Guía de Configuración de CoPaw: Asistente de IA Multicanal que Puedes Autoalojar

CoPaw es un asistente de IA personal de código abierto del equipo AgentScope de Alibaba. Se ejecuta en tu propia máquina o servidor y se conecta a DingTalk, Feishu, QQ, Discord, Telegram e iMessage. Lo he estado configurando junto a mis instancias de OpenClaw y nanobot. Lo que llamó mi atención fue la consola web integrada para la configuración y el hecho de que incluye tres backends de modelos locales de fábrica.

Si estás comparando opciones de asistentes de IA autoalojados, nuestro resumen de alternativas a OpenClaw cubre varios proyectos incluyendo nanobot, NanoClaw, PicoClaw y más. Para una opción más ligera basada en Go, consulta la guía de configuración de PicoClaw.

Qué hace realmente CoPaw

CoPaw significa “Co Personal Agent Workstation.” El equipo AgentScope lo construyó sobre AgentScope y ReMe para la gestión de memoria. La propuesta: un asistente que se conecta a tus aplicaciones de mensajería y ejecuta tareas según un horario sin que tengas que pedirlo.

La arquitectura:

Tú (DingTalk / Feishu / QQ / Discord / Telegram / iMessage)
    ↓
CoPaw Server (ejecutándose en tu máquina o VPS)
    ↓
LLM Provider (DashScope, OpenAI, Azure, Ollama, llama.cpp, MLX)
    ↓
Skills (cron, PDF, Word/Excel/PPT, news, file reader, browser, custom)

Los mensajes llegan desde la aplicación de chat que uses, CoPaw los enruta al LLM que hayas elegido, y el modelo puede usar habilidades integradas para manejar archivos, ejecutar trabajos programados, navegar por la web o trabajar con documentos. Hay una consola web en http://127.0.0.1:8088/ donde configuras todo en lugar de editar archivos de configuración a mano.

Cómo se compara con OpenClaw y nanobot

Donde CoPaw destaca: la consola web integrada significa que no necesitas dashboards de terceros, y el soporte para DingTalk/Feishu/QQ es de primera clase en lugar de añadido a posteriori. Si esas son tus aplicaciones de chat diarias, CoPaw te ahorra muchos dolores de cabeza de configuración.

Instalación

CoPaw te ofrece cinco formas de empezar. Cubriré las tres más prácticas.

pip install copaw
copaw init --defaults
copaw app

copaw init

curl -fsSL https://copaw.agentscope.io/install.sh | bash

irm https://copaw.agentscope.io/install.ps1 | iex

copaw init --defaults
copaw app

# llama.cpp (multiplataforma)
curl -fsSL https://copaw.agentscope.io/install.sh | bash -s -- --extras llamacpp

# MLX (solo Apple Silicon)
curl -fsSL https://copaw.agentscope.io/install.sh | bash -s -- --extras mlx

# Ollama
curl -fsSL https://copaw.agentscope.io/install.sh | bash -s -- --extras ollama

docker pull agentscope/copaw:latest
docker run -p 127.0.0.1:8088:8088 -v copaw-data:/app/working agentscope/copaw:latest

docker run -p 127.0.0.1:8088:8088 \
  -e DASHSCOPE_API_KEY=your_key_here \
  -v copaw-data:/app/working \
  agentscope/copaw:latest

docker run -p 127.0.0.1:8088:8088 \
  --add-host=host.docker.internal:host-gateway \
  -v copaw-data:/app/working agentscope/copaw:latest

Instalar en un VPS de Hetzner

Si quieres que CoPaw funcione 24/7 en un servidor, un VPS económico hace el trabajo. Yo uso un Hetzner CX22 (2 vCPU, 4 GB de RAM) por €3,99/mes.

Conéctate por SSH a tu servidor y ejecuta:

ssh root@YOUR_SERVER_IP
apt update && apt upgrade -y
curl -fsSL https://copaw.agentscope.io/install.sh | bash

Abre una nueva sesión de shell, luego:

copaw init --defaults
copaw app

Para mantenerlo en ejecución después de cerrar la sesión SSH, usa un gestor de procesos como systemd o ejecútalo en una sesión de tmux/screen.

Desinstalar

copaw uninstall          # conserva la configuración y los datos
copaw uninstall --purge  # elimina todo

Configuración de Modelos

Antes de que CoPaw pueda hacer algo útil, necesitas configurar un LLM. Abre la Consola en http://127.0.0.1:8088/ y ve a Settings → Models.

Proveedores en la nube

CoPaw funciona con DashScope, ModelScope, OpenAI, Azure OpenAI y Aliyun Coding Plan. Para cualquiera de ellos:

1. Ve a Settings → Models en la Consola
2. Encuentra la tarjeta del proveedor y haz clic en Settings
3. Introduce tu clave de API y haz clic en Save
4. El estado de la tarjeta cambia a Available
5. En la sección LLM Configuration de la parte superior, selecciona el proveedor y el modelo, luego haz clic en Save

También puedes establecer las claves de API como variables de entorno. Para DashScope:

export DASHSCOPE_API_KEY=your_key_here

O ponlo en un archivo .env en el directorio de trabajo (por defecto ~/.copaw/).

Usar OpenAI o Azure OpenAI

Estos funcionan a través del sistema de proveedores personalizados:

1. Haz clic en Add provider en la página de Models
2. Introduce un Provider ID (p. ej. openai) y un nombre para mostrar
3. Haz clic en Settings, introduce la URL Base (https://api.openai.com/v1 para OpenAI) y la clave de API
4. Haz clic en Models, añade el ID del modelo (p. ej. gpt-4o)
5. Selecciónalo en el desplegable de LLM Configuration

Modelos locales

CoPaw admite tres backends de modelos locales. No se necesitan claves de API.

Para descargar y usar un modelo local desde la línea de comandos:

copaw models download Qwen/Qwen3-4B-GGUF
copaw models    # selecciona el modelo descargado
copaw app       # inicia el servidor

También puedes descargar y gestionar modelos desde la interfaz de la Consola en Settings → Models. Haz clic en Models en la tarjeta de llama.cpp o MLX, luego en Download model e introduce el ID del repositorio de Hugging Face.

Para Ollama, asegúrate de que el daemon de Ollama esté en ejecución primero y luego descarga modelos a través de Ollama como de costumbre:

ollama pull qwen3:4b

CoPaw se sincroniza con los modelos que tenga disponibles Ollama.

Si eres nuevo en la ejecución de modelos locales, nuestra guía de instalación de Ollama con Docker cubre los conceptos básicos.

Comparativa de costes

Los modelos de DashScope son más baratos que OpenAI con una calidad comparable. Si quieres evitar las facturas de API por completo, llama.cpp u Ollama con un modelo local no te cuesta nada más allá de la electricidad.

Configuración de Canales

Los canales son la forma en que te comunicas con CoPaw desde tus aplicaciones de mensajería. Puedes configurarlos a través de la Consola (Control → Channels) o editando directamente config.json.

Discord

1. Crea una aplicación de Discord en discord.com/developers
2. Ve a la pestaña Bot, haz clic en Reset Token y copia el token del bot
3. En Privileged Gateway Intents, activa Message Content Intent
4. Genera una URL de invitación OAuth2 con el alcance bot y los permisos Send Messages + Read Message History
5. Invita el bot a tu servidor
6. En la Consola de CoPaw, ve a Control → Channels, haz clic en Discord, actívalo y pega el token

En config.json, tiene este aspecto:

{
  "channels": {
    "discord": {
      "enabled": true,
      "token": "YOUR_DISCORD_BOT_TOKEN"
    }
  }
}

Telegram

1. Abre Telegram, busca @BotFather, envía /newbot
2. Elige un nombre y nombre de usuario, copia el token
3. En la Consola, activa Telegram y pega el token

{
  "channels": {
    "telegram": {
      "enabled": true,
      "token": "YOUR_TELEGRAM_BOT_TOKEN"
    }
  }
}

DingTalk

La configuración de DingTalk implica crear una aplicación personalizada en la consola de desarrolladores de DingTalk. CoPaw tiene una habilidad integrada llamada dingtalk_channel_connect que te guía en la búsqueda de credenciales, la configuración de Client ID/Secret y los pasos manuales. Activa el canal DingTalk en la Consola y sigue las indicaciones guiadas.

Feishu (Lark)

Misma idea que DingTalk. Crea una aplicación en la Plataforma Abierta de Feishu, obtén el App ID y el App Secret, e introdúcelos en la Consola. CoPaw también admite proxy SOCKS para Feishu si estás detrás de un firewall corporativo.

iMessage (solo macOS)

Si estás ejecutando CoPaw en un Mac, iMessage funciona como canal. Este es uno de los pocos asistentes autoalojados que admite iMessage de forma nativa.

Varios canales a la vez

CoPaw puede conectarse a varios canales simultáneamente. Los mensajes van al canal en el que hablaste por última vez, o puedes dirigir mensajes programados a canales específicos.

Habilidades

Las habilidades son la forma en que CoPaw hace más que simplemente chatear. Varias vienen integradas y puedes escribir las tuyas propias o importarlas desde hubs de la comunidad.

Habilidades integradas

Gestionar habilidades en la Consola

Ve a Agent → Skills en la Consola para ver todas las habilidades cargadas, activarlas o desactivarlas, crear habilidades personalizadas o editar las existentes.

Importar habilidades desde hubs

CoPaw puede importar habilidades desde estas fuentes:

• https://skills.sh/
• https://clawhub.ai/
• https://skillsmp.com/
• Repositorios de GitHub (cualquier repositorio con un archivo SKILL.md)

En la Consola, ve a Agent → Skills, haz clic en Import Skills, pega la URL y confirma.

Crear habilidades personalizadas

Coloca una carpeta con un archivo SKILL.md en ~/.copaw/customized_skills/:

~/.copaw/
  customized_skills/
    my_research_skill/
      SKILL.md

El archivo SKILL.md es Markdown simple que describe lo que hace la habilidad:

---
name: my_research_skill
description: Research a topic and summarize findings
---

# Research Skill

When asked to research something:
1. Search the web for current information
2. Summarize key findings in bullet points
3. List sources

CoPaw detecta las nuevas habilidades al reiniciar. Las habilidades personalizadas tienen prioridad sobre las integradas cuando los nombres coinciden.

Sistema de Memoria

El sistema de memoria de CoPaw usa ReMe y almacena todo en archivos Markdown simples. Tiene dos partes: la gestión de contexto que comprime conversaciones largas antes de alcanzar los límites de tokens, y la memoria a largo plazo que escribe hechos en archivos y los indexa para que CoPaw pueda encontrarlos más tarde.

Estructura de archivos de memoria

~/.copaw/
  MEMORY.md                    # Hechos persistentes, preferencias, decisiones
  memory/
    2026-03-05.md              # Registro diario de hoy
    2026-03-04.md              # Registro de ayer
    ...

MEMORY.md contiene información persistente — cosas como “Prefiero Python 3.12” o “Mi equipo usa Slack para los standups.” Los registros diarios capturan lo que ocurrió en cada conversación, y el sistema resume automáticamente las conversaciones cuando se vuelven demasiado largas.

Búsqueda híbrida

CoPaw usa búsqueda semántica vectorial y búsqueda de texto completo BM25 juntas. Los pesos de fusión por defecto son 70% vectorial, 30% BM25.

Para habilitar la búsqueda vectorial, configura el servicio de embedding:

export EMBEDDING_API_KEY=your_key
export EMBEDDING_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
export EMBEDDING_MODEL_NAME=text-embedding-v4

Sin una clave de API de embedding, CoPaw recurre únicamente a la búsqueda de texto completo BM25.

Hacer que las cosas persistan

Dile a CoPaw directamente:

“Recuerda: siempre despliego en staging antes que en producción.”

Esto se escribe en MEMORY.md. También puedes editar los archivos de memoria directamente:

nano ~/.copaw/MEMORY.md

Tareas Programadas y Heartbeat

CoPaw puede ejecutar cosas según un horario de dos formas: trabajos cron para comandos específicos y heartbeat para check-ins periódicos.

Trabajos cron

Crea tareas programadas a través de la CLI o la Consola:

# Crear un trabajo que se ejecute a las 9am cada día
copaw cron create --type agent --name "morning-digest" --cron "0 9 * * *" --message "Summarize my pending tasks and calendar for today"

# Listar todos los trabajos
copaw cron list

# Comprobar el estado de un trabajo
copaw cron state <job_id>

También puedes gestionar trabajos cron desde la Consola en Control → Cron Jobs.

Heartbeat

Heartbeat es la versión de CoPaw de un check-in programado. Escribes un bloque de preguntas en un archivo Markdown, y CoPaw las recorre según un temporizador y envía las respuestas a tu último canal usado. Configúralo durante copaw init o edita HEARTBEAT.md en el directorio de trabajo.

Ejemplo de HEARTBEAT.md:

Check the following and report back:
- Any new emails from clients?
- What meetings do I have today?
- Summarize overnight GitHub notifications

Establece el intervalo y el destino en config.json:

{
  "heartbeat": {
    "enabled": true,
    "interval": "2h",
    "active_hours": "08:00-22:00"
  }
}

Referencia de CLI

Solución de Problemas

CoPaw no responde

Comprueba que el servidor esté en ejecución y el modelo esté configurado:

1. Abre http://127.0.0.1:8088/ — si no carga, el servidor no está en ejecución
2. Ve a Settings → Models y verifica que un proveedor esté Available y haya un modelo seleccionado
3. Revisa la salida del terminal en busca de mensajes de error

Problemas con la clave de API

Si ves errores de autenticación:

• Vuelve a verificar la clave de API en Settings → Models
• Para DashScope, verifica la clave en dashscope.console.aliyun.com
• Intenta establecer la clave como variable de entorno: export DASHSCOPE_API_KEY=xxx

Docker no puede alcanzar Ollama

Dentro de un contenedor Docker, localhost apunta al contenedor, no al host. Usa --add-host=host.docker.internal:host-gateway y establece la URL Base de Ollama a http://host.docker.internal:11434/v1.

En Linux, también puedes usar --network=host:

docker run --network=host -v copaw-data:/app/working agentscope/copaw:latest

El canal no recibe mensajes

• Verifica que el canal esté habilitado en Control → Channels
• Comprueba que los tokens y las credenciales sean correctos
• Para Discord, asegúrate de que Message Content Intent esté habilitado en el portal de desarrolladores
• Reinicia CoPaw después de cambiar la configuración del canal

CoPaw vale la pena probarlo si quieres un asistente autoalojado con una interfaz web adecuada en lugar de editar archivos JSON a ciegas. Los tres backends de modelos locales significan que puedes ejecutarlo sin ningún coste de API, y si DingTalk o Feishu es donde vive tu equipo, es la opción más pulida que he encontrado para esas plataformas.

Para otras opciones de asistentes autoalojados, consulta nuestro resumen de alternativas a OpenClaw. Si quieres algo que compile a un único binario y funcione en una placa de $10, la guía de configuración de PicoClaw lo cubre. Para un asistente auto-mejorante con modo de voz y búsqueda de sesiones, ve la guía de configuración de Hermes Agent. Y para ejecutar modelos locales detrás de cualquiera de estos asistentes, nuestra guía de Ollama con Docker tiene los detalles de configuración.