爱派AiPy官网网页版入口是：aipyaipy.cgref.cn
爱派（AiPy）是知道创宇推出的本地执行型开源AI智能体，核心卖点是用“Python-Use”范式让AI直接写代码、跑代码、根据结果自我修正，而不是停在一问一答的聊天框里。如果你正在找一个能真正操作文件、处理数据、控制本机软件的AI工具，这篇文章会帮你看清它到底能干什么、所谓的“开源免费”实际花多少钱、以及哪些场景下把它请进电脑反而是负担。
爱派AiPy是什么：不是聊天机器人，是“能动手”的桌面智能体
爱派AiPy由北京知道创宇研发，2025年4月发布，官方对自己的定位很直接：AI大模型 + Python执行环境 = 真正能干活的AI助手。它把大模型的规划能力和本机的Python运行环境连成一条闭环——你说需求，它写代码，代码在本机跑，跑完读结果，不对就改，直到交付文件、报告或操作结果。
理解AiPy的关键，是把它和普通AI对话工具放在不同的类别里。ChatGPT、DeepSeek这类产品的产出是“文本”，你拿到回答之后还得自己动手执行；AiPy的产出是“已经执行完的结果”——一张汇总好的Excel表、一份生成好的PPT、一次网页数据的自动抓取、一段在本机跑通的Python脚本。官方对此的表述是“现有大模型面向问答，AiPy面向任务”。
它的技术路线叫Python-Use，核心主张是“真正的通用AI Agent是NO Agents，Code is Agent”。传统Agent范式依赖开发大量工具和Agent协同，而AiPy让大模型直接通过编写Python代码来调用一切能力，减少了对预置Agent的依赖。这个路线选择直接影响了它的成本结构和安全特征，后面会展开。
核心工作流：从一句话到可执行结果，中间隔着“信任边界”
输入与执行：自然语言进去，Python在本机跑
AiPy的使用入口是一个桌面客户端，界面结构不复杂：左侧任务列表与设置，中间对话框，右侧工作目录列出当前任务生成的文件。你在对话框里描述任务，模型拆解需求、生成Python或Node.js代码，然后在本机环境中真实执行，读取运行反馈，失败就自己debug重跑，直到任务完成或卡住。
这个闭环意味着AiPy的能力上限不取决于它内置了多少功能，而取决于“Python能干什么”——理论上，只要是Python能调动的资源，它都有路径触达。官方FAQ的表述很直白：“理论上讲能通过Python自动调度完整的任务工作，AiPy都可以完成”。但同时官方也承认自己“仍处于开发的初级阶段”，建议先从轻量级任务开始尝试，而不是一上来就交给它复杂生产任务。
文件与系统访问：能力的来源，也是风险的来源
AiPy可以读取分析本地文件（官方提及可超过10GB）、分析内网数据库、控制本机浏览器、控制安卓手机，甚至能操作FreeCAD这类专业桌面软件完成建模任务。这是它和云端Agent最本质的差异：数据不需要先上传到别人的服务器，处理过程留在你自己的机器上。
但这恰恰也是需要极度谨慎的地方。UgliAI的评测在这一点上说得很清楚：“本地执行”只说明应用和部分数据可以位于本机，不保证完全离线。模型API、联网脚本、第三方Python包都可能把查询、代码或文件片段带到其他处理方；更关键的是，模型生成的代码会真实运行，这意味着它有能力写入文件、安装软件、删除数据、访问浏览器Cookie或SSH Key。把AiPy装在一台存有敏感凭据或生产数据的主力电脑上，然后让它“无人值守”地执行任务，是明确的高风险操作。
较稳妥的用法是隔离执行：拿一台专用机器或虚拟机，把待处理的文件复制到专用目录，先让AiPy展示计划和代码，确认无误后再运行，重要数据保留副本。这不是对工具的否定，而是“代码执行型Agent”这一类产品的通用安全前提。
Python-Use的代价与收益：为什么它比Manus便宜，又为什么不能只看便宜
AiPy官方在FAQ中明确对比了Manus：AiPy本身开源免费，用户只承担大模型API的token费用，而且因为不需要大量Agent调用，相同任务下的token消耗相对较少；同时支持本地部署，敏感数据不必上云。这是它成本结构的核心逻辑——省掉的不只是订阅费，还有多Agent协作带来的token冗余。
但“便宜”的反面是对模型能力的直接暴露。官方自己说得很坦诚：Python-Use范式下，很多能力取决于大模型本身，编码能力越强的模型任务表现越好；从性价比角度他们推荐DeepSeek，因为“很少花费就可以实现大部分任务”。换句话说，AiPy不替你兜底模型质量，你用便宜模型省钱，就得接受它在复杂任务上更容易卡住或生成错误代码。
另一个容易被“开源免费”掩盖的事实是许可证的性质。UgliAI指出，AiPy的公开代码并非标准GPL-3.0：LICENSE在GPL-3.0基础上额外禁止未经许可提供SaaS或集成进商业产品，更准确的描述是自定义GPL衍生的source-available许可。对于个人使用和研究，这几乎没有影响；但如果你打算基于AiPy做商业分发或对外提供SaaS，需要先看清楚条款，不能默认“开源=随便用”。
真实成本：工具免费，但“免费”不等于零支出
AiPy的定价需要拆成几层来看，不能只看“开源免费”这一句话。
工具本身是免费的。客户端开源，代码托管在GitHub（knownsec/aipyapp），个人和企业都可以下载使用和修改。这一步确实没有订阅费。
模型API是主要的持续成本。AiPy支持配置魔塔、智谱、千帆、Kimi、DeepSeek、混元、火山、百炼、硅基流动等主流API，也支持通过Ollama、LMStudio接入本地模型。云端API按token计费，官方推荐DeepSeek作为性价比方案；本地模型（Ollama等）则可以把API成本压到接近零，代价是本机算力占用和模型能力上限。新用户通常有免费token额度（公开信息提到每周100万Tokens、价值约14.6元，或通过邀请码获得额外额度），足够跑通流程和做轻量测试，但支撑不了高频生产使用。
桌面产品和企业版是另一套体系。桌面客户端可能通过积分或内置渠道调用模型，个人版存在免费路径但完整成本涉及积分、模型token和本机资源；企业版提供内网私有化、知识库、权限隔离和审计等能力，属于商业交付，价格需要单独获取报价。另有第三方页面给出个人会员约8.25元/月、商业版50–120元/人/月等参考数字，但来源权威性有限，不建议作为预算依据，以官网实际结算为准。
选型判断的核心不是“它免不免费”，而是你愿意为token花多少钱、以及你的任务值不值得花这些token。用免费额度跑一条完整任务链，估算自己场景下的真实消耗节奏，比看任何标价都可靠。
爱派AiPy适合谁，不适合谁
优先考虑的场景
- 需要在受控机器上批量处理本地文件的个人或小团队：Excel汇总、文档格式转换、公开数据抓取整理这类任务，AiPy的“代码生成+本地执行”链路比手动操作快得多，而且数据不用先上传到第三方云端。
- 对数据边界敏感、但有一定技术判断力的用户：金融、医疗、政企等场景对“数据不出本机”有硬要求，AiPy的本地部署选项和信创环境适配（麒麟、统信UOS、国产CPU）是直接对口的。
- 愿意审查代码、把AiPy当“加速器”而非“全自动员工”的人：能读懂执行记录、会限制目录和网络权限、知道在运行前看一眼生成代码的用户，能从AiPy获得最大的实际收益，同时把风险控制在可接受范围。
- 想低成本体验“本地Manus类能力”的探索者：相比Manus的订阅门槛，AiPy用免费客户端加免费token额度就能跑通第一条任务，试错成本极低。
需要谨慎的情况
如果你期待的是“说一句话，然后什么都不用管，AiPy自动把活干完”——这个预期需要调低。官方自己说得很清楚，它还在初级阶段，推荐先做轻量任务；实际使用中，模型生成错误代码、卡在依赖安装、任务偏离预期都是常见情况。AiPy省掉的是“自己写每一行代码”的时间，增加的是“检查AI写的代码”的管理成本，对零基础用户来说，这个交换不一定划算。
如果你的核心需求是多模型聊天、写文案、做研究，而不需要代码执行，AiPy的权限面明显大于实际需要，Cherry Studio这类工具的暴露面更小、更合适。如果是仓库内的代码开发任务，Claude Code或Cursor在版本控制和代码审查的衔接上更成熟。另外，不要把AiPy直接放进存有生产数据库、财务终端或主力工作电脑的环境里无人值守运行，这是评测中反复强调的底线。
和Manus放在一起看，差异不在“谁更强”，在“谁把风险放在哪”
AiPy和Manus是最常被对照的两个选项，但它们的架构选择指向了不同的取舍。
Manus走的是云端多Agent协作路线，综合能力在文档生成、复杂任务编排上表现成熟，用户体验更“开箱即用”，代价是订阅制成本（公开信息提到月费从50美元量级起）和把任务与数据交给云端处理。
AiPy走的是本地Python-Use路线，不依赖大量预置Agent，用代码生成和执行来完成任务，成本结构是“工具免费+token自付”，数据留在本机的可能性更高，但把代码执行的风险和模型质量的责任交还给了用户。
一句话概括：要开箱即用和成熟的云端编排、不介意订阅成本和数据上云，Manus的体验更顺；要对本地数据有控制权、愿意自己承担审查和隔离的责任、并且能接受模型能力波动，AiPy的成本结构和部署灵活性更有吸引力。 这不是“谁替代谁”的关系，而是两种不同的信任模型——一个把信任交给平台，一个把信任留给自己，但要求你配得上这份信任。
常见问题解答
爱派AiPy是免费的吗？
工具本身开源免费，客户端可以免费下载和使用，但模型API调用需要按token付费。可以使用免费模型或本地模型（Ollama等）把成本压到接近零，但能力会受限。新用户通常有免费token额度，足够跑通轻量任务和验证流程。完整的高频使用仍然有持续成本，不是“全部免费”。
AiPy和Manus最大的区别是什么？
Manus是云端多Agent架构，开箱即用、综合能力强，但需要订阅付费且数据经过云端；AiPy是本地Python-Use架构，工具开源免费、用户只承担模型API的token费用，数据可以在本机处理，但代码执行的风险和模型质量的责任由用户承担。选择取决于你更在意“省心”还是“数据边界和成本控制”。
AiPy的代码执行安全吗？
“本地执行”不等于“安全”。AiPy生成的代码会真实运行，有能力写入文件、安装软件、访问本机资源。较稳妥的用法是隔离运行：用专用机器或目录、保留数据副本、运行前审查计划与代码、高风险操作要求人工确认。不要把AiPy放在存有敏感凭据或生产数据的主力环境中无人值守使用。
没有编程基础，能用AiPy吗？
可以开始，但需要调整预期。用自然语言描述任务就能启动，不需要自己写代码；但实际使用中，理解执行日志、判断生成代码是否合理、处理依赖或权限问题，仍然需要一定的技术判断力。官方自己也建议先从轻量任务开始。完全零基础、期待“全自动交付”的用户，遇到挫折的概率不低，把它当成“需要监工的加速器”比当成“不需要学习的工具”更现实。
