新智元报道
一家专注于国家关键基础设施网络安全的公司，跨界推出了 AI 桌面助手 WinClaw。实测显示，该产品在本地文件理解与检索方面表现专业。
WinClaw 能深度读取 Word、Excel、PPT、PDF 及微信缓存、NAS 映射等各类本地文件。其核心引擎“灵犀文脉”通过向量化处理，在本地构建专属 AI 知识库，让沉睡文件“活”起来。
除了基础的文件名搜索，WinClaw 支持正文关键词检索及大白话语义匹配，即便记忆模糊也能精准定位。若本地无结果，还可联动 200 多个在线源进行扩展搜索。更关键的是，它能对检索到的文档进行追问、总结、数据对比及自动摘表，且所有回答均标注出处。
用户可通过微信远程指挥电脑工作。随着使用时长增加，WinClaw 能基于用户习惯主动推送待办事项，扮演私人助理角色。
作为网络安全厂商威努特（Winicssec）的产品，WinClaw 将安全视为核心王牌。尽管功能强大，但所有文件始终锁定在本地，确保敏感数据不出境。
3467 篇文档，三案追凶
基于编辑部一年积累的 3467 篇稿件，我们对 WinClaw 进行了三项实测。
语义检索＋微信遥控：记忆串台，拒绝编造
测试场景：用户在外，需查找一篇关于"AI 圈乌龙稿”的文章，仅记得零碎数字（51 万行源码、18 个物种、552 次 SSH 登录），但记混了标题和位置。
我已经出门了，老板突然要电脑里那篇 AI 圈乌龙稿。我记得里面既写了 Claude Code 漏了 51 万行源码和 18 个物种，又提到服务器遭到 552 次 SSH 登录。标题和放哪都忘了。你先帮我确认是不是这篇，别急着发文件。
事实是，这三组数字分散在两篇不同文章中。多数 AI 可能会顺从错误记忆强行拼凑，但 WinClaw 并未如此。它执行了 4 轮检索，调用 10 个工具核实线索，最终在微信反馈：前两组数据来自"Claude Code"相关稿件，第三组来自"Moltbook"相关稿件，并指出用户可能因连续阅读而记混。
这种“搜到证据后拒绝编造”的能力，体现了其可靠性。
跨文档归纳：还原 OpenClaw 爆火全过程
测试场景：要求将散落在多篇稿件中关于"OpenClaw"的信息整合成完整时间线。
WinClaw 迅速梳理出五个关键节点：从 1 月 26 日首次报道（Clawdbot），到 1 月 29 日搜索量反超竞品，再到 1 月 30 日 Star 数破 10 万，随后引发硬件讨论及安全争议。系统通过 20 次文档读取校准日期，最终给出判断：搜索量破圈才是其质变的关键。
关系推理：厘清源码泄露事件中的五个角色
测试场景：在复杂的"Claude Code 51 万行源码泄露”事件中，理清发现者、传播者、回应者等角色关系。
WinClaw 通过检索原稿，按“发现、传播、回应、涉事、排除”逻辑归位角色：发现者 Chaofan Shou，传播者 Sigrid Jin，回应者 Boris Cherny，涉事公司 Anthropic，被排除对象 Bun。系统清晰还原了真相：Anthropic 发布 npm 包时未删除 map 文件导致泄露，Bun 仅为误伤嫌疑人。
超越传统搜索，赋予硬盘“事件记忆”
上述案例展示了 WinClaw“搜得准、读得深、理得清”的核心能力链。
文档图谱与数字分身
WinClaw 内置“文档图谱”功能，自动抽取人物、项目、事件实体，识别参与、负责、关联等五种关系并生成可视化网络。点击节点即可追问来龙去脉。
此外，“数字分身”功能可根据文档内容学习用户的角色、项目及习惯，提供个性化对话输出。配合“双通道推荐引擎”，系统能基于文件修改频率（快通道）和内容深度理解（深通道），主动推送待办任务，如生成周报或分析评审意见。
结合语音输入与办公引擎，用户可实现从口述到生成 Word、Excel、PPT 的全流程自动化。
三层防护，筑牢安全底线
针对 AI 应用的数据安全顾虑，WinClaw 构建了三层防护体系：
第一层：文件不出本机。原始文档、索引及知识图谱均存储于本地，不上传服务器。
第二层：内容过安全关卡。发送给大模型的上下文片段会自动过滤银行卡号、身份证号等敏感信息，确保发出的数据经过清洗。
第三层：支持完全断网。通过 Ollama 接入本地大模型，实现全链路离线运行，数据比特不离机。
这套机制源自威努特服务核电站十二年的五重安全架构（身份认证、安装审查、消息拦截、执行约束、监测审计）。
目前 WinClaw 支持 Windows 和 Mac 双平台，内置模型提供每日 60 次免费调用，亦支持接入 DeepSeek 等第三方模型以提升推理质量。
安装 WinClaw 后，用户无需再精确记忆文件名，只需描述模糊印象，即可重新激活并利用历史文档价值。
参考资料：https://winclaw.winicssec.com/
编辑：摩西 所罗门