EdgeClaw 完全解析边缘-云协同的隐私安全 AI 代理项目介绍当 AI 代理学会“边界感”在当前的 AI 代理架构中几乎所有数据和任务都被一股脑地推送到云端导致隐私泄露风险持续累积边缘设备的计算能力却被白白浪费。如何让 AI 代理既拥有云端的强大能力又能保护用户的敏感信息EdgeClaw给出了一个优雅的答案。EdgeClaw 是由清华大学 THUNLP、中国人民大学、AI9Stars、ModelBest 和 OpenBMB 联合开发的开源项目基于 OpenClaw 构建旨在重新激活边缘计算的价值。它通过一套可定制的三层安全系统S1 直通 / S2 脱敏 / S3 本地实时分类每条请求的敏感度和复杂度并通过可组合的管道将请求路由到最隐私安全、最经济的处理路径上。开发者无需修改任何业务逻辑即可实现“公开数据上云、敏感数据脱敏、私密数据本地处理”的智能分流。核心特性三层安全协作 成本感知路由三层安全分级数据永不越界EdgeClaw 为每条用户消息、工具调用和工具结果进行实时分级S1安全直接发送到云端模型如“写一首关于春天的诗”。S2敏感在设备端脱敏后再转发到云端如地址、电话号码、邮箱。S3私密完全在本地处理云端只保留上下文连续性如工资单、密码、SSH 密钥。分级通过双检测引擎实现规则检测器~0ms关键词 正则匹配如 API key、PEM 密钥头。本地 LLM 检测器~1–2s语义理解识别“帮我分析这张工资单”等深层敏感内容。S2 脱敏流程示例用户消息含手机号 │ ▼ 本地 LLM 检测 → S2 │ ▼ 本地 LLM 提取 PII → JSON 数组 │ ▼ 程序化替换 → [REDACTED:PHONE] │ ▼ 隐私代理localhost:8403 ├── 去除标记 ├── 转发到云端模型 └── 流式返回支持 SSE成本感知协作大幅降低 Token 费用EdgeClaw 使用本地小模型如 MiniCPM-4.1作为 LLM 裁判对任务复杂度进行分类SIMPLE简单查询、翻译、问候 → 路由到便宜模型如 gpt-4o-miniMEDIUM代码生成、单文件编辑 → gpt-4oCOMPLEX系统设计、多文件重构 → claude-sonnet-4.6REASONING数学证明、逻辑推理 → o4-mini在典型工作流中60%–80% 的请求可被路由到低成本模型显著节省云端 token 开销。同时通过 SHA-256 哈希缓存TTL 5 分钟避免重复判断进一步降低延迟。即插即用零代码改动EdgeClaw 通过Hook 机制自动拦截和路由无需修改任何业务逻辑可作为 OpenClaw 的直接替换。它覆盖了 AI 代理的完整生命周期包括before_model_resolve、before_prompt_build、before_tool_call、after_tool_call等 10 个 Hook 点。双轨记忆与双轨会话记忆文件MEMORY.md云端可见自动脱敏与MEMORY-FULL.md本地完整数据。会话历史sessions/full/完整记录与sessions/clean/云端消费版本。云端模型永远不会接触到 S3 级别的原始数据实现严格的隐私隔离。安装与快速开始从源码安装推荐git clone https://github.com/openbmb/edgeclaw.git cd edgeclaw pnpm install pnpm build pnpm ui:build pnpm openclaw onboard --install-daemon配置本地 LLM 环境推荐 Ollama# 安装 Ollama brew install ollama # macOS curl -fsSL https://ollama.ai/install.sh | sh # Linux # 拉取推荐模型 ollama pull openbmb/minicpm4.1 ollama serve启用 GuardClaw 插件在openclaw.json中添加{ plugins: { entries: { GuardClaw: { enabled: true, config: { privacy: { enabled: true, localModel: { enabled: true, provider: ollama, model: openbmb/minicpm4.1, endpoint: http://localhost:11434 }, guardAgent: { id: guard, workspace: ~/.openclaw/workspace-guard, model: ollama/openbmb/minicpm4.1 } } } } } } }启动网关pnpm openclaw gateway run看到 GuardClaw 插件加载日志即表示安装成功。此后所有请求将自动经过安全分级和智能路由。优势对比EdgeClaw 与 OpenClaw对比维度EdgeClawOpenClaw安全机制三层分级S1/S2/S3 双检测引擎基础 DM 配对隐私保护敏感数据脱敏转发私密数据本地处理数据自托管但无主动分级成本优化任务复杂度路由节省 60-80% 云端费用无边缘-云协同智能分配任务兼顾隐私与能力全部上云或全部本地检测延迟规则检测 ~0msLLM 检测 ~1-2s无代码侵入零改动Hook 自动拦截需手动集成安全逻辑记忆与会话双轨存储云端与本地隔离单一存储核心优势隐私安全通过形式化定理保证 S2/S3 数据的云端不可见性。成本效益智能路由大幅降低 API 开销尤其适合高频使用场景。边缘价值充分利用本地算力减少对云端的依赖。无缝迁移作为 OpenClaw 的直接替代无需修改现有代码。总结迈向隐私优先的 AI 代理新时代EdgeClaw 将“边缘-云协同”的理念真正落地为 AI 代理构建了一道智能的隐私防线。它不再盲目地将所有数据推向云端而是让边缘设备学会识别、保护和分流既保障了用户的数据主权又保留了云端强大的计算能力。其即插即用的设计和丰富的定制选项让开发者可以轻松构建安全、经济、高效的智能体应用。如果你正在使用 OpenClaw或希望为 AI 代理增加隐私保护和成本控制能力EdgeClaw 是值得一试的升级选择。现在就克隆项目体验边缘-云协同带来的全新体验吧项目地址https://github.com/Openbmb/edgeclaw