CoPaw 是阿里发布的“本地智能体工作台”（Agent Workstation）。它本身更像一套框架或中间件，和小龙虾这类产品比较接近；这套工具中包含一个可以本地部署的小模型名叫 CoPaw。

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

最近类小龙虾的工具出得很多。本篇主要想聊的，不是 CoPaw 工作台本身，而是它提供的、也叫 CoPaw 的本地小模型。这个模型既可以跑在 GPU 上，也可以跑在 CPU 上。CoPaw-Flash 系列专门针对本地部署做了优化，硬件门槛比较低。比如 CoPaw-Flash-4B-Q8_0 是 4B 尺寸下的 Q8 量化版本，我这次实测时，内存和显存占用都没有超过 10G。

那是不是说，以后在自己机器上部署小模型，就不用再花 token 了？另外，除了 CoPaw 工作台，其他 Agent 比如龙虾，能不能也接这个模型？好不好配？本文记录一下我的实验方法、实验数据，以及一些还不算成熟的判断，仅供参考。

请注意：由于LLM模型和工作台名字都叫CoPaw，为区分二者，下面分别称为 CoPaw工作台和CoPaw 模型。

安装 CoPaw 工作台

安装很简单，依旧以docker安装为例：

docker run -p 8088:8088 -v copaw-data:/app/working -v copaw-secrets:/app/working.secret agentscope/copaw:latest copaw app --host 0.0.0.0 --port 8088

执行后，就可以在本机或者局域网的其它机器上通过端口8088访问CoPaw服务了。

界面大概长这样，和其它Agent工具的Web差不多。在使用之前先选择模型，如果在这个界面往下拉可以看到，主流模型都支持：OpenAI，Gemini，阿里，Deepseek都可在此界面配置APIKey。

这里比较特别的是 CoPaw Local，也就是它自带的本地小模型入口。点开之后就能直接安装。2026 年 4 月 1 日我做实验时，默认提供 2.9G 和 4.8G 两个版本，我装的是 4.8G 那个。

安装好之后，在聊天界面的右上角可以切换到本地模型。

默认拉下来的 Docker 是 CPU 环境，也就是在 CPU 上跑这个本地模型，速度肯定不会快。第一次跟它说“你好”，回复花了五分钟，过程中可能包含加载模型和初始化这些动作。后面再问别的问题，基本能压到一分钟以内，但也谈不上快。从后台看，思考过程中基本一直跑满 7 个 CPU，内存大约占到 70%（测试机器内存是 16G）。

在 GPU 上测试

因为 GPU 和 CPU 用的工具链不一样，而我这次懒得折腾 CoPaw 里的 GPU 支持。刚好测试机上有 GPU，也装过 ollama，我就把本地模型放到 ollama 里，又测了一下在 GPU 上的效果。如果这条路能走通，那龙虾之类的其他 Agent 理论上也可以用这个本地模型。

好久没用了，先更新了一下ollama镜像

# 停止并删除你正在运行的旧容器 
docker stop ollama && docker rm ollama
docker pull ollama/ollama
nvidia-docker run --rm -d -e OLLAMA_ORIGINS="app://obsidian.md*" --gpus=all -v /exports/ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama

下载模型

在 4 月 1 日做实验时，还没法直接用 ollama pull 拉 CoPaw-Flash 模型，所以我直接用了在 CoPaw 工作台里下载好的 gguf 包（也可以从 Hugging Face 下载）。把这个 gguf 文件放到 ollama 能看到的目录里就行，比如 CoPaw-Flash-4B-Q8_0.gguf。

配置模型

写一个 Modelfile，如：/tmp/Modelfile

FROM /path/to/your/copaw-xxx.gguf
TEMPLATE {{ .Prompt }}
RENDERER qwen3.5
PARSER qwen3.5
PARAMETER presence_penalty 1.5
PARAMETER temperature 1
PARAMETER top_k 20
PARAMETER top_p 0.95

以上配置参考的是源码里的 website/public/docs/models.zh.md。这里不要写得太简单，不然模型可能调不起工具。

安装和测试

ollama create copaw-flash-4b -f /tmp/Modelfile
ollama list
ollama run copaw-flash-4b "你好"

在 GPU 上运行，速度就快很多了，基本可以算“秒回”，显存大约会占到 6G。

如果还想在 CoPaw 工作台里用GPU版本，可以先到左侧的 Models 里配置，在 ollama 的 Setting 中填好 IP 地址等信息，再点 Models 里的 Discover，就能看到新装的模型。

之后在聊天界面右上角切到 ollama 提供的模型，就可以直接聊了。

最后

至于小模型的聊天和调用工具能力，我只做了很简单的测试。普通聊天是可以的，也确实有调工具的能力。但一到更具体的任务，比如问今天的天气、看看某个目录里有什么文件，结果就不太行了，经常 Thinking 半天，然后没下文了。当然，这里也不排除是我还没把配置调到最佳。

如果整个流程都跑在自己机器上的本地模型里，那推理这部分就不会花 token 了。并且CoPaw模型能提供给别的 Agent 使用，上手难度也没有我一开始想得那么高，至少通过 ollama 这一层是能接起来的——整个流程很容易跑通。

但从这次实验看，最后的判断还是：能用，但能力有限。普通聊天可以，简单工具调用偶尔也能成；真到具体任务上，目前这个 4B 模型还不太稳。现在我还没遇到一个和现有 Agent 配合起来、效果真正让我满意的本地部署模型。如果谁有用得比较好的，也欢迎告诉我。