ZeroClaw

Fast, small, and fully autonomous AI personal assistant infrastructure — ANY OS, ANY PLATFORM

状态: active · 总分: 3.8/5 · 推荐度: 3/5

一句话总结

面向资源敏感型部署场景（边缘设备、低配 VPS、嵌入式系统）的 AI agent runtime，以 3.2 MB Rust 二进制实现了 OpenClaw 95% 的 API 兼容，内存占用仅 ~5 MB，但在成熟度和版本稳定性上仍在快速迭代阶段。

总体评价

ZeroClaw 是目前 AI personal assistant 领域最极端的「轻量化」方案。它从 OpenClaw 的生态中剥离出核心 runtime，用 Rust 重写，实现了 99% 的 footprint 缩减——二进制 3.2 MB、空闲内存 ~5 MB、冷启动 <10 ms。这一指标领先于所有同类项目，不仅碾压 OpenClaw 的 Node.js 堆栈（~300 MB），也显著低于同类 Rust 方案 [SparkCo]。

但代价显著：项目仅 3 个月大（2026-02-13 创建），465 open issues，版本号 0.7.5 且每日发布——它是那种「功能涨得比 bug 修得快」的项目 [GH]。如果需要一个稳定、可预测的生产环境 agent，现在不是时机。如果追求极致资源效率且能接受快速迭代的不稳定性，ZeroClaw 是目前唯一的选择。

结论：资源效率领域无可争议的冠军，成熟度领域同样无可争议的短板。值得密切关注，但暂时不宜作为唯一依赖的生产基础设施。

推荐度：3/5

2026-06 推荐度重校准：3 个月 beta、maturity=2、issue 量高且 API 不稳定；性能兴趣不能直接等同采用推荐。

角色定位：面向边缘部署、低配 VPS、嵌入式系统或 CI 管线的 AI agent runtime 需求者。如果「用 2 GB 内存的 VPS 跑一个完整 AI 助手」是你的核心需求，ZeroClaw 是答案。

痛点：

• 版本号 0.7.x，API 和行为在每次 release 间都可能变化 [GH]
• 465 open issues，外部评论明确指出「high bug volume suggests stability challenges」[Borq168]
• 开发节奏过快（~1.6 releases/day），社区和文档追不上代码变化

结论：如果强调性能优先并接受不稳定性，可以谨慎试用；如果需要稳定基础设施，等 v1.0 再评估。

优势

1. 极致的资源效率：3.2 MB 静态链接 Rust 二进制，<5 MB RSS 空闲，<10 ms 冷启动。在 Raspberry Pi 上跑 agent 不再是一个修辞，而是真实可用的部署 [SparkCo]
2. OpenClaw 兼容性：直接读取 ~/.openclaw/config.toml，95% API 覆盖。迁移成本几乎为零 [GH]
3. Rust 安全性红利：所有权系统在编译期消除内存 bug，unsafe 代码 <1%（仅 FFI）。搭配可选 seccomp-bpf 沙箱，安全基线远高于 JS 生态 [Docs]
4. 社区爆发力：3 个月 31k stars、4.6k forks、24-36 contributors/release，增长速度在同类项目中首屈一指 [GH]
5. Rust trait 插件系统：模块化架构，稳定 ABI 1.0，RFC #5574 正在拆分 microkernel，可以按需编译功能，不需要的模块不进入二进制 [GH] [Docs]
6. 多平台一等公民：Linux、macOS、Windows 均为 Tier 1，ARM64 native，Docker 支持 [Docs]

劣势

1. 极其不成熟：v0.7.5，3 个月历史，无稳定 API 承诺。任何升级都可能踩坑
2. issue 积压严重：465 open issues，外部评价指出 bug 密度影响稳定性 [Borq168] [GH]。死代码 cost/tracker.rs 孤儿文件（566 行，未编译）直接躺在仓库中 [GH#6094]
3. 功能快于质量：v0.7.5 一下子塞进了 web onboarding、personality editor、ACP protocol、live model switching、HMAC receipts、voice groundwork 等大量功能——3 个月内。feature velocity 远超 quality maintenance
4. 插件生态断裂：OpenClaw 的 JS 插件必须用 Rust trait 重写，零兼容。生态冷启动问题
5. 安全性不够企业级：无 RBAC、无 SOC2、无 webhook 审计日志 [SparkCo-VS]。个人使用足够，企业部署需要评估

---

适合什么场景

• 将 AI 助手部署到 <1 GB 内存的 VPS 或 SBC
• 嵌入式 / IoT 环境的 agent runtime（ARM64、ARMv7 native）
• CI/CD 管线中需要轻量 agent 触发通知、执行自动化
• 需要 Rust 原生 agent 框架进行二次开发
• 从 OpenClaw 迁移且对性能敏感的用户

不适合什么场景

• 需要生产级稳定性的企业部署——等 v1.0
• 依赖 OpenClaw 上大量 JS 社区插件的项目——生态完全不同
• 需要 RBAC、审计日志、SOC2 的合规场景
• 对文档完整性有硬性要求的项目——代码变得比文档快

与类似项目对比

项目	定位	相对本项目
OpenClaw	JS/TS AI assistant 始祖，功能最全	重 99 倍，成熟度高，生态丰富。迁移目标
Hermes Agent	Python AI assistant，注重可扩展性	功能更完整，资源占用更高，成熟度略高
Pi Agent	超轻量 Raspberry Pi agent	更轻，功能更少，通用性不如 ZeroClaw
Nanobot	MCP host 层	定位更低层，不提供完整的 agent runtime

---

它能做什么

ZeroClaw 是一个单二进制 agent runtime，完成 AI 助手的完整生命周期 [GH] [Docs]：

接入层（30+ 渠道）：

• 聊天平台：Telegram、Discord、Matrix、Slack、Signal、WhatsApp
• 邮件：IMAP/SMTP
• 语音：基础 VAD + VoiceEvent（gateway-voice-duplex feature flag）
• Web：REST gateway (127.0.0.1:42617)、WebSocket、ACP JSON-RPC
• 中国特色：WeChat iLink Bot（v0.7.4 恢复）
• CLI：zeroclaw agent -m "Hello"

模型层（~20+ providers）：

• Anthropic、OpenAI、Ollama、Bedrock、Gemini、Azure、OpenRouter
• 任何 OpenAI-compatible endpoint（Groq、Mistral、xAI 等）
• 支持 fallback chain 自动降级、per-provider 定价
• 流式失败自动回退到非流式 [GH]

工具层：

• Shell 命令执行（默认 supervised，可选 YOLO mode）
• HTTP 请求、浏览器自动化、硬件控制
• MCP 服务器集成（用户自定义工具）
• web_search、memory reindex、session 生命周期管理
• HMAC 工具收据（v0.7.5，端到端签名验证）

记忆与状态：

• SQLite 持久化（默认），支持 PostgreSQL backend（v0.7.4）
• Vector embeddings 语义检索
• 7 个人格文件：SOUL.md、IDENTITY.md、USER.md、AGENTS.md、TOOLS.md、HEARTBEAT.md、MEMORY.md [GH]

评分 4/5。功能广度对应一个成熟的 AI assistant，但 voice、PostgreSQL memory、i18n 等多项处于实验阶段——覆盖面广不等于每个功能都稳定。

运行环境与资源占用

场景	CPU	内存	存储	说明
最小	1 core, SSE4.2	8 MB	10 MB	核心 runtime 无额外 feature
推荐	1-2 cores	50 MB	100 MB	含 SQLite + embeddings + 常用 channels

• 运行时：Rust 静态链接二进制，依赖 musl（静态）或 glibc（动态可选）
• 操作系统：Linux (Ubuntu 20.04+, Debian 11+, Fedora 35+)、macOS 11+、Windows 10/11，均为 Tier 1。嵌入式：Raspberry Pi OS、Alpine Linux (Tier 2) [Docs]
• Docker：Alpine (musl) 和 Ubuntu 镜像
• GPU：不需要
• 外部依赖：无——自包含二进制。但 channel 功能（Telegram、Discord 等）需要网络访问和各自的 API token

性能亮点 [SparkCo]：

• 二进制：3.2 MB（vs OpenClaw 298 MB，缩减 98.9%）
• 冷启动：8 ms（vs 1250 ms，快 99.4%）
• 空闲 RSS：4.1 MB（vs 145 MB，少 97.2%）
• 峰值堆内存：12 MB（vs 320 MB，少 96.3%）
• 吞吐量：450 tasks/s（vs 120 tasks/s，高 275%）

评分 5/5。在 AI agent runtime 领域，这些指标是无争议的领先地位。同类项目中找不到更高效的方案。

⚠️ 注意：以上 benchmark 数据来自第三方评测 [SparkCo]，非 Develata 独立验证。评测方法学上可靠（bare-metal, reproducible commands），但评分假设该 benchmark 真实。如实际部署发现显著偏差，performance 应重新评估。

上手体验

安装流程设计精良 [GH]：

curl -fsSL https://raw.githubusercontent.com/zeroclaw-labs/zeroclaw/master/install.sh | bash
zeroclaw onboard    # 交互式引导配置

zeroclaw onboard 是 schema-driven、幂等的配置向导。--minimal 安装最小 kernel（~6.6 MB），--source 从源码编译，--list-features 列出所有编译期 feature。v0.7.5 新增了 web onboarding（/onboard flow with OpenAPI 3.1 spec），以及 CLI config patch / config docs / config schema --path。

日常使用路径清晰：zeroclaw agent 启动对话，zeroclaw daemon 启动后台服务，zeroclaw gateway 启动 webhook 服务器。

但 465 open issues 是一个不可忽视的信号——很多用户在遇到边缘情况。zeroclaw doctor 和 zeroclaw channel doctor 提供了诊断工具，但初始配置（尤其是多 channel 联动）仍可能踩坑。

评分 4/5。安装体验接近完美（curl | bash + 交互式向导），但 open issue 数量说明并非所有用户都能顺利跑通。

代码质量

正面信号：

• Rust 语言选择本身消灭了一整类内存 bug
• pre-push hook（fmt、clippy、tests），严格 lint 可选开关 [Docs]
• CI parity（docker build -t zeroclaw-dev . 可复现 CI 环境）
• secret scanning（gitleaks pre-commit hook + 手动审计指引）
• RFC 过程管理架构决策 [GH]
• trait-based 模块化系统，unsafe <1%（主要限于 FFI）[SparkCo]
• 微内核分拆路线（RFC #5574），编译期 feature flag 隔离

负面信号：

• 465 open issues（3 个月项目）是红色警报级别的信号
• 活生生的技术债证据：[GH#6094] 报告了一个 566 行死代码孤儿 cost/tracker.rs——存在但未编译，项目已经高速迭代到 v0.7.5 都无人清理
• 开发速度过快（~1.6 releases/day），代码审查能否跟上存疑
• 外部评论「high bug volume suggests stability challenges」[Borq168]

评分 4/5。Rust 的编译期保证 + CI 工程实践给了基础分，但 issue backlog 和死代码孤儿阻止了 5/5。这不是「代码质量差」——这是「工程质量被速度甩在后面」。

可扩展性

ZeroClaw 的扩展体系分为两层 [GH] [Docs]：

1. Rust trait 插件系统：Provider、Channel、Tool 均映射到 Rust traits，编译为动态库（stable ABI 1.0）。自定义 channel integration 或工具只需实现对应 trait。

2. 编译期 feature flag（RFC #5574）：正在拆分 microkernel——不需要的 modules 通过 Cargo features 排除，减小二进制。--list-features + --features 控制。

3. MCP 服务器兼容：用户可以通过 MCP 协议接入自定义工具，不限于 Rust traits。

4. OpenAPI 3.1 spec（v0.7.5）：自动生成 TypeScript dashboard client，REST API 可被外部工具消费。

但关键痛点：OpenClaw 的 JS 社区插件不能直接使用——需要从 JavaScript 完整移植到 Rust traits。这是一个生态迁移成本，不是扩展性限制，但客观上限制了可用插件的数量。

评分 4/5。架构设计优秀（traits + feature flags + MCP + OpenAPI），但 JS 生态断裂的事实限制了实际可扩展性的即时价值。

文档质量

文档以 mdBook 形式组织 [Docs]：

• Introduction、Philosophy、Architecture（概览 + request lifecycle + crates map）
• Getting Started（quick-start + YOLO mode docs）
• Setup（Linux、macOS、Windows、Docker 分平台指南）
• Contributing（how-to、communication、RFCs、privacy、testing 全链路）
• Multi-locale：v0.7.4 引入 Mozilla Fluent pipeline，mdBook 驱动多语言 [GH]
• OpenAPI 3.1 spec 自动生成 + Scalar explorer [GH]

信息架构清晰，覆盖全面。对于 3 个月的项目，这份文档的深度和质量远超预期。但快速版本迭代意味着边缘功能（voice、PostgreSQL memory）的文档可能有滞后。

评分 4/5。接近满分——内容完整、结构好、有多语言框架。唯一的扣分是追不上代码速度。

社区与成熟度

维度	评分	说明
社区活跃度	4/5	31k stars + 4.6k forks（3 个月）；24-36 contributors/release；Discord 活跃；RFC 公开讨论
成熟度	2/5	v0.7.5，3 个月历史，频繁破坏性变更，无稳定 API 承诺

社区：ZeroClaw 的增长速度和贡献者多样性在同龄项目中首屈一指——3 个月 31k stars 绝非偶然。但社区「活跃」不等于社区「可持续」：3 个月的历史太短，无法判断贡献者留存率和长期维护意愿。465 open issues 也提示社区在 feature velocity 和 issue resolution 之间存在张力 [Borq168]。

成熟度：这是 ZeroClaw 最弱的维度。v0.7.5 意味着「仍在 beta」，而 3 个月的项目年龄意味着任何长期承诺都是不可靠的。v0.7.5 的 release notes 中明确标注了配置系统的 breaking changes [GH]。API 和配置格式在可预见的未来会持续变动。

安全与风险

ZeroClaw 的安全设计原则是「local-first + layered defense」[Docs]：

默认安全：

• 默认 autonomy 模式为 supervised，medium-risk 操作需审批，high-risk 操作禁止
• zeroclaw estop 紧急停止，即时阻断 agent 所有操作 [Docs]
• YOLO mode 显式命名、logged、非默认，有意设计为 loud
• 静态链接 Rust 二进制，编译期消除内存 bug

加密与密钥管理：

• 分层密钥解析（config → env → generic），.env gitignored
• 加密配置值（secrets.encrypt = true，密钥存储在 ~/.zeroclaw/.secret_key）
• HMAC tool receipts（v0.7.5，端到端验证）
• TLS 传输加密

开发安全：

• gitleaks pre-commit hook，推荐 trufflehog / git-secrets
• .githooks/pre-push 强制 fmt + clippy + tests
• 手动审计指引（git diff --staged | grep + 泄露处理 SOP）

短板：

• 无 RBAC、无 webhook 审计日志、无 SOC2 [SparkCo-VS]
• 沙箱可选（seccomp-bpf），未默认启用
• 单机安全模型——多用户鉴权不是当前的设计目标

评分 4/5。对于个人使用场景（ZeroClaw 的设计目标），安全基线令人满意——甚至优秀（秘密检测 + HMAC receipts + estop）。企业级功能缺失不影响此评分的定位。

学习价值

高。ZeroClaw 是以下几个主题的优秀学习样本：

1. Rust 大型项目的工程实践：trait-based 模块化、feature flag microkernel 拆分、pre-push/CI 自动化、RFC 决策流程
2. OpenClaw 生态的逆向工程：理解 AI agent runtime 需要哪些抽象层（providers、channels、tools、memory、security policy），ZeroClaw 用 Rust 重新实现的过程本身就是一次 architecture review
3. 高性能系统编程：3.2 MB 二进制、5 MB 内存的 agent runtime 是如何做到的？arena allocation、sled embedded DB、静态链接 musl、QUIC transport——这些技术选择值得研究
4. 从 OpenClaw 迁移到 Rust的设计决策：哪些保留了，哪些改进了，哪些被精简了——这是一场「architecture as argument」的 live demo

对于 Develata 的背景（Rust 入门 + 数学 + agent 兴趣），研究 ZeroClaw 的架构设计可能是深入 Rust 和高性能系统编程的高质量入口。