AutoClaw官方入口为 https://autoclaw.zhipuai.cn。用户通过该入口可获取 Windows 与 macOS 双平台一键安装包，完成下载、登录后即可在本地运行一个预置50余项技能的AI执行引擎，同时支持飞书等即时通讯工具接入，实现跨端指令调度。

从云端到本地：AutoClaw的产品逻辑

AI智能体在过去两年经历了从概念验证到规模化落地的快速演进，但部署门槛一直是制约个人用户深度使用的关键瓶颈。命令行配置、环境依赖、模型接入等环节将大量非技术用户挡在门外。智谱于2026年3月正式推出AutoClaw桌面端，瞄准的正是这一断层——将AI智能体的部署流程压缩至“下载、双击、登录”三步，使其像安装一款普通办公软件一样简单。

AutoClaw的底层设计思路强调“本地优先”。所有任务执行与数据处理均在用户本机完成，不依赖云端服务器中转。这一架构选择直接回应了个人用户对数据隐私的普遍关切，也在网络延迟和离线场景中保持了稳定可用性。与此同时，本地运行并不意味功能缩水，应用完整继承了AI智能体的核心能力：浏览器自动化操作、文件管理、定时任务调度、多技能协同等工作流组件全部内建。

与此前市面同类产品不同，AutoClaw在发布之初就明确了“开箱即用”的定位。应用预装了GLM系列多个模型版本，包括GLM-4.7、GLM-4.7-Flash、GLM-4.7-FlashX以及GLM-5，其中Flash系列对全体用户免费开放调用。这一模型策略降低了用户的试用成本，也为后续向付费模型转化建立了自然路径。

官方入口与获取途径详解

AutoClaw的唯一官方入口为 https://autoclaw.zhipuai.cn，用户在浏览器中访问该地址即可进入产品主页。页面提供了按操作系统区分的下载通道：Windows版本和macOS版本各自对应独立的安装包链接，当前最新版本号为0.2.12（截至2026年9月），安装包体积约259MB。

下载完成后，安装流程无需任何额外配置。双击安装包，按向导提示完成应用安装，启动后使用智谱账号登录，系统将自动进行核心组件的本地初始化。整个过程通常在1至2分钟内完成，用户无需接触命令行或手动配置环境变量。

2026年5月，智谱进一步拓展了AutoClaw的入口形态，在App Store上线了iOS客户端。移动端APP与桌面端账号数据实时同步，支持Agent创建与管理、群聊协作等核心操作。APP还引入了双模式执行环境：选择“本地模式”时，手机端下达指令后由保持在线状态的PC端实际执行；选择“云模式”时，任务在云端独立运行，无需PC保持在线。这一设计显著扩展了AutoClaw的使用场景，用户即便不在电脑旁也能调度自己的AI智能体完成工作。

核心能力拆解：模型、技能与集成

AutoClaw的能力体系可以从三个维度加以审视。

首先是模型层。除前述预装的GLM系列通用模型外，智谱还为AutoClaw场景专门优化了一款代号为Pony-Alpha-2的内测模型。该模型在工具调用稳定性、多步骤任务推进连贯性以及响应延迟方面均有针对性提升，尤其适配Skill调用、定时任务和持续性工作流等真实使用场景。行业分析认为，这种“通用模型+场景专模”的双轨策略正在成为AI智能体产品的标配路径——通用模型保障日常任务的广度覆盖，专属模型则在垂直场景中建立差异化优势。此外，AutoClaw开放了外部模型接入能力，支持用户通过API Key配置任意第三方大模型，实现模型层的自由切换。

其次是技能层。AutoClaw预置了超过50项预制Skills，覆盖内容创作、办公自动化、信息检索、数据分析等高频场景。具体而言，内容创作类技能支持微信公众号、小红书、微博等平台的一键生成与格式排版；办公自动化类技能可操作飞书文档读写、邮件撰写与批量处理；浏览器自动化类技能则涵盖网页数据抓取、表单自动填写、定时信息监控等任务。这些预制技能无需用户额外配置接口或编写Prompt模板，选定后即可直接调用。

第三是集成层。飞书的深度集成是AutoClaw区别于同类产品的一个显著特征。在macOS系统上，用户点击“一键接入飞书”按钮后，系统会自动打开浏览器跳转至飞书开放平台，通过手机扫码授权即可完成全自动配置，耗时约45秒到2分钟。Windows用户则需要手动在飞书开放平台创建企业自建应用并获取App ID与App Secret，填入AutoClaw后完成绑定。集成完成后，用户可在手机、PC、平板等任意设备的飞书客户端中直接向AutoClaw机器人发送指令，实现跨端任务调度。

从技能市场到Agent群聊：生态的雏形

AutoClaw并非一个封闭的工具箱。产品架构中预留了多个生态扩展接口，其中最值得关注的是Skills市场与Agent群聊协作机制。

Skills市场允许用户分享和获取社区贡献的技能模板，形成“使用-反馈-复用”的正向循环。这一机制降低了长尾场景的覆盖成本——当预制技能无法满足特定需求时，用户可在市场中检索是否有他人已发布的相关技能，也鼓励具备一定技术能力的用户将自建技能上架共享。

Agent群聊功能则引入了一种多智能体协作范式。用户可创建包含多个Agent的群组，各Agent分别承担不同角色和技能配置，在群聊中协同完成复杂任务。例如，一个内容生产场景下，可设置一个Agent负责素材检索、一个Agent负责初稿撰写、第三个Agent负责排版校对，三者通过群聊串联形成完整流水线。这一设计将单Agent的任务执行能力提升为多Agent的流程编排能力，拓展了AutoClaw在团队场景中的适用边界。