首页 > 教程攻略 > ai教程 >ZeroClaw 是什么?一个 Rust 写的"轻量级 AI Agent 运行时"完整科普

ZeroClaw 是什么?一个 Rust 写的"轻量级 AI Agent 运行时"完整科普

来源:互联网 时间:2026-06-20 07:36:17

一句话先讲清楚

ZeroClaw 到底是什么?简单说,它是一个用 Rust 写的 AI Agent 运行时,定位是“OpenClaw 的极致轻量替代”。整个项目的最终产出就是一个二进制文件:你丢一份配置给它,它就能把 LLM 提供商、消息通道、记忆存储、工具调用这四件事串起来,跑成一个自治助手。

官方仓库在 github.com/zeroclaw-la…,数据截至撰写时,已经拿到了 30K+ Star,发布了 143 个 release。这个增长速度,本身就说明了不少问题。

它解决什么问题

说到 OpenClaw 那套 TypeScript/Node.js 栈,被吐槽最多的无非两件事:

  1. 资源占用太大

    :常驻内存动辄 300MB 起步,想把它塞进边缘设备?基本不现实。
  2. 依赖链太复杂

    :430k 行 TypeScript,再加上海量的 npm 依赖,光安全审计就能让人头疼好一阵子。

ZeroClaw 的选择就很直接——走完全相反的路线:

  • 单一 Rust 二进制,体积控制在 3.4–8.8MB(具体看构建配置)
  • 长跑内存低于 5MB
  • 冷启动不到 10ms(官方数据,硬件低至 0.6GHz 也能跑)
  • 默认采用 deny-by-default 的工具白名单 + 路径白名单

把“Agent 运行时”做成“一个能塞进树莓派的二进制”,这个思路本身就足够让人记住它。

它能干什么

按官方 README 的说法,ZeroClaw 把 Agent 拆成了四个核心 Trait(接口):

Trait作用现有实现
Provider接 LLMAnthropic、OpenAI、Ollama、OpenRouter 等 ~22 家
Channel接消息平台Discord、Telegram、Matrix、邮件、语音、Webhook、CLI 等 30+
Memory接存储后端SQLite + FTS5、Postgres(pgvector)、本地文件
Tool接外部能力Shell、浏览器、HTTP、硬件、自定义 MCP Server

换句话说,它本身不是模型,也不是 IDE 插件,而是一层把“模型 + 工具 + 通道 + 记忆”按 Trait 抽象起来的胶水层。想换 LLM、换前端、换数据库?改 config 就行,完全不动代码。这个设计的灵活性,在实际部署中会省下大量时间。

跟那一堆 Claw 的关系

搜索 ZeroClaw 你会刷到一大票名字:OpenClaw、NanoClaw、PicoClaw、IronClaw、NullClaw、TinyClaw…… 这帮项目在社区里被叫作“Claw Family”。大致可以这样理解:

  • OpenClaw

    :原版,TypeScript/Node,功能最全,但也最重。
  • ZeroClaw

    :Rust 重写,砍体积、强安全,是当前最受关注的分支。
  • NanoClaw / PicoClaw / TinyClaw

    :再往下做减法,主打“裸机/MCU 也能跑”。
  • IronClaw

    :偏企业部署方向。
  • NullClaw / Moltis 等

    :各自有侧重,属于生态外围。

日常关注的话,ZeroClaw 与 OpenClaw 这两个就够了,其他可以视为衍生品或技术实验。精力有限,重点聚焦在主线就好。

适合谁

哪些场景真的值得花时间评估这个项目?

  • 想把 Agent 部署到树莓派、低成本 VPS、边缘网关
  • 厌倦了 Node.js 的内存膨胀和 npm 供应链风险
  • 需要多通道接入(不光是 Web,还包括 Discord/Telegram/邮件/语音等)
  • 喜欢那种“配置驱动 + 编译期检查”带来的稳定感

当然,它也有不适合的场景:

  • 没有 Rust 工具链、想“下载即用”的同学要注意——编译需要大约 1GB 内存
  • 重度依赖某些只在 OpenClaw 生态里才有的插件
  • 等 Docker/WASM 沙箱功能 GA 的(路线图里有,但部分还没合并到主线)

这就是 ZeroClaw 系列的第 1 篇。后续会陆续展开:

  • 第 2 篇

    :架构与 Trait 设计——为什么它能做到“换实现不改代码”
  • 第 3 篇

    :ZeroClaw vs OpenClaw——把“-99% 内存”那张图拆开来看
  • 第 4 篇

    :安全模型——Landlock / Bubblewrap / Seatbelt / Docker 是怎么叠起来的
  • 第 5 篇

    :10 分钟上手——跑通一个 Telegram 助手
  • 第 6 篇

    :冷思考——社区风评里的水分与隐忧