允中 发自 凹非寺

把Agent接入工作流，本该是件提效的乐事。

但现实往往是：为了保住数据隐私，只能守着本地“智商有限”的小模型死磕；为了追求极致性能，又不得不眼睁睁看着云端API烧掉大把经费，还得时刻担心敏感信息在不经意间“裸奔”。

云端太危险，本地太鸡肋。难道开发者只能在“裸奔”和“人工智障”之间二选一？

破局者出现了。

清华大学THUNLP实验室、中国人民大学、AI9Stars、面壁智能与OpenBMB联手，给AI Agent装上了一个“智能交通指挥官”——ClawXRouter。

作为一个开源的端云协同AI智能体路由插件，它可以轻松适配OpenClaw生态。

就像让Agent有了“分身术”一样，聪明地在本地和云端之间切换：简单的本地跑，敏感的脱敏做，复杂的交给云端。

ClawXRouter源于端云协同的智能体框架EdgeClaw——其内生具备三级隐私路由、性价比感知路由、智能脱敏转发、双轨记忆等完整的端云协同能力。

最新测评效果显示：使用ClawXRouter不仅让成本直降58%，性能反而还提升了6.3%。

事实上，这种“两头堵”的尴尬，正来源于当前Agent使用模式中难以调和的三大顽疾：

而ClawXRouter的出现，正是为了打通端云协同的最后一步：通过一套精妙的路由机制，为每一条请求找到最合适的路径。

这样一来，开发者无需改动一行业务代码，就能让AI Agent自动实现：

一个插件，丝滑实现端云协同，解决开发者“不敢用、用不起、用不好”的三大难题。

即使是Code Review这样的日常任务，也可能一不小心把API Key或数据库密码喂给云端模型。

ClawXRouter通过植入钩子（Hook），像安检一样自动扫描每一条消息、工具调用和Agent输出，并将其分为三级：

这背后是“规则+模型”双检测引擎在保驾护航，既快又准，能确保万无一失。

“航天级”模型如何干“拧螺丝”的活？

ClawXRouter内置了一个由本地小模型担当的“任务评估师”（LLM-as-Judge）。它会快速判断任务复杂度，然后将请求分发给最合适的模型。

效果如何？在PinchBench（包含23项OpenClaw Agent基准测试）上跑了一下：

结论是：成本节省58%，性能反而提升6.3%。

当一项任务既包含敏感信息、又需要云端模型的强大推理能力时，怎么办？

这时，ClawXRouter的智能脱敏机制就派上了用场。

对于涉及敏感信息的复杂任务，本地模型能力不足时不必“硬扛”：

ClawXRouter会自动识别敏感信息并智能脱敏后，将脱敏后的任务安全交给云端处理。

同时，ClawXRouter巧妙地维护了双轨记忆与双轨会话机制：云端模型只能看到脱敏后的对话历史（`MEMORY.md`），本地则保留完整信息（`MEMORY-FULL.md`）。

这样既保护了隐私，又没有因为本地模型的瓶颈而卡住工作流，从根本上杜绝隐私数据通过上下文窗口泄露给第三方服务的风险。

每个开发者与团队的需求都不同。为此，ClawXRouter提供了：

云侧不敢用、用不起，端侧用不好？

ClawXRouter的答案是：

不必二选一，让端侧和云侧各尽其能。

项目将持续开源迭代，欢迎开发者与行业伙伴参与贡献，共同构建安全高效的端云协同Agent生态。

GitHub开源链接：https://github.com/Openbmb/ClawXRouterClawHub链接：https://clawhub.ai/plugins/clawxrouter

版权声明：

本博客部分内容为转载文章，旨在分享有价值的信息，版权归原作者所有。

转载仅为个人学习与交流目的，不对文章观点负责，亦不用于任何商业用途。

如涉及版权问题，请联系本人删除。