免费开源AI工具:CoPaw与OpenFang整理

免费开源AI工具:CoPaw与OpenFang整理

CoPawOpenFang,两者软件本体都免费开源,但模型 API 可能产生费用

CoPaw(阿里云)

  • 软件本身完全免费开源(Apache 2.0),无会员、无广告、无功能限制
  • 本地部署:免费,仅需 Python 环境,可跑本地模型(Ollama 等),零 API 费用
  • 云端部署:魔搭创空间有免费测试额度;长期使用按云资源(CPU/GPU/ 存储)计费
  • 模型 API:调用通义千问、OpenAI、DeepSeek 等按官方标准按量付费

 CoPaw GitHub 地址

https://github.com/agentscope-ai/CoPaw

OpenFang(AI Agent 操作系统)

  • 软件本身完全免费开源(Apache-2.0 + MIT),可商用、可二次开发
  • 本地部署:免费,支持 Ollama、LM Studio 等本地模型,零 API 费用
  • 云端部署:免费,仅承担云服务器 / 算力成本
  • 模型 API:调用云端大模型按各厂商标准付费

OpenFang GitHub 地址

https://github.com/RightNow-AI/openfangGitHub

一句话总结:工具免费,模型可能花钱;本地跑模型则全程免费

Ollama 本地运行的内存需求,核心看模型大小 + 量化等级,CoPaw 调用时和直接用 Ollama 一致。

📌 主流模型内存参考(纯 CPU,Q4 量化)

  • 0.5B / 1B≥4GB 内存即可跑(入门聊天 / 简单任务)
  • 3B≥6GB 内存(日常对话、写文案)
  • 7B≥8GB 内存(流畅对话、代码、写作)
  • 13B≥16GB 内存(强推理、长文本)
  • 32B≥32GB 内存(复杂分析、专业场景)
  • 70B≥64GB 内存(企业级、深度推理)

🧠 关键影响因素

  • 量化等级:Q2/Q3 比 Q4 更省内存,但效果略降;Q5/Q8 效果更好但更占内存
  • GPU 加速:有 NVIDIA/Apple Silicon 时,显存分担内存压力,16GB 内存 + 4GB 显存可流畅跑 7B
  • 上下文窗口num_ctx 越大越占内存,默认 2048 够用,开 8192 会多占 1–2GB
  • 系统占用:Windows/macOS 本身占 2–4GB,建议预留 2GB 冗余

✅ 给 CoPaw 用的最佳实践

  • 8GB 内存:选 3B 模型(qwen2.5:3b、llama3.2:3b),别跑 7B
  • 16GB 内存:选 7B 模型(qwen2.5:7b、mistral:7b),日常足够
  • 32GB+ 内存:可上 13B/32B,体验接近 GPT-3.5

🛠️ 内存不够怎么办

  1. 换更小模型(3B 比 7B 省一半)
  2. 用更低量化(ollama pull qwen2.5:7b-q2_K
  3. 限制上下文:/set parameter num_ctx 2048
  4. 关闭其他软件,释放内存

方式一:

CoPaw 原生支持 Ollama,配置非常简单

一、准备工作

  1. 安装 Ollama(官网:ollama.com
  2. 启动 Ollama 服务(默认端口 11434)
  3. 安装 CoPaw 的 Ollama 依赖:
pip install ollama 

二、CoPaw 配置 Ollama(3 步)

1. 拉取 Ollama 模型(CoPaw CLI)
# 下载模型(示例:qwen2.5:3b、mistral:7b) copaw models ollama-pull qwen2.5:3b copaw models ollama-pull mistral:7b # 查看已下载模型 copaw models ollama-list 
2. 配置 CoPaw 使用 Ollama
# 进入配置向导,选择Ollama copaw models config # 按提示:选择 Ollama → 从列表选模型 → 设为默认 
3. 切换模型(后续)
# 快速切换Ollama模型 copaw models set-llm 

三、验证是否生效

# 启动CoPaw聊天,用本地Ollama模型 copaw chat 

此时 CoPaw 会直接调用本地 Ollama,全程免费、无 API 费用

四、常见问题

  • Ollama 未启动:先运行 ollama run llama3 确保服务正常
  • 模型拉取失败:检查网络,或用 ollama pull qwen2.5:3b 直接拉取
  • 端口被占用:修改 Ollama 端口,CoPaw 会自动检测
✅ 官方流程(Windows 本地)1. 安装(必须用 PowerShell,不能用 CMD)2. 初始化3. 启动 Web 界面

浏览器自动打开:http://127.0.0.1:80885. 控制台对话,配置钉钉机器人(最常用)http://127.0.0.1:8088启动后,直接在聊天框发指令发送指令:帮我配置钉钉机器人CoPaw 会引导你到 Control → Channels 页面,或直接给出配置入口。后续在 频道 手动填入 client_idclient_secret 并启用📌 最终可直接复制的 Windows 一键命令合集(PowerShell)

方式二::Windows + 内网穿透(最简单、最推荐)

本地 Windows 运行 CoPaw,用内网穿透工具让外网能访问。适合:个人使用、稳定长期跑。

工具(免费够用):

  • 钉钉内网穿透
  • Sunny-Ngrok
  • ZeroTier
  • Tailscale

流程:

  1. Windows 正常安装启动 CoPaw
  2. 开一个内网穿透,映射到 127.0.0.1:8088
  3. 外网直接访问穿透给你的域名 / IP 即可

优点:

  • 完全 Windows
  • 不用买服务器
  • 不用学 Linux
  • 现在就能用

方式三:(其他方式整理官方部署说明书

可放服务器、外网访问、长期运行 方案Linux 云服务器 + 1Panel:专门用来 24 小时运行 CoPaw、钉钉机器人长期在线。不是大众软件适合玩服务器、部署 AI、自建服务的人

一、1Panel 是什么

1Panel 是飞致云出品、现代化开源的 Linux 服务器运维管理面板,主打容器化、轻量化、AI 友好,用 Web 界面就能一键管理服务器、部署应用、建站、配置 SSL、管理数据库与容器1Panel。

  • 核心定位:Linux 服务器 “智能管家”,适合个人 / 团队快速部署网站、AI 模型、智能体(如 CoPaw)。
  • 关键优势:
    • 容器化部署(Docker),应用隔离、漏洞面小。
    • 应用商店一键装 AI 工具(Ollama、CoPaw 等)、建站程序1Panel。
    • 支持 GPU 监控、本地大模型 / 智能体管理1Panel。
    • 一键建站、SSL 证书、密码访问、数据备份1Panel。

二、官方网址

三、1Panel 部署 CoPaw 智能体 极简完整版

1. 安装 CoPaw
  1. 进入 1Panel → 左侧 应用商店
  2. 点击 全部AI → 找到 copaw
  3. 开启 端口外部访问 → 确认
  4. 等待安装完成
2. 进入并配置模型
  1. 顶部菜单 已安装 → 找到 copaw → 跳转 打开界面
  2. 进入 模型设置
    • Ollama:本地模型,直接用
    • DashScope:需要去阿里云百炼申请 API Key 并填入
  3. 选择对应 LLM 模型 → 保存
3. 创建外网可访问的网站
  1. 左侧 网站创建网站
  2. 选择 已装应用 → 下拉选 copaw
  3. 填写你的 域名 → 确认
4. 配置 HTTPS 证书
  1. 左侧 证书申请证书
  2. 填入域名 → 开启 自动续期 → 确认
  3. 回到 网站 → 点击你的网站名称
  4. 进入 HTTPS → 开启 HTTPS → 选择证书 → 保存
5. 设置密码访问(安全)
  1. 进入网站设置 → 密码访问
  2. 点击 创建
  3. 设置 用户名 + 密码 → 开启
6. 外网访问

浏览器输入你配置的域名,输入用户名、密码,即可进入 CoPaw 操作界面。


Read more

爆肝 2 天,用 GLM5 开发了 OpenClaw 接入微信 bot,已开源!

这是苍何的第 493 篇原创! 大家好,我是苍何。 OpenClaw,这个 GitHub 上 18 万 Star 的怪物级开源项目,你们应该都听过了吧? 飞书能接、钉钉能接、企业微信能接、QQ 能接、Discord 能接…… 但偏偏最多人用的「微信个人号」,它不支持。 我翻遍了 GitHub、掘金、知乎,找到的方案要么是企业微信绕一圈,要么是用微信 Web 协议搞,动不动就封号。 说实话,这谁顶得住? 天天在微信上跟朋友聊天、在群里吹水,结果想接个 OpenClaw 都这么费劲? 麻了。 于是我决定自己干。 「爆肝 2 天,我把 OpenClaw 接入了微信个人号,并且已经开源了。」 地址:

By Ne0inhk

支持国内股票分析的AI智能开源项目(GitHub Star数量Top榜)

支持国内股票分析的AI智能开源项目(GitHub Star数量Top榜) 一、核心结论 GitHub上支持国内股票(A股)分析且Star数量靠前的AI智能开源项目,按Star数量降序排列依次为: 1. OpenBB(57.4k Star):开源金融数据平台,支持A股等多市场数据获取与AI辅助分析; 2. ai-hedge-fund(44.9k Star):AI对冲基金模拟系统,通过多智能体协作模拟投资大师策略,可适配A股; 3. FinGenius(新兴项目,Star快速增长):专为A股设计的多智能体博弈分析工具,融合16位AI专家协作; 4. daily_stock_analysis(5.5k Star):A股智能分析系统,基于大模型生成每日决策报告。 二、项目详细说明 1. OpenBB:开源金融数据与分析平台(57.4k Star) * 项目地址:https://github.

By Ne0inhk
从DeepSeek-R1爆火看开源大模型推理优化:我在脉脉找到的实战方案

从DeepSeek-R1爆火看开源大模型推理优化:我在脉脉找到的实战方案

🎁个人主页:User_芊芊君子 🎉欢迎大家点赞👍评论📝收藏⭐文章 🔍系列专栏:AI 文章目录: * 【前言】 * 一、场景痛点直击:两个行业的共性困境与差异化难题 * 1. 电商智能客服场景(日均请求10万+) * 2. 金融智能咨询场景(日均请求3万+) * 二、实战突破:分场景落地优化方案(附完整代码+流程图) * 1. 核心优化架构总览(流程图) * 2. 分场景核心代码实现(新增4个关键代码片段) * (1)量化分级实现(适配金融场景精度需求) * (2)多租户隔离与共享实例实现(适配电商、金融双场景) * (3)边缘节点轻量化部署代码(适配电商峰值卸载) * (4)动态批处理与负载调度优化(核心优化代码) * 3. 优化效果对比表(分场景) * 三、脉向AI核心价值:技术人破圈的“

By Ne0inhk
即插即用系列 | 2024 SOTA LAM-YOLO : 无人机小目标检测模型

即插即用系列 | 2024 SOTA LAM-YOLO : 无人机小目标检测模型

论文名称:LAM-YOLO: Drones-based Small Object Detection on Lighting-Occlusion Attention Mechanism YOLO 论文原文 (Paper):https://arxiv.org/abs/2411.00485 GitHub 仓库链接:https://github.com/AITricks/AITricks 哔哩哔哩视频讲解:https://space.bilibili.com/57394501?spm_id_from=333.337.0.0 目录 * 1. 核心思想 * 2. 背景与动机 * 3. 主要贡献点 * 4. 方法细节 * 5. 即插即用模块的作用

By Ne0inhk