PicoClaw

PicoClaw官网:github开源超轻量级个人AI助手,专为资源受限的边缘设备打造

简介

PicoClaw是由中国团队Sipeed发起的开源超轻量级个人AI助手，专为资源受限的边缘设备打造。它采用Go语言从零重构，通过”AI自举”模式开发，约95%的核心代码由AI Agent自主生成并经由人类审核优化。该项目最显著的特点是极致的资源效率：内存占用低于10MB，比同类方案OpenClaw减少99%，可在仅10美元的硬件上流畅运行，无论是树莓派Zero、RISC-V开发板还是刷了Linux的旧手机都能轻松部署。启动速度仅需1秒，即使在0.6GHz单核处理器上也能实现闪电响应。PicoClaw支持x86、ARM、RISC-V三大架构，提供单一二进制文件实现真正的跨平台便携，无需依赖Python或Node.js运行环境。功能上完整保留AI Agent核心能力，包括多轮对话、任务规划、文件读写、Shell命令执行、定时任务调度，并集成MCP协议支持扩展能力，可通过Telegram、Discord、QQ、钉钉等平台与用户交互，让完整的AI智能体能力真正下沉到消费级边缘设备。

PicoClaw官网: https://github.com/sipeed/picoclaw

---

PicoClaw：用 $10 硬件运行全功能 AI 助手，极致轻量边缘 AI 的新标杆

2026年2月，一个名为 PicoClaw 的开源项目悄然出现在 GitHub 上，随即引爆了整个 AI 开发者社区。在短短数天内收获数千颗 Star，原因只有一个：它用不到 10MB 的内存，在一块 $10 的硬件上，完整运行了一个具备工具调用、记忆管理、定时任务、即时通讯集成等能力的 AI Agent。这在之前，几乎是不可想象的事情,更多查看玩龙虾导航: https://wanlongxia.com。

这个项目来自 Sipeed 团队——一家以生产廉价 RISC-V 和 ARM 开发板闻名的硬件公司。他们用 Go 语言重写了轻量级 AI 助手的底层逻辑，并且有一个细节令人惊叹：项目核心代码约 95% 由 AI Agent 自身完成，整个过程是一次”自举式迁移”（self-bootstrapping migration），人类工程师仅做了最终的审核与优化。这不仅是一个工具，更像是一次关于 AI 能力边界的宣言。

---

从 Nanobot 到 PicoClaw：一段极简主义的进化史

要理解 PicoClaw 的来龙去脉，需要先了解它的”祖先”——OpenClaw（前身为 ClawdBot）。OpenClaw 是当前最流行的开源个人 AI 助手框架之一，支持 WhatsApp、Telegram、Slack 等几乎所有主流通讯平台，能帮用户清理收件箱、管理日历、自动订票，功能相当完整。但代价是：它基于 TypeScript/Node.js 构建，运行时内存占用超过 1GB，项目代码量超过 43 万行，启动时间在一台主流 Linux 服务器上动辄超过 500 秒，最低配置要求 2GB RAM 以上的设备。

香港大学数据科学（HKUDS）团队看不下去了，于是用大约 4000 行 Python 代码写出了 Nanobot 项目——代码量比 OpenClaw 缩小了 99%，专注于核心 Agent 能力，砍掉了一切”重型”依赖。Nanobot 在技术圈引发了广泛关注，它证明了：你不需要数十万行代码才能拥有一个实用的 AI 助手。

Sipeed 团队在 Nanobot 的基础上迈出了更激进的一步。他们意识到，Python 本身的运行时开销仍然不可忽视——在一块 256MB 内存的 RISC-V 开发板上，Python 解释器启动就要耗费相当一部分资源。于是，他们决定用 Go 重写整个架构，编译为单一静态二进制文件，彻底抛弃任何运行时依赖。2026年2月9日，PicoClaw 正式发布。

这个名字中的”Pico”代表极微小，与皮皮虾（Mantis Shrimp）的英文缩写也有几分关联——项目的口号就是”皮皮虾，我们走！”——一种典型的中国互联网式幽默，暗示这只”小虾米”要挑战那些”大鲸鱼”。

---

核心架构：Go 语言 + 静态二进制的极致效率

PicoClaw 的架构设计哲学可以用一句话概括：做减法，而不是做加法。

整个项目编译后是一个单一的自包含二进制文件，无需安装任何运行时环境。你不需要 Node.js、不需要 Python 虚拟环境、不需要 pip install，下载二进制文件，配置 API Key，直接运行。在实测中，即便是在一块主频 600MHz 的单核处理器上，PicoClaw 的冷启动时间也在 1 秒以内——这比 OpenClaw 快了整整 400 倍。

从内存使用角度来看，PicoClaw 的常驻内存（RSS）低于 10MB，而 OpenClaw 在空载状态下就超过 1GB。这意味着 PicoClaw 的内存效率比 OpenClaw 高出约 99%。对于一块只有 256MB 内存的 Sipeed LicheeRV Nano 开发板来说，PicoClaw 可以轻松运行，而 OpenClaw 连启动都是奢望。

跨架构支持是另一个核心优势。得益于 Go 的跨平台编译能力，PicoClaw 提供了以下平台的预编译二进制文件：

• RISCV64 Linux
• ARM64 Linux（支持树莓派 Zero 2 W 的 32/64 位版本）
• AMD64 Linux
• AMD64 Windows

这意味着从一块 $10 的嵌入式 RISC-V 板子，到旧安卓手机上跑的 Termux 环境，再到家里闲置的 x86 小主机，PicoClaw 都可以部署运行。Sipeed 自家的 LicheeRV-Nano 和 NanoKVM 开发板都是官方支持的目标硬件，售价在 $10–$15 之间。

---

主要功能详解

多模型、多提供商支持

PicoClaw 本身不执行 LLM 推理，它是一个 Agent 运行时框架，连接外部模型提供商。通过 config.json 配置文件，你可以接入：

• OpenAI（GPT-4o、GPT-5 等）
• Anthropic（Claude Sonnet、Claude Opus 等）
• DeepSeek
• Ollama（本地模型）
• OpenRouter（聚合多模型路由，支持免费模型）
• Perplexity API（联网搜索增强）

其中 Ollama 的支持尤为关键：如果你在本地运行 Ollama 并挂载一个量化压缩的小模型（如 Qwen2-0.5B-Instruct），那么整个 AI 助手可以做到完全离线运行，不依赖任何云端服务，真正实现了”空气隔离”（Air-gapped）部署。

PicoClaw 还支持多 Agent 并发与模型故障切换（Fallback）：你可以定义多个 Agent，每个 Agent 使用不同的模型，当主模型超时或出错时，自动切换到备用模型。还支持以”轮询（Round-robin）”方式在多个模型之间分摊请求压力，适合高频使用场景。

即时通讯集成

PicoClaw 通过”网关（Gateway）”组件接入即时通讯平台，目前官方支持：

• Telegram
• Discord
• QQ
• DingTalk（钉钉）
• WhatsApp（通过网关组件）

对于国内用户，钉钉和 QQ 的原生支持是一大亮点。配置方式相当简单：在 BotFather 申请 Telegram Bot Token，填入 config.json，几分钟内即可让 PicoClaw 在你的 Telegram 上响应指令。

内置工具能力

PicoClaw Agent 具备以下原生工具调用能力：

• 文件读写：可以读取本地文件内容，也可以将生成的内容保存到磁盘
• Shell 命令执行：可以在宿主机上运行 Shell 指令（部分高危命令如 rm -rf 被默认禁用）
• Web 搜索：支持 Brave Search、DuckDuckGo、Tavily、SearxNG 和 Perplexity API，可配置多个搜索提供商
• 定时任务（Cron）：内置类 Cron 调度器，可以设置周期性提醒、日报推送、定期数据监控

心跳系统（Heartbeat）

这是 PicoClaw 的一个独特设计：在工作目录下有一个 heartbeat.md 文件，Agent 每 30 分钟自动读取该文件，并根据其中的指令自动执行任务。这相当于一个持久运行的”被动任务队列”，你只需要在 Heartbeat 文件中写入指令，Agent 会在下一个心跳周期自动执行。

持久记忆（Persistent Memory）

PicoClaw 维护一个本地 Memory 文件，用于跨会话存储重要信息，例如用户偏好、已启用的技能列表、自定义配置等。这避免了每次对话都从零开始的问题，让 Agent 在长期使用中变得越来越”懂你”。

硬件外设集成（I2C / SPI）

对于 IoT 开发者，这是一个杀手级特性：PicoClaw 内置了对 I2C 和 SPI 通信协议的工具支持，可以直接驱动接在开发板上的传感器、显示屏、电机控制器等外设。这意味着你可以用自然语言指令来控制物理硬件——比如”每隔 10 分钟读取一次温湿度传感器，如果温度超过 30°C 就发 Telegram 消息给我”。

安全沙箱设计

PicoClaw 默认采用”安全优先”策略：Agent 的文件访问被限制在 ~/.picoclaw/workspace 工作目录内，无法访问工作目录以外的文件。高危 Shell 命令被内置黑名单过滤。这在一定程度上降低了 prompt injection 攻击导致的损失风险，也更适合在不完全信任的环境中运行。

---

安装与配置：手把手实战

方法一：直接下载二进制（最快）

访问 GitHub Releases 页面（github.com/sipeed/picoclaw），根据你的硬件架构下载对应的二进制文件。下载完成后赋予可执行权限：

chmod +x picoclaw-linux-arm64
./picoclaw-linux-arm64 agent -m "Hello, who are you?"

方法二：从源码编译

git clone https://github.com/sipeed/picoclaw.git
cd picoclaw
make deps
make build          # 编译当前平台
make build-all      # 编译所有平台
make build-pi-zero  # 专门为树莓派 Zero 编译
make install        # 编译并安装到系统路径

方法三：Docker 部署（推荐新手）

git clone https://github.com/sipeed/picoclaw.git
cd picoclaw
# 第一次启动会自动生成 config.json 模板后退出
docker compose -f docker/docker-compose.yml --profile gateway up
# 编辑配置文件，填入 API Key
nano docker/data/config.json
# 正式启动
docker compose -f docker/docker-compose.yml --profile gateway up -d

配置文件结构

核心配置在 ~/.picoclaw/config.json（或 Docker 模式下的 docker/data/config.json），关键字段包括：

{
  "agents": {
    "defaults": {
      "workspace": "~/.picoclaw/workspace",
      "model_name": "claude-sonnet",
      "max_tokens": 8192,
      "temperature": 0.7,
      "max_tool_iterations": 20
    }
  },
  "model_list": [
    {
      "model_name": "claude-sonnet",
      "model": "anthropic/claude-sonnet-4.6",
      "api_key": "your-anthropic-key"
    }
  ],
  "tools": {
    "web": {
      "duckduckgo": { "enabled": true, "max_results": 5 }
    }
  }
}

连接 Telegram

1. 打开 Telegram，搜索 @BotFather，输入 /newbot 创建 Bot，获取 Token
2. 搜索 @userinfobot，获取你的用户 ID（用于限制只有你能操控 Bot）
3. 将 Token 和用户 ID 填入 config.json
4. 重启 PicoClaw 服务，去 Telegram 和你的 Bot 对话

连接成功后，你可以直接在 Telegram 中向 PicoClaw 发送自然语言指令，例如：

• “帮我搜索今天苹果公司的股价”
• “写一篇关于边缘计算的博客，保存到文件”
• “5分钟后提醒我开会”

---

实测体验与综合评价

部署体验：★★★★★

这是 PicoClaw 最亮眼的地方。整个安装流程，从下载二进制到第一条 Telegram 消息响应，熟悉流程的情况下大约 5–10 分钟即可完成。在一台树莓派 Zero 2 W 上（ARM 64位，512MB RAM），启动时间约 0.8 秒，内存占用稳定在 8–9MB 区间。相比之下，在同款硬件上尝试运行 OpenClaw 时，Node.js 本身的安装就需要十几分钟，最终因内存不足而放弃。

响应速度：★★★★☆

PicoClaw 本身的推理延迟取决于后端 LLM 提供商，而非 PicoClaw 本身（因为它不执行本地推理）。连接 Anthropic Claude Sonnet 时，单轮对话响应时间约 2–5 秒，体验流畅。使用 Ollama 运行本地 Qwen2-0.5B 模型时，由于模型本身较小，回答质量有所下降，但在嵌入式设备上实现完全离线的事实本身就足够令人兴奋。

工具调用准确性：★★★★☆

在实际测试中，PicoClaw 的文件读写、Web 搜索和 Cron 定时任务执行准确率较高。Cron 任务在 5 分钟到期后能准确触发并推送 Telegram 消息。偶尔在复杂的多步骤任务中，Agent 会出现工具调用顺序错乱的情况，但 max_tool_iterations 参数可以控制最大迭代次数，避免陷入无限循环。

安全性：★★★★☆

默认的工作目录沙箱和高危命令黑名单设计是加分项。但需要注意的是，PicoClaw 目前还处于 pre-1.0 阶段，官方文档明确说明存在未解决的网络安全问题，不建议在 v1.0 正式发布前用于生产环境。此外，社区中已出现多起以 PicoClaw 名义发起的加密货币骗局，官方声明从未发行任何代币，用户需格外警惕。

功能完整性：★★★☆☆

相比 OpenClaw，PicoClaw 目前缺少：

• 浏览器自动化（Browser Automation）
• MCP（Model Context Protocol）协议支持
• 丰富的第三方插件生态
• 完善的 Web UI（正在开发中）

这些功能均已列入 2026 年 3 月公布的路线图（Roadmap），预计将在未来几个季度陆续推出。

适用人群画像

PicoClaw 最适合以下场景：

• 硬件极客与 Maker 社区：在 $10–$50 的开发板上部署自己的私人 AI 助手
• IoT 开发者：将 AI 推理能力带到边缘设备，实现本地传感器的智能响应
• 注重隐私的个人用户：配合 Ollama 本地模型，做到数据完全不出本地
• 预算有限的个人开发者：通过 OpenRouter 的免费模型，以零成本运行 AI 助手
• 旧设备再利用：给积灰的旧安卓手机（通过 Termux）或初代树莓派赋予新生命

---

五款同类产品深度横评

参赛选手介绍

在轻量级 AI Agent 这条赛道上，与 PicoClaw 正面竞争的产品正在快速增多。以下五款产品覆盖了从”极简嵌入式”到”企业级安全”的不同定位，值得仔细比较。

---

1. OpenClaw — 功能最全的”原祖”

OpenClaw（前身 ClawdBot）是整个生态的起点，也是目前功能最完整的个人 AI 助手框架。它基于 TypeScript 和 Node.js 构建，拥有数十万行代码和庞大的插件生态，支持的通讯平台包括 WhatsApp、Telegram、Slack、Discord、iMessage、Signal、Microsoft Teams 等几乎所有主流平台。它还具备浏览器自动化、语音交互、Live Canvas、日历管理、邮件清理等高级功能。

优势：功能生态最完整、社区最大、文档最详细、插件最丰富。

劣势：内存占用超过 1GB，最低需要 2GB RAM 设备；冷启动时间可能超过 8 秒；部署复杂度高，不适合嵌入式或边缘环境；代码库庞大，定制修改门槛高。

适合人群：有稳定服务器资源、需要丰富功能和成熟生态的用户。

---

2. ZeroClaw — Rust 加持的”安全速跑者”

ZeroClaw 是另一个以 OpenClaw 为参照物的重写项目，但选择了 Rust 语言而非 Go。Rust 的内存安全特性使 ZeroClaw 天然具备更强的安全保障，其常驻内存不到 5MB，启动时间在毫秒级（< 10ms），甚至比 PicoClaw 还快。

ZeroClaw 采用”Trait 驱动”的插件架构，添加一个新的通讯渠道只需要实现一个 Rust Trait，编译器会自动进行类型安全验证，约 50–100 行代码即可完成。它还支持混合向量 + 全文检索的记忆系统，可选 PostgreSQL 持久化，并提供从 OpenClaw 配置文件一键迁移的工具。

优势：启动速度全场最快（< 10ms）、内存效率最高（< 5MB）、Rust 安全性保障最强、插件扩展架构优雅。

劣势：Rust 学习曲线较陡，自定义开发门槛高；社区生态比 OpenClaw 和 PicoClaw 都小；文档相对不够完善。

适合人群：有 Rust 背景、注重安全性与性能的开发者；需要在边缘服务器（而非嵌入式开发板）上运行高频任务的场景。

---

3. NanoBot — Python 生态的”老前辈”

NanoBot 是 PicoClaw 的直接”精神前辈”，由香港大学数据科学团队用约 4000 行 Python 写成，代码量比 OpenClaw 缩减了 99%，极度精简。它提供了 AI Agent 的核心构建模块：工具调用、记忆管理、即时通讯集成（支持 WhatsApp 和 Telegram）、定时任务，并且代码结构非常清晰易读。

优势：Python 生态，几乎所有开发者都能读懂和修改代码；代码量极少，适合学习和研究 Agent 架构；可与 LangChain、LlamaIndex 等 Python AI 库直接集成。

劣势：Python 运行时开销无法消除，内存占用仍在 100MB 以上；启动时间约 30 秒（在低端硬件上更慢）；不提供编译后的静态二进制，部署依赖 Python 环境；功能更新速度已明显慢于 PicoClaw。

适合人群：希望理解 Agent 底层原理的学习者；已有 Python AI 开发经验、需要快速原型验证的开发者。

---

4. NanoClaw — 容器化安全优先的”企业新星”

NanoClaw 在设计上与 PicoClaw 有一个根本性的区别：它不追求极小的资源占用，而是将安全隔离放在第一位。NanoClaw 默认在 Docker 容器内运行，通过容器化将 Agent 的执行环境与宿主机完全隔离。它与 Anthropic 的 Agents SDK 深度集成，对 Claude 系模型有更好的原生支持，并内置了对 WhatsApp 的集成和 cron 定时任务功能。

优势：容器化隔离，安全边界最清晰；Anthropic Agents SDK 集成，Claude 工具调用体验最好；适合在企业内网或多租户环境部署；资源隔离意味着多个 Agent 实例互不影响。

劣势：依赖 Docker，无法在裸 RISC-V 嵌入式板子上直接运行；容器层面有额外的资源开销；功能生态和社区规模较小；文档覆盖不够全面。

适合人群：企业内部部署场景；对安全隔离有强需求的用户；重度依赖 Claude 模型的开发者。

---

5. TinyClaw — 专注移动端与低功耗的”新秀”

TinyClaw 是 2026 年初冒出来的一个较新项目，定位与 PicoClaw 有一定重叠，但专注于移动端和超低功耗场景。它的目标硬件是安卓手机（通过 Termux 部署）和超低功耗的 MIPS/ARM 路由器，支持的通讯平台以国内市场为主（微信、钉钉等）。TinyClaw 同样使用 Go 编写，内存占用控制在 15MB 左右，提供了一套针对移动端交互优化的 UI。

优势：对国内通讯平台（微信、钉钉）支持更好；移动端部署流程优化，在 Termux 上配置体验更顺畅；有简单的 Web UI 界面，新手友好度高于 PicoClaw。

劣势：内存占用（~15MB）略高于 PicoClaw（< 10MB）；项目启动时间较短，代码审查和社区活跃度有限；路由器支持功能还在测试阶段；缺少 I2C/SPI 硬件外设集成能力。

适合人群：中国用户想在微信/钉钉上部署个人 AI 助手；希望在安卓手机上运行轻量 AI Agent 的用户；需要 Web UI 进行可视化管理的非技术用户。

---

综合对比数据表

维度	PicoClaw	OpenClaw	ZeroClaw	NanoBot	NanoClaw	TinyClaw
开发语言	Go	TypeScript	Rust	Python	多语言/容器	Go
内存占用	< 10MB	> 1GB	< 5MB	> 100MB	~50MB（含容器）	~15MB
冷启动时间	< 1s	> 8s	< 10ms	> 30s	~5s	~1.5s
最低运行硬件	$10 嵌入式板	2GB RAM VPS	边缘服务器	$50 Linux SBC	Docker 宿主机	安卓手机
跨架构支持	RISC-V/ARM/x86	x86 为主	x86/ARM	x86 为主	Docker 平台	ARM/x86
离线运行	✅（Ollama）	❌	✅	✅（部分）	❌	✅（部分）
国内平台集成	钉钉/QQ	部分	有限	有限	有限	微信/钉钉
I2C/SPI 硬件	✅	❌	❌	❌	❌	❌
安全隔离	工作目录沙箱	弱	Rust 安全	弱	Docker 容器	工作目录沙箱
生产就绪度	pre-1.0	成熟	beta	成熟（轻量）	beta	alpha
开源许可	✅	✅	✅	✅	✅	✅
Web UI	开发中	✅	有限	❌	❌	✅（简版）
社区活跃度	高（快速增长）	最高	中	中	低	低

---

2026 年路线图：PicoClaw 还差什么？

根据 Sipeed 团队在 GitHub 上发布的 2026 年 3 月路线图（Roadmap Issue #988），PicoClaw 当前阶段（Phase 1）的核心优先级包括：

WebUI 改进：现有的 WebUI 原型在初次配置阶段用户体验较差，许多新手卡在初始配置环节。团队计划重构前端界面，使其更加直观易用，降低非技术用户的上手门槛。

MCP 协议支持：Model Context Protocol（MCP）是 Anthropic 推出的工具调用标准化协议，正在成为 AI Agent 生态的重要基础设施。PicoClaw 一旦接入 MCP，就可以直接复用大量已有的 MCP Server，极大扩展工具调用范围。

浏览器自动化：这是目前与 OpenClaw 相比最明显的功能缺口。通过集成 Playwright 或 Chrome DevTools Protocol，PicoClaw 未来将能够执行网页表单填写、内容抓取、自动登录等浏览器操作。

技能发现系统（Skills Discovery）：类似于应用商店的概念，用户可以在社区中发布和发现可复用的 PicoClaw 技能包，一键安装扩展 Agent 的能力边界。

WebUI 的出现将是 PicoClaw 从”开发者玩具”走向”大众工具”的重要一步。目前的命令行配置方式对普通用户来说门槛仍然偏高。

---

边缘计算的下一波浪潮

PicoClaw 的出现，不仅仅是一个技术产品，更代表了 AI 部署理念的一次范式转变。

过去两年，AI 基础设施的讨论几乎都围绕着算力向上集中——更大的数据中心、更贵的 GPU 集群、更高的云端算力租用成本。而 PicoClaw 所代表的方向恰恰相反：智能向下分发，让 AI 能力下沉到每一个边缘节点，下沉到每一块廉价的开发板，下沉到每一个没有稳定网络连接的偏远场景。

这一趋势在数据上也有所体现。据行业预测，2025 年 AI 推理约有 90% 在云端完成；到 2027 年，这一比例可能逆转为 70% 在本地/边缘完成。量化压缩模型技术（GGUF、AWQ 等）的成熟、ARM 和 RISC-V 芯片的快速普及、以及 PicoClaw 这类极致轻量 Agent 框架的出现，正在共同推动这一趋势加速落地。

对于 IoT 行业而言，PicoClaw 提供了一个前所未有的可能性：用自然语言驱动物理设备。一个农业传感器节点，用 $15 的 RISC-V 板子跑 PicoClaw，每小时读取土壤湿度数据，在数据异常时通过 Telegram 发出告警，并自动触发灌溉控制信号——整套系统的硬件成本不到一杯咖啡的价格，却具备了相当的”智能”。

当然，挑战也是真实存在的。模型幻觉（Hallucination）在 Agent 控制物理设备的场景下后果远比聊天界面严重得多——一个错误指令可能导致传感器损坏甚至安全事故。Prompt Injection 攻击在 IoT 边缘场景下同样是不可忽视的威胁。PicoClaw 的安全沙箱和命令黑名单是正确的方向，但在 v1.0 正式发布前，用于生产关键系统仍需谨慎。