CowAgent 全攻略：桌面版开箱即用 + Docker 服务器部署 + 记忆/知识库/定时任务全解析

最近花了几天时间，在自己的云服务器上用 Docker 部署了一套 CowAgent，绑定微信当私人助理用，顺便拿它管知识库、写日记、定时提醒。用下来体验不错，成本也可控。

写这篇之前先说个重要发现：CowAgent 现在有桌面版了，macOS 和 Windows 都能直接下载安装，开箱即用——不用装 Python，不用碰命令行。所以这篇我分成两条路线写：

• 想省事 → 走第一部分，桌面版，10 分钟能用上
• 想 7×24 跑在服务器 / 接微信 → 跳到第二部分，Docker 部署

两条路线装的是同一个东西，能力完全一致，只是运行位置不同。

一句话结论：CowAgent 不是”聊天机器人”，而是一个能主动规划任务、操作计算机、自己创建技能、还带长期记忆的个人 AI Agent。个人用桌面版最舒服，团队/服务器用命令行部署更灵活。

一、桌面版：下载即用（推荐先试这个）

为什么推荐先试桌面版

官方文档原话是：“内置 Agent 运行环境，不需要手动安装 Python 或依赖，下载安装即可运行你的本地超级 AI 助理。”

它和命令行部署最大的差别：

下载安装

下载页：https://cowagent.ai/download/

macOS：
1. 打开下载页，按芯片选版本 —— Apple Silicon（M1/M2/M3/M4）下 arm64，Intel 下 x64
2. 打开 .dmg，把 CowAgent 拖进 Applications
3. 从启动台或 Applications 启动

Windows：
1. 下载 Windows 安装包（.exe），要求 Windows 10/11 x64
2. 运行安装程序，按提示走（可以自选安装目录）
3. 从桌面或开始菜单启动

安装完第一次打开会有引导流程，界面语言跟随系统，也支持手动切换。

桌面版独有的几个好功能

• 语音输入：聊天框里有个语音按钮，说完直接转成文字发出去（v2.1.7 新增）
• 任务通知：Agent 跑完长任务会弹系统通知 + 提示音，你可以走开干别的
• 扫码接通道：在 App 里直接扫码就能接微信等通道，不用改配置文件
• 可视化配置：配置、模型、知识库、定时任务、技能、记忆，都有原生界面，和 Web 控制台一致
• 登录自启：系统设置里可开（默认关）
• 日志下载：出问题可以直接在界面里下载运行日志

一个实用小技巧：用浏览器打开

桌面客户端启动后会在本地监听 9876 端口，它的后端就是同一个 Web 控制台。所以客户端开着的时候，你也可以直接用浏览器打开：

http://localhost:9876

体验完全一样。手机上如果想用，把电脑当跳板或者直接部署到服务器更合适。

💡 如果 9876 端口被占（Windows 上常见于 Hyper-V/WSL2 预留端口段），客户端会自动换一个端口，正常启动。实际用的端口写在 run.log 的 Local access 那行。想固定的话，在 config.json 里设 web_port。

数据存在哪

桌面版所有数据都在你本机，两个目录：

• 配置目录：~/.cow（家目录下），存 config.json（模型 Key、通道配置）、日志、缓存
• 工作区：默认 ~/cow，存对话记录、知识库、记忆、技能、定时任务

⚠️ 卸载客户端不会删这两个目录，数据会保留，重装后还在。想彻底清理或迁移到别的设备，自己手动备份/删除对应文件夹。

二、Docker 部署：7×24 跑在服务器上

桌面版够个人用了，但如果你想要：手机上随时用、接微信、或者让它一直在线干活，那就得部署到服务器。我选的是 Docker。

部署前要知道的 3 件事

1. 环境要求

官方文档没有给出 CPU / 内存的具体推荐值，只说可以跑在个人电脑或服务器上 7×24 运行。我自己的机器是 2 核 4G 的轻量云服务器，跑起来毫无压力——因为真正的算力都在云端模型那边，本地只是个”调度中枢”。

2. 三种部署方式怎么选

3. 成本预期

先说结论：便宜，但 Agent 模式比普通聊天费 token。官方 README 有一句免责声明原文：

Agent mode consumes substantially more tokens than regular chat — pick models that balance quality and cost.

我实测：用 DeepSeek，一整天高频对话下来，花费两块多。这个量级对个人使用基本无感。

Step 1：拉取 compose 文件

curl -O https://cdn.link-ai.tech/code/cow/docker-compose.yml

这个 compose 文件里有两个 volume 挂载，是整个部署最关键的地方，务必理解：

💡 官方把这两个目录刻意分开，是为了镜像升级时不丢数据。你的知识库、记忆、配置全在宿主机上，容器随时可以删掉重建。这两个目录默认创建在 docker-compose.yml 旁边，别删。

Step 2：填配置

编辑 docker-compose.yml，核心配置项如下（逐个解释）：

environment:
  # ---- 渠道 ----
  CHANNEL_TYPE: 'web, weixin'        # 同时开 Web 控制台和微信
  # ---- 模型 ----
  MODEL: 'deepseek-v4-flash'
  DEEPSEEK_API_KEY: 'sk-xxxxxxxx'
  DEEPSEEK_API_BASE: 'https://api.deepseek.com/v1'
  # ---- Web 控制台 ----
  WEB_HOST: '0.0.0.0'                # 关键！默认 127.0.0.1 只能本机访问
  WEB_PASSWORD: '你的访问密码'         # 公网必须设，否则谁都能进
  # ---- Agent 能力 ----
  AGENT: 'True'
  AGENT_PERMISSION_MODE: 'full-access'
  AGENT_MAX_CONTEXT_TOKENS: 50000
  AGENT_MAX_CONTEXT_TURNS: 20
  AGENT_MAX_STEPS: 20
  SELF_EVOLUTION_ENABLED: 'True'      # 自进化：Agent 会自己改进
  # ---- 数据目录 ----
  COW_DATA_DIR: '/home/agent/.cow'

两个必改项：

1. DEEPSEEK_API_KEY —— 去 platform.deepseek.com 申请，充点钱就行
2. WEB_HOST 从 127.0.0.1 改成 0.0.0.0，并务必设 WEB_PASSWORD

⚠️ 安全提醒：WEB_HOST=0.0.0.0 意味着暴露到公网。如果你不设密码，等于把一台能执行命令的机器敞开给人用。官方文档原话是”强烈建议设置 web_password 启用鉴权”。

Step 3：启动

sudo docker compose up -d
sudo docker logs -f chatgpt-on-wechat

看到启动日志正常，浏览器打开 http://你的服务器IP:9899 就能进控制台。

⚠️ 别忘了在云服务商的安全组和服务器防火墙里放行 9899 端口，否则打不开。更稳妥的做法是只对你的 IP 开放。

Step 4（可选）：绑定域名 + 反向代理

我的做法是用子域名 i.lovecto.cn 解析到服务器，再配一层 Nginx 反代，这样访问更顺手、也方便上 HTTPS。

注意：官方文档里没有用于 CowAgent 的 Nginx 反代配置示例（只在功能描述里提过 Agent 能”配置 Nginx”）。下面是我的配置，属于社区实践，供参考：

server {
    listen 443 ssl http2;
    server_name i.lovecto.cn;

    ssl_certificate     /etc/nginx/ssl/fullchain.pem;
    ssl_certificate_key /etc/nginx/ssl/privkey.pem;

    location / {
        proxy_pass http://127.0.0.1:9899;
        proxy_http_version 1.1;
        proxy_set_header Upgrade $http_upgrade;
        proxy_set_header Connection "upgrade";
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
        proxy_set_header X-Forwarded-Proto $scheme;
        proxy_read_timeout 600s;   # Agent 任务耗时长，这个务必加大
    }
}

配好之后，就能随时随地用 https://i.lovecto.cn 访问了，手机浏览器也能用，很方便。

三、绑定微信（重点：先看风险）

这一步是 CowAgent 最吸引人的功能，也是最容易出事的功能。

绑定方式

方式 A（推荐）：Web 控制台 → Channels → Connect Channel → 选 WeChat → 扫码
方式 B：config.json 里设 {"channel_type": "weixin"}，启动后终端会出二维码

要点：

• 微信客户端要求 ≥ 8.0.69
• 二维码约 2 分钟有效，过期自动刷新
• 凭据持久化在 ~/.weixin_cow_credentials.json，重启会复用，不用反复扫码
• 会话过期（errcode -14）时会自动清掉旧凭据、重新弹二维码，不用手动干预
• 登录后通讯录会多出一个机器人（可搜”微信ClawBot”），支持 1 对 1 收发文字/图片/文件/视频，语音只能收（内置识别），不支持群聊
• 走的是官方 API，不需要公网 IP

⚠️ 但是，微信这条路有封号风险

官方文档说”走官方 API，安全使用”，但 GitHub Issues 里能看到另一面，必须如实告诉你：

• Issue #2460「微信登录成功后立刻被踢下线」，官方明确回复：“暂时请勿尝试接入 wx 通道，请使用公众号、飞书等其他通道”
• Issue #1788：1 天后个人微信自动断开，需要重新扫码
• Discussions 里有一条更直接的反馈：「docker 部署后，扫码直接就被腾讯识别外挂封号了」

我的建议：

• 服务器上这台，我实际用的是「Web 控制台 + 微信」，微信通道我会用小号，绝不用主力号
• 如果只是自己用，Web 控制台完全够——手机浏览器打开就是移动端体验，不折腾微信更省心
• 要给团队/客户用，走公众号或飞书通道，稳得多

四、真正让它好用的三件事：记忆、知识库、定时任务

装完只是”能用”，下面这三个机制才是”好用”的关键。

① 三层记忆 —— 它会记住你

记忆是自动写入的，不需要你手动维护，触发时机有三个：

• 对话上下文被裁剪时，被丢弃的内容由 LLM 总结写入日级记忆
• 每天 23:55 自动做一次全天总结
• 模型 API 上下文溢出时紧急保存

更妙的是 Deep Dream（记忆蒸馏）：每天总结完成后自动运行，把零散的日级记忆”蒸馏”进 MEMORY.md，去重、合并、剪枝，还会生成一篇梦境日记记录它整理时发现的洞察。

刚部署完可以手动触发一次，把历史全量蒸馏：

/memory dream 30

（参数是最近 N 天，默认 3，最大 30。也可以在配置里用 deep_dream_enabled 单独开关。）

💡 检索用的是混合检索：向量语义 0.7 + 关键词 BM25 0.3。日级记忆有 30 天半衰期，会自然淡出；核心记忆不衰减。

② 知识库 —— 它帮你整理资料

记忆是”按时间线”的流水账，知识库是”按主题”的结构化档案。区别在这：

用起来很简单：你丢一篇文章链接给它说”存一下”，它会自动提取要点、分类、打标签、写进知识库并建立交叉引用。目录结构是灵活的（默认 concepts/、entities/、sources/，可自定义）。

控制台里的「知识」模块还能可视化知识图谱，看页面之间的关联，挺直观。

💡 v2.1.3 起，知识库支持在建面里直接新建/导入文档，索引会根据实际目录树自动重建（以前会出现索引漂移、文档丢失的问题）；向量化也统一走了同一个 embedding provider，是真正的语义向量，不再退化成关键词搜索。

③ 定时任务 —— 每天自动给你干活

这是我用得最多的功能。创建任务直接用自然语言说就行：

"每天早上 9 点给我发一份天气报告"
"每 2 小时检查一次服务器状态"
"明天下午 3 点提醒我开会"

支持三种调度模式：一次性、固定间隔、Cron 表达式。

两个细节值得注意：

• 定时任务跑在隔离会话里，内部规划过程不会污染你的聊天，但最终结果会写回你的真实会话——所以你可以接着问”上一条第 2 点再展开讲讲”
• 每个会话默认只保留最近 3 对定时任务消息，更旧的自动清理，不会刷屏

五、Skill 机制：让它自己长本事

CowAgent 的技能（Skill）本质上是一份”说明书 + 脚本”的封装。安装方式统一：

# 聊天里用
/skill install pptx
/skill list --remote          # 看市场里有什么
/skill info <name>            # 看详情
/skill enable|disable|uninstall <name>

安装来源支持四种：

• Skill Hub：/skill install pptx
• GitHub：/skill install larksuite/cli 或直接给 GitHub 目录 URL
• ClawHub / LinkAI：/skill install clawhub:<name>
• 任意 URL（zip 或 SKILL.md）：/skill install https://xxx/pptx.zip

内置了三个：skill-creator（对话式造技能）、knowledge-wiki（维护知识库）、image-generation（生成图片）。

💡 一个提醒：Skill 只是”说明书 + 脚本”，它不能凭空变出 API 能力。比如你想让它配图，前提是你得先配好某个图像模型的 API Key。

六、说点实话：它的问题和边界

关于多用户隔离，比一年前好多了

早期版本有个明显痛点：多人共用一个 Agent 时，记忆和知识库是全部共享的，谁都能看到谁的内容。

好消息是 v2.1.7（2026.08.20） 补上了一块关键能力——多工作区 + 会话级权限模式：

• Agent 不再绑死在一个目录，你可以建多个项目工作区，每个会话绑定自己的工作区（Web 控制台和桌面版都支持）
• 每个会话有独立的权限等级：只读 / 工作区可写 / 完全访问，默认模式也可设
• 会话按工作区分组，支持置顶、重命名、删除

但要说清楚：记忆、技能、知识库仍然共享在系统工作区（默认 ~/cow）里。所以现在的隔离是”工作区 + 权限”层面，不是”记忆/知识库”层面的完全隔离。

官方 README 里把 “workspaces / 角色权限 / 审计日志” 列为企业版付费能力，也说明开源版在权限治理上仍有边界。

我的结论：

• 个人自用 ✅ 完全够，桌面版一装就能用
• 想要工作区/权限隔离 ✅ 现在可以做到，多开几个会话就行
• 要记忆和知识库也彻底互不可见 → 还是得每人单独部署一套，或者等它出 SaaS/企业版

界面门槛比想象中低

我之前以为这东西只适合程序员，其实桌面版把门槛降得很低——GUI、开箱即用、自动更新、扫码接通道。命令行部署那套才需要技术基础。

GitHub Discussions 里确实有人问”为什么一直提示 permission denied”、”如何在目录下执行命令”，但那大多是命令行部署的同志。用桌面版基本碰不到。

官方文档有几处数据打架

比如 agent_max_context_tokens 这个默认值，模板文件写 64000，手动安装文档写 40000，记忆文档写 50000；agent_max_steps 模板写 30、文档写 15。以你项目里实际的 config.py 为准，别死磕文档。

那到底适合谁？

七、常用命令速查

# 进程管理
cow start / stop / restart
cow status          # 看状态
cow logs            # 看日志
cow update          # 升级
cow install-browser # 装浏览器工具（约 300MB）

# 没装 CLI 时的兜底
./run.sh <command>

# 对话内命令
/skill list --remote       # 看技能市场
/memory dream 30           # 蒸馏最近 30 天记忆
/context                   # 看上下文占用
/compact                   # 手动压缩上下文
/clear                     # 清空上下文
/knowledge list            # 看知识库目录
/config agent_max_steps 50 # 在线改配置

写在最后

CowAgent 给我的感觉是：它是目前开源里”个人 Agent”完成度很高的一个——记忆、知识库、技能、定时任务、多渠道，一套齐活；而且桌面版让它从”程序员玩具”变成了”普通人也能用的工具”。

但它也清楚自己的边界：单机、单人为主，记忆层级的严格隔离要上企业版。想拿它做团队协作平台，现在还不是时候。

如果你也对 AI Agent 感兴趣，最省事的路径是：先去下载桌面版玩十分钟，觉得有意思了，再考虑搬到服务器上 7×24 跑。

装的时候记得：微信用小号，密码一定要设。

有问题欢迎评论区交流。

参考与来源：

• CowAgent 官方仓库：https://github.com/zhayujie/CowAgent
• 官方文档：https://docs.cowagent.ai/
• 桌面版下载：https://cowagent.ai/download/
• 官方 docker-compose：https://cdn.link-ai.tech/code/cow/docker-compose.yml
• 微信通道及封号相关 Issue：#2460、#1788