诱使 rm -rf / 时，炸掉的是沙箱，不是财务共享盘。
与人的电脑解耦：任务不绑「张三那台必须开机的笔记本」；服务端 7×24、按副本扩缩。
多租户雏形：部门各跑各的容器 / Namespace，营销误配不会直接摸到研发仓库。
交付像服务：镜像进 Harbor，GitOps 发布，健康检查、资源 limit、审计日志都是平台团队熟悉的语言。
算力与数据可以拆开：弱设备只发指令；重活（转码、批量文档、带浏览器的调研）在沙箱里做。

这些优势 对 RPA 同样成立 ------传统 RPA 一旦容器化，部署从「每台电脑装客户端」变成「worker 镜像 × N」。所以「容器版」本身不是 Agent 的专利，而是 把脆弱的桌面执行面，升级成可编排的 worker 池。Agent 只是让这个 worker 能听懂自然语言，而不是只会回放脚本。

5. 桌面版 vs 容器版：同一套 Agent，两种运行时

5.1 对照总表

维度	桌面版	容器 / 云沙箱版
执行位置	用户 OS 进程	隔离容器（本机 Docker 或云上）
本机软件	可直接操作 Word、微信、已登录的浏览器	默认没有你的桌面会话；要 GUI 得另做云桌面 / 无头浏览器
本地磁盘	读写真实工作目录，大文件无上传税	需挂卷或先同步；大文件有拷贝成本
数据面	文件可不出本机；推理仍可能走云 API	任务产物在沙箱/对象存储；要评估出域
网络依赖	本地执行可弱网；模型 API 仍常需联网	强依赖控制面与镜像仓库
硬件	吃内存/CPU，官方常见建议 16GB 档	终端可以很瘦；费用转到集群
在线时长	电脑休眠，任务就停	副本在就能跑，可自动休眠省钱
协作	一人一机，Skill 靠导出分享	团队共用 Runtime，Project / 镜像标准化
安全模型	信任这台电脑的用户	默认不信任工具代码，用 policy + 沙箱
运维	终端安装、升级、杀毒误报	镜像版本、配额、探针、密钥注入
成本	沉没的电脑成本 + 电费	按量和按副本；闲置要会休眠

5.2 桌面版仍不可替代的场景

容器再香，也替代不了「这台已经登录了内网 OA 的电脑」：

深度本地文件：几百 MB 的账表、扫描件合同包、只能在内网文件服务器上的目录。
已登录的 GUI 程序：企业微信、专用客户端、需 UKey / 证书的网银与报税------RPA 和桌面 Agent 都还在这条战场上。
涉密与断网机房：标书、客户名单、源代码不允许进公有云沙箱。
人在回路的精细改稿：设计、动画、单元格级对账，本机交互带宽远高于「等沙箱回传一个 pptx」。
IM 遥控本机：人在机场，任务必须碰办公室那台机上的某个路径------这是桌面执行 + 远程指令，不是纯容器。

5.3 容器版相对桌面版的优势（这是本题的重点）

把优势写成可写进架构评审的句子：

1. 隔离默认开启，而不是靠员工自觉

桌面 Agent 一旦拿到文件夹授权，误删和泄密都是真实磁盘事件。容器把 workspace 变成挂载点：none / ro / rw 可配置，密钥走 env 或文件注入，而不是散落在用户主目录。

2. 「一次构建，到处运行」对 Agent 比对本机软件更关键

Agent 依赖链比普通 App 脏：Node、Playwright、中文字体、LibreOffice、ffmpeg。桌面版升级一次，全公司 200 台机就是 200 个环境。容器把这些钉在 tag 上。

3. 把 Agent 从「个人外挂」变成「后台服务」

日报、竞品巡检、邮箱分流、工单初审，本质是 cron + worker。要求每个人不关电脑，组织做不到。容器副本 + 调度，才是数字员工的编制。

4. 弹性与成本可观测

桌面版的成本隐没在「电脑变卡了」。容器可以 limit CPU/内存、看队列堆积、闲时缩到零。WorkBuddy 云沙箱把这层做成产品；自建 Crayfish 则用 Compose 多实例或 K8s 做同一件事。

5. 安全运营语言和企业现网对齐

平台部已经会 Harbor、NetworkPolicy、只读根文件系统、非 root。把 Agent 放进这套语言，比在每台 PC 上关杀毒、开宏、装驱动要可审计得多。注意：普通 Pod 不等于 敌对多租户安全边界；高隔离还要 gVisor / Kata / 独立 VM。

6. 失败可丢弃

沙箱会话挂了就扔，不影响宿主机。桌面版一次卡死，用户正在开的 Excel 一起陪葬------这是体感差异，也是 SLA 差异。

7. 技能与环境打包在一起

Skill 若依赖特定 CLI，桌面版是「文档里写请先安装」。容器版是「镜像里已经有」。对公民开发者（业务自己配数字员工）这是能不能推广的门槛。

5.4 容器版要付出的代价

写优势同时把账单摊开，否则会上线第二天被桌面党打回来：

碰不到真实桌面会话：除非上云桌面 / RDP sidecar，否则不要承诺「帮我点一下已打开的 OA」。
同步时延与一致性：本地改了文件，沙箱还是旧副本；双向 sync 会冲突。
密钥与 MCP 在沙箱里失效 ：OpenClaw 就明确过，主机上的 skills.env 不会自动进容器，要单独注入。
GPU / 大模型：容器里跑 Ollama 要显卡透传和数据盘；这和「轻量沙箱」不是同一档规格。
合规：公有云沙箱对金融、政务仍可能不合格，需要 VPC 或私有集群，桌面断网机仍是最后防线。

6. 对比 Coze 等 Web Agent：像容器，但通常没有一台电脑

6.1 这一类产品是什么

Web Agent 指用户主要在浏览器里配置、在云端跑、用对话或 API 发布的智能体平台，而不是装在托盘里的 exe，也不是你自己维护的 Docker worker。国内最常见的一档：

产品	出品	形态要点
Coze（扣子）	字节	Bot + 工作流 + 插件商店 + 知识库；可发布到飞书 / 抖音 / API
Dify	开源 / 云服务	Chat / Chatflow / Workflow；知识库与工具节点完整，可私有化
FastGPT	开源偏 RAG	知识库问答强，工作流相对轻
百炼 / 千帆 AppBuilder 等	云厂商	控制台里拼智能体，和云 API、短信、IM 渠道绑得紧
GPTs / 各类 Bot 商店	模型厂商	提示词 + 少量 Action，编排能力更弱

仓库里 Dify 工作流原理和 Agent 平台生产化写的就是这一层：App、Workflow、Knowledge、Tool、Variable。Coze 的对象模型和它几乎同构------换了 UI 和插件生态，不是换了一种 Runtime 哲学。

它们和容器版「类似」的部分是真的：

终端可以是浏览器或 IM，不要求员工电脑常开。
任务跑在服务端，7×24、可分享、可按量扩。
都有「工具」：HTTP、代码节点、知识检索、多 Agent 节点。
对业务人员都比自建 OpenClaw 友好：拖拽比改 openclaw.json 便宜。

到此为止，把 Coze 和 WorkBuddy 云沙箱说成一类，评审会上不会被当场打断。下一层就必须拆开。

6.2 相似之下差在执行面粒度

text 复制代码

Coze / Dify 工作流
  用户话术
    → LLM / 分支 / 循环
    → 知识库检索
    → 插件（HTTP / 官方 SaaS）
    → 代码节点（短生命周期沙箱，跑完即毁）
    → 回复文本 / 卡片 / 一个下载链接

WorkBuddy 云沙箱 / Crayfish 容器
  用户话术
    → 规划 Todo
    → 在「一台电脑」里：读盘、写文件、shell、无头浏览器、Office 工具链
    → 工作区里留下 pptx / xlsx / 脚本 / 中间稿
    → 把产物丢回用户

维度	Coze / Dify 等 Web Agent	WorkBuddy 云沙箱 / Crayfish 容器	桌面 Agent
用户入口	浏览器、IM 机器人、开放 API	工作台 / IM / API，执行仍在沙箱	本机客户端
编排方式	预编排 DAG 为主，Agent 节点为辅	意图规划 + 工具循环为主，Skill 为辅	同左，工具打在本机
「手」是什么	平台插件、HTTP、短代码沙箱	容器内的 shell / 文件 / 浏览器 / 办公套件	真实 OS 与已登录软件
工作区	会话变量、平台文件、对象存储链接	可持久的 workspace 目录	本地磁盘目录
本地文件	要先上传，或走网盘连接器	沙箱内原生文件；与本机仍要同步	直接读写
内网系统	系统必须暴露 HTTP / 专线连接器	容器若部署在 VPC 内，可直连内网 API；仍难碰桌面客户端	可点内网 GUI
渠道发布	最强：飞书机器人、抖音、微信客服几分钟上线	有连接器，但不是 Bot 商店基因	弱，偏个人入口
知识库 / RAG	产品内建，公民开发者可配	有，但常挂组织知识（文档、乐享、ima）	视客户端而定
运维	平台全包；Dify 可自建但仍是「应用平台」	要懂镜像、配额、休眠；或买托管沙箱	每台电脑一套环境
数据驻留	默认在平台侧（Dify 私有化可改）	沙箱 / VPC / 私有集群	文件可不出本机
开放任务	DAG 要先画好；临时「把这堆材料做成能开会的 PPT」吃力	主场	主场（若本机有 Office）
客服问答 / 填单 API	主场	能做，但大材小用	浪费桌面

一句话：Web Agent 是「会调用 API 的对话应用」；容器 Agent 是「会规划的云电脑」；桌面 Agent 是「会规划的这台电脑」。 三者都能在飞书里回话，所以看起来像。打开一次任务的产物目录，就不像了。

6.3 为什么容器版仍比 Web Agent 多一截

相对 Coze / Dify，Crayfish 容器和 WorkBuddy 沙箱多出来的能力，都可以写成「这台云电脑有没有」。

1. 产物是文件，不是回复。

Web 工作流擅长把三个 HTTP 的 JSON 拼成一段客服话术。容器擅长：解压附件、改 Excel、渲染 PPT、跑脚本出图、把中间稿留在 workspace 供下一轮接着改。Coze 也能生成文档类输出，但链路是「模型生成 → 平台落一个文件链接」，不是「在真实目录里用真实工具改了二十个单元格」。

2. 工具面是操作系统，不是插件目录。

Web 平台的能力边界 = 官方插件 + 你配过的 API。没有插件的动作（装个 CLI、跑 Playwright、调本机已装的转换器）要等平台放行，或自己把能力先包成 HTTP。容器里默认就有 shell，Skill 是目录而不是商店货架。

3. 开放任务不必先画完图。

Coze / Dify 的强项是 把已知流程固化成 DAG ：客服分流、工单创建、按字段查知识库。这和 RPA 一样「先设计再运行」，只是节点从点击换成了 LLM。Crayfish / WorkBuddy 的强项是 目标描述后现规划------这周材料结构变了，DAG 要改图，Agent 可以改 Todo。代价是更要评测和人工卡点，确定性低于一张画死的工作流。

4. 代码节点 ≠ Agent 沙箱。

Dify / Coze 的 Code 节点是 短时、限额、无持久磁盘（或只有临时盘）的函数沙箱 ，用来做 JSON 变换和一点 Python。OpenClaw / WorkBuddy 的容器是 会话级或 Agent 级的机器：有工作目录、可装依赖、浏览器可常驻。把前者当成后者，会在「帮我把这个项目目录整理完」时撞墙。

5. 部署位置决定能不能碰内网。

公有云 Coze 调不到你机房里没有打出网关的系统。自建 Dify 好一些，但仍是应用平台，不是每任务一只隔离 worker。Crayfish / 私有 WorkBuddy 可以把 Runtime 放进同一 VPC，用 NetworkPolicy 收口------这是容器版相对「SaaS Web Agent」的合规与集成优势，和相对桌面版的优势不是同一条。

6.4 Web Agent 相对容器 / 桌面仍然成立的优势

把 Coze 说成低配容器，同样会翻车。它在自己的主场更便宜、更快：

公民开发者几小时能上线一个 Bot。 客服 FAQ、活动咨询、飞书群里查制度，用 Coze / Dify 是正确工具。为此去养 Docker 和沙箱策略，是平台部用大炮打蚊子。
渠道和运营是产品能力。 发布到抖音、微信客服、飞书商店、开放 API、看对话转化漏斗------Web 平台做了十年。Crayfish 的渠道是「接到 Gateway 上」，不是运营后台。
RAG、变量、人审表单、配额是内建的。 见 Agent-Platform-Production。容器 Agent 要自己接知识库、观测和租户，或买 WorkBuddy 这类把办公 Runtime 和治理打包的成品。
预编排带来可审计路径。 合规部门能看懂一张 Dify 图：先检索再回答，敏感词走审核节点。纯 ReAct 云电脑的路径每次都可能不同，更难预签。
Dify 私有化是「Web Agent 的容器部署」，不要和「Agent 的电脑 Runtime」混为一谈。 用 Compose 把 Dify 拉起来，你得到的是 编排控制面 ；用 Compose 把 OpenClaw 拉起来，你得到的是 带手的执行面。两个容器可以同集群部署，职责不要焊在一个 Pod 里。

6.5 一张图：四类东西怎么叠

text 复制代码

                    ┌─ 预编排、可审计 ─┐
                    │                  │
              Web Agent (Coze/Dify)   RPA
              对话+API+知识库          确定性 GUI
                    │                  │
                    └──── 可被 Agent 当工具调用 ────┘
                                    │
         开放任务、要文件产物、要 OS 级工具
                                    │
                    ┌───────────────┴───────────────┐
                    ▼                               ▼
            容器 Agent                         桌面 Agent
         （云电脑 / 沙箱）                    （这台电脑）

务实叠法：

对外 Bot、内部知识问答、把已有 HTTP 串起来 → Coze / Dify，不必上 Crayfish。
要出可编辑 PPT / 整理工作区 / 无头浏览调研 → 容器或桌面 Agent。
必须点没有 API 的客户端、且步骤固定 → RPA；Web Agent 的插件商店帮不上忙。
Dify 当控制面，容器 Agent 当某一个「代码/工具节点」后面的 worker → 企业里最常见的目标态：业务仍在低代码里改图，重活丢给沙箱。

Coze 近年也在加多 Agent、浏览器类插件、更长的任务。方向是在向「云电脑」靠，但 只要主交互还是 Bot 工作流、主工具还是插件清单，它就还是 Web Agent。 等它把持久 workspace、shell 和隔离虚拟机做成默认执行面，再和 WorkBuddy 沙箱比同层------现在比，比的是品类，不是分数。

7. 对比传统 RPA：规则回放 vs 意图规划

7.1 本质差异

传统 RPA（UiPath、Automation Anywhere、影刀、星辰 RPA 等）的契约是：界面结构稳定、步骤可穷尽、异常可枚举 。Agent（Crayfish / WorkBuddy）的契约是：目标可描述、中间路径可变化、失败可以重规划。

text 复制代码

RPA                         Agent
─────────────────────       ─────────────────────────
人先录一遍 / 先画流程图      人描述验收标准
选择器绑定控件               模型选工具、写步骤
UI 一改就碎                 文案变了仍可能理解
异常靠 if/重试表格           异常可自我解释并改计划
极擅长「每天 800 单过账」    极擅长「把这堆材料做成能开会的 PPT」
审计友好、确定性高           要人审、要日志、要限定工具面

维度	传统 RPA	Crayfish / WorkBuddy
驱动	脚本 / 录制	自然语言 + 规划
变化容忍	低，选择器脆弱	相对高，能改写步骤
开发者	RPA 工程师 / 公民开发者画流程	职场描述任务；开发者写 Skill/MCP
维护	系统一升级就修流程	修的是权限、Skill 和评测，不是每一个点击
确定性	高，适合强合规回放	中，必须 Human-in-the-loop
非标任务	几乎做不了	文档、调研、多源汇总是主场
执行面	重度依赖桌面和分辨率	容器化后可无头、可扩缩
与 GUI 深度	仍是王者	无头浏览器尚可；复杂客户端仍弱

7.2 为什么说 Agent「相对 RPA 有优势」------优势边界

优势成立的前提是任务 开放、多变、产物是知识工作，而不是「每分钟过账 200 笔且必须字节级一致」。

从「录流程」变成「要结果」

「把邮件里的发票抽成表」------RPA 要先固定邮件客户端、附件名、Excel 列。Agent 可以先理解邮件，再选工具。发票版式微调时，RPA 常整段报废，Agent 仍有机会靠视觉/文档理解过关（仍需抽检）。
开发与维护成本结构变了

RPA 的成本在流程工厂：每个系统一套图。Agent 的成本在 Runtime、评测和权限。对「每周都不一样的汇报」，养 RPA 工程师不划算。
能处理步骤不固定的任务

竞品调研、会议纪要成稿、跨系统找资料，本来就没有稳定选择器。这是 RPA 二十年都没吃干净的市场。
容器化之后，扩缩比桌面 RPA 更自然

桌面 RPA 农场（一排虚拟机开着 Windows）又贵又脆。无头浏览器 + 文档工具链进容器，更像普通微服务扩副本。复杂 GUI 仍可能要 Windows 容器或云桌面，那是 RPA 的传统地盘，Agent 没有魔法。
Skill / MCP 比「原子能力库」更接近业务语言

RPA 原子是「点击、输入、OCR」。Agent Skill 是「出周报」「对账摘要」。组织复用的是工作方法，不是控件树。

7.3 为什么 RPA 不会消失

把 Agent 吹成 RPA 终结者，落地会翻车：

强确定 + 高吞吐：银企对账、保单录入、ERP 过账，审计要逐步截图和可重复执行。LLM 的随机性是风险不是特性。
封闭客户端：很多核心系统没有 API，只有古老 GUI。成熟 RPA 的选择器、表面识别、异常补偿仍然更稳。
已有流程资产：企业已经养了三年的 RPA 中心，切换成本是组织问题，不是模型问题。
人机同桌的点击：必须在用户当前分辨率、当前登录态下点，桌面 RPA / 桌面 Agent 都比远程容器更直接。

更诚实的架构是分层，而不是替换：

text 复制代码

API / MCP 能打穿的系统     →  直接 Tool，不要模拟点击
客服问答 / 已知流程 / 填单  →  Web Agent（Coze / Dify）
文档与开放知识工作         →  Agent（WorkBuddy / Crayfish）
高确定、高审计的 GUI 流水  →  RPA
RPA 跑失败的非标件         →  升级给 Agent 或人
Agent 要碰的稳定操作系统   →  仍可调用 RPA 原子当工具
Web 工作流里的重文件活     →  丢给容器 worker，而不是在 Code 节点里硬扛

WorkBuddy / 星辰 Agent 一类产品已经在走「Agent 编排 + RPA 执行」：模型负责决策，RPA 负责在没有 API 的界面上动手。Crayfish 则更常把浏览器和 shell 当手。选型时问的是 哪一层缺 API，不是「我们是否已经进入 Agent 时代」。

8. 选型决策：Web、桌面、容器、还是 RPA

8.1 一张决策表

你的约束	更合适的形态
客服 FAQ、飞书/抖音机器人、把已有 HTTP 串成对话	Coze / Dify 等 Web Agent
流程已知、要可视化、业务自己改图、路径要可预签	Web 工作流（Chatflow / Workflow）
文件绝不能出域、可断网	桌面 Agent 或桌面 RPA，物理隔离机
员工用自然语言做 PPT / 纪要 / 分析	WorkBuddy 桌面或沙箱
要 7×24、不绑某台 PC，且产物是真实工作区文件	Crayfish 容器或 WorkBuddy 云沙箱
要 7×24、产物只是对话或 API 副作用	Web Agent 通常够了，不必上容器
给非技术人员，要 SSO / 审批 / 知识库	WorkBuddy 或企业版 Coze / 私有 Dify
开发者要渠道 + 自托管 + 改 Skill	Crayfish
每天固定点 200 次同一个按钮	RPA
流程每周变、输入是邮件和 PDF	桌面或容器 Agent，不是 Coze 里画死的图
要看 Agent 怎么点网页	带桌面的容器 / 本机可见浏览器
多部门隔离、平台部统一运维	容器多实例 + 网络策略；控制面可用 Dify
手机下达、办公室电脑执行本地文件	桌面 Agent + IM 遥控（不是纯容器，更不是 Coze）

8.2 推荐组合（务实）

对外 Bot / 内部问答：Coze 或 Dify 直接发布。不要为了「我们也要 Agent」去上桌面客户端。

个人极客：本机 Crayfish 或 OneClaw；给 cron / 他人渠道加上 Docker 沙箱。不要把 main session 的宿主机权限暴露到公网端口。

小团队办公：日常制度查询走 Web Agent；重文件、涉密走 WorkBuddy 桌面；出差、弹性、标准化技能走云沙箱。Skill 沉到 Project，避免每人一套提示词。

企业平台：控制面用 Dify / 自研（账号、审计、配额、工作流）；执行面分三池------HTTP 工具走平台插件，开放办公任务走容器 Agent，无 API 的 GUI 走 RPA。不要让 LLM 直接在生产库上自由 exec。

金融 / 强合规 ：默认私有化或 VPC；生产工具白名单；高风险动作人工确认；公有云 Coze / 公有云沙箱只处理非敏感。这和 Dify 生产化是同一套治理，只是 Runtime 从「对话工作流」换成了「带手的 Agent」。

8.3 和本仓库其它篇怎么接

Agent 为什么要工具：Agent-Tools-ReAct
多 Agent 如何拆角色：多Agent通用原理-详解
企业里工作流平台怎么放：Dify
业务案例怎么把知识库和流程焊死：Finance-Trust-Agent-Case

Crayfish / WorkBuddy 属于 执行面选型 ，Coze / Dify 属于 应用与编排面选型。没有知识库的办公 Agent 只会流畅地写错；没有编排的多步骤任务会在第三步丢掉约束；没有 OS 级 Runtime 的 Web Agent 则只会调 API，伸不出手去改你的工作目录。

9. 落地建议与常见坑

9.1 落地顺序（不要一上来全员装桌面）

先划数据分级：可上云、仅内网、仅断网。对应 Web 平台 / 私有容器 / 桌面三种 Runtime，禁止一个「全能助手」打穿所有盘。
先问产物形态：只要对话或 API 副作用，先上 Coze / Dify；要工作区文件，再上容器或桌面。
先做 3 个可验收任务：例如「纪要 → 待办表」「周报草稿」「指定目录 PDF 抽条款」。用产物而不是 Demo 聊天当 KPI。
能 API 就不要点击：先接 MCP / 内部 API，RPA 和浏览器当缺口补丁。Web 工作流优先把这些 API 编进图。
桌面验证，容器固化：个人电脑上把 Skill 跑通，再打进镜像或云沙箱，避免直接在生产沙箱里试错。
再开 IM 渠道：渠道是攻击面。Crayfish 必须 pairing / allowlist；WorkBuddy / Coze 必须走企业身份，而不是个人微信乱接。

9.2 常见坑

坑	表现	处理
把 Coze 当成云电脑	「扣子怎么不帮我整理桌面上的合同包」	改用容器/桌面 Agent，或先上传到工作区
把 Dify 私有化当成 Agent Runtime	Compose 起了平台，任务仍不会写盘、不会开浏览器	控制面归 Dify，执行面另部 worker
用 Code 节点扛长任务	超时、无持久目录、依赖装不上	换会话级沙箱或容器 Skill
把容器版当成远程桌面	用户抱怨「点不了已打开的客户端」	改预期，或单独提供云桌面 / 本机执行
沙箱没注入密钥	Skill 报 `apiKey not configured`	按运行时显式注入，不要假设主机环境会进去
Gateway 端口暴露公网	陌生人驱动你的 bash	只绑 loopback / 内网；前面加 SSO
桌面版当 7×24 数字员工	员工关机任务全停	迁到容器 worker；若只需 Bot 回话则迁 Web Agent
用 Agent 替换核心过账 RPA	偶发错账	确定性链路保持 RPA + 对账
Workspace 授权整个用户目录	误删、泄密	独立任务目录 + 最小挂载
只看模型、不看 Runtime	「换了个更强模型还是不稳」	检查浏览器、字体、超时、磁盘、插件是否真的打到内网
无评测上线	同一提示词本周能用下周胡写	固定样本集 + 人工抽检

9.3 安全底线（容器版尤其要写进规范）

工具默认拒绝高危：任意 exec、发消息到全员群、改权限，必须审批。
非机主会话禁止宿主机执行------这是 OpenClaw 把 non-main 丢进沙箱的原因。
镜像非 root、只读根文件系统、明确的 egress 白名单。
日志要能回答：谁下的任务、调了哪些工具、碰了哪些路径、产物去了哪。
Prompt injection 视为必然：外部邮件和网页一律当不可信输入，能进沙箱的命令集合要最小。

10. 局限与参考资料

10.1 本文边界

WorkBuddy 内部模型路由、沙箱实现未开源，文中按 公开产品能力 归纳，不冒充源码级拆解。
「Crayfish」以 OpenClaw 及其桌面封装为准；社区同名项目若无关 Agent 网关，不在讨论范围。
Coze / Dify / FastGPT 等按 Web 低代码 Agent 平台 这一品类讨论，不跟进每个版本的插件商店清单。
性能数字（冷启动毫秒、内部员工数）随版本变化，架构结论比跑分更稳，故不编造对照实验。
与 RPA 的对比针对 办公与流程自动化，不覆盖工业机器人或硬件 PLC。

10.2 一句话收束

**Web Agent（Coze / Dify）**把 Agent 变成「会调 API 的对话应用」：上线快、渠道强、适合已知流程，但默认没有一台电脑。

桌面版 把 Agent 变成「这台电脑上的同事」：能碰真实文件和已登录软件，但绑人和绑机。

容器版 把 Agent 变成「可调度的数字员工编制」：隔离、复制、扩缩、7×24，工作区是真目录，但默认够不着你的桌面会话。

RPA 仍是确定性 GUI 流水线的专业工具。

Crayfish 把 Runtime 以开源网关交给你会运维的人；WorkBuddy 把它做成职场可验收的工作台，并用云端沙箱把容器执行面产品化。选错执行面，再强的模型也只是一个会说话、伸不出手------或伸出手却砸在生产盘上------的聊天框。

10.3 参考

OpenClaw 文档：安装与 Docker、Gateway Sandboxing、Skills
docs.openclaw.ai/install/doc... · docs.openclaw.ai/gateway/san...
OpenClaw 架构讨论（Gateway / Session / Skill）
aigccamp.com/frameworks/...
WorkBuddy 产品逻辑与双模运行（公开评测与架构文，交叉印证）
人人都是产品经理《企业AI化转型标配------codebuddy及workbuddy深度拆解》
腾讯云开发者社区《WorkBuddy 核心技术架构：同源底座与双模运行》
《WorkBuddy 本地模式 vs 云端模式》
企业 Agent 运行时与 K8s 隔离层次
aik8s.run/ai-k8s/rag-...
本仓库：多 Agent 通用原理 · Claude Code 架构 · Dify 工作流原理 · Agent 平台生产化