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是面向多平台通讯生态的超轻量AI自动化中枢，实现了即时通讯工具与大型语言模型的无缝桥接。该项目深度集成Telegram、Discord、QQ、钉钉、飞书等主流聊天平台，用户无需切换应用即可通过熟悉的聊天界面对话式操控AI完成复杂任务。底层采用Go语言高性能实现，单个二进制文件即可运行，内存占用控制在10MB级别，远低于传统基于Python或TypeScript的Agent方案。PicoClaw具备完整的工具调用能力，支持读写本地文件、执行沙箱化Shell命令、调用Brave Search或DuckDuckGo进行网络检索，并可通过MCP协议接入第三方工具服务。其智能路由系统能根据查询复杂度自动分配模型资源，简单问题走轻量模型以节省Token成本，复杂任务则调用GPT-4等强力模型。独特的视觉管线支持直接向Agent发送图片，自动完成Base64编码对接多模态LLM。无论是部署在10美元的树莓派上作为家庭智能网关，还是运行在旧手机中作为个人自动化助理，PicoClaw都能提供低于1秒的极速启动体验和完整的任务规划与执行能力。

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

PicoClaw：用 10 美元硬件跑 AI 助手，这个极致轻量化的开源项目究竟有多强？

2026年2月，一个来自国产硬件厂商 Sipeed 的开源项目悄悄出现在 GitHub 上，短短几周时间便在全球开发者社区掀起了一阵浪潮。它叫 PicoClaw——一个用 Go 语言从头重写的超轻量级个人 AI 助手，目标只有一个：在任何一块 10 美元的廉价嵌入式板子上，跑起一个真正能用的 AI 代理。

这个目标听起来匪夷所思。当同行们还在争论该买 Mac mini 还是高配 VPS 来跑 AI 助手的时候，PicoClaw 已经在一块搭载 RISC-V 处理器、主频不到 1GHz 的开发板上完成了冷启动——时间不到一秒。

背景：一个由 AI 代理”自己写出来”的 AI 代理

要理解 PicoClaw，得先从它的来源说起。

2025年11月，一个叫 OpenClaw（此前叫 ClawdBot）的个人 AI 助手项目横空出世。它能接管你的 WhatsApp、Telegram、Slack，帮你清空收件箱、管理日历、自动办理值机手续，功能极其完整。短短两个月内，它在 GitHub 上斩获了 10 万颗星，成为现象级项目。

但 OpenClaw 有个致命缺点：它基于 TypeScript 和 Node.js，拥有超过 43 万行代码，运行时内存占用超过 1GB，光启动就需要数秒甚至数十秒。对于想在树莓派或廉价嵌入式板子上部署的用户来说，这几乎是不可能的任务。

于是，替代方案开始出现。香港大学数据智能实验室（HKUDS）发布了 Nanobot，用约 4000 行 Python 代码实现了 OpenClaw 的核心功能，代码量缩减了 99%。

Sipeed 看到了 Nanobot 的思路，决定走得更远。他们以 Nanobot 为起点，用 Go 语言从头重构——而且是以一种极为特殊的方式：整个核心代码约 95% 由 AI 代理自身生成，只有少量人工干预。这个”让 AI 写出 AI 代理”的自举过程，据称仅用了一天时间。

最终的产物，就是 PicoClaw。

核心架构：Go 语言单二进制的极致追求

PicoClaw 整个技术架构的核心理念，可以用一句话概括：能省的都省，不能省的做到极致。

单一二进制，跨平台部署

PicoClaw 编译后生成一个大小约 8MB 的静态可执行二进制文件，无需任何外部依赖、无需 Node.js 运行时、无需 Python 环境、无需 Docker 容器。下载下来直接运行。

这个二进制文件支持三大主流架构：

• RISC-V 64位（Linux）
• ARM 64位（Linux，覆盖树莓派及大多数国产 SBC）
• x86-64（Linux & Windows）

意味着它可以无缝运行在从 10 美元的 Sipeed LicheeRV Nano，到普通 PC 服务器的几乎所有 Linux 设备上。

内存占用：不到 10MB

这是 PicoClaw 最令人震惊的数字。运行时常驻内存低于 10MB，而 OpenClaw 在同等条件下需要超过 1GB。这不是优化了 10%、20% 的差距，而是整整 99% 的缩减。

得益于此，PicoClaw 可以运行在一块只有 256MB 板载 DDR3 的 RISC-V 开发板上，同时还为操作系统和其他进程留有充裕余量。

启动速度：600MHz 单核，1秒内冷启动

在一颗主频 600MHz 的单核处理器上，PicoClaw 的冷启动时间低于 1 秒。相比之下，OpenClaw 在同等条件下的启动时间超过 500 秒（是秒，不是毫秒）。

这意味着 PicoClaw 可以在低功耗场景下按需唤醒，甚至适合间歇式工作的嵌入式应用，完全不必常驻内存。

主要功能与特色

对话与推理能力

PicoClaw 本身不内置 LLM（大语言模型），而是通过 API 连接外部模型服务。支持的提供商包括：

• OpenRouter（可访问 GPT、Claude、DeepSeek、Qwen 等数十种模型）
• 智谱 AI（国内用户友好）
• Groq（超快推理速度，适合低延迟场景）
• OpenAI / Anthropic 等主流服务

配置极简，只需在 ~/.picoclaw/config.json 中填入对应服务的 API Key，即可切换不同模型。这套设计让 PicoClaw 的”大脑”可以随时更换，而不影响本地运行环境。

多平台消息渠道

PicoClaw 支持通过以下平台发送和接收消息：

• Telegram
• Discord
• DingTalk（钉钉）
• Lark / Feishu（飞书）
• Slack
• Matrix
• WeChat（微信）（较新版本中逐步支持）

对于国内用户而言，飞书和钉钉的原生支持尤为实用，无需搭桥或中转。通过 BotFather 在 Telegram 上创建 Bot，或在 Discord 申请应用 Token，整个接入过程仅需几分钟。

自动化与定时任务

PicoClaw 内置 Cron Job 支持，可以设置定时执行的 AI 任务。比如：

• 每天早上 7 点发送天气简报
• 每周一汇总上周工作日志
• 定时检查指定网站或 API，并推送摘要

这些任务的配置采用标准 Cron 表达式，任何有基础 Linux 经验的用户都能上手。

网络搜索能力

PicoClaw 集成了 Brave Search API，在免费 tier 下即可使用。这意味着你的 AI 助手可以在回答问题时主动搜索互联网，获取最新信息，而不仅仅依赖训练数据的知识截止日期。

长期记忆与自定义技能

尽管是轻量级设计，PicoClaw 仍然提供了基本的长期记忆管理机制，可以记住用户偏好、历史对话摘要等信息，让助手在多次会话中保持一定的上下文连续性。

此外，用户可以为 PicoClaw 定义自定义技能（Skills），扩展其默认能力边界，实现更个性化的自动化流程。

MCP 协议支持

较新版本的 PicoClaw 已开始支持 MCP（Model Context Protocol），这是由 Anthropic 主导推进的模型上下文协议标准。通过 MCP，PicoClaw 可以连接外部工具服务器，进一步扩展工具调用能力，与更广泛的 AI 生态系统对接。

目标硬件：10 美元能买什么？

Sipeed 官方推荐的参考硬件是自家的 LicheeRV Nano，售价约 15 美元，搭载 SOPHGO SG2002 RISC-V SoC，板载 256MB DDR3 内存。这块开发板的主频约为 1GHz，在 PicoClaw 运行时，操作系统和 AI 代理的内存消耗加在一起也完全可控。

除此之外，PicoClaw 也被验证可以运行在以下设备上：

• Sipeed NanoKVM（RISC-V KVM 小板）
• 树莓派 3B+ 及以上（ARM 架构）
• 旧款 Android 手机（通过 Termux 等方式）
• 普通 Linux VPS（x86-64，最低配置即可）
• OpenWrt 路由器（部分型号，实验性支持）

相比 OpenClaw 需要的 Mac mini（约 599 美元）或每月 20 美元的 VPS，PicoClaw 的硬件成本节约了约 98%。

部署体验：从零到运行，不超过 10 分钟

安装方式

可以直接下载预编译二进制：

# 以 ARM64 为例
wget https://github.com/sipeed/picoclaw/releases/latest/download/picoclaw-linux-arm64
chmod +x picoclaw-linux-arm64
./picoclaw-linux-arm64 agent -m "Hello, PicoClaw!"

也可以从源码构建：

git clone https://github.com/sipeed/picoclaw.git
cd picoclaw
make deps
make build         # 本平台构建
make build-all     # 多平台交叉编译
make install

配置文件

所有配置集中在 ~/.picoclaw/config.json，一个典型的最小配置如下：

{
  "agents": {
    "defaults": {
      "workspace": "~/.picoclaw/workspace",
      "model_name": "gpt4",
      "max_tokens": 8192
    }
  },
  "model_list": [
    {
      "model_name": "gpt4",
      "model": "openai/gpt-4o",
      "api_key": "your-openai-api-key"
    }
  ],
  "channels": {
    "telegram": {
      "enabled": true,
      "token": "your-telegram-bot-token",
      "allow_from": ["your-telegram-user-id"]
    }
  }
}

连接 Telegram

1. 在 Telegram 中找到 @BotFather，发送 /newbot 创建机器人，复制 Token
2. 搜索 @userinfobot，获取自己的 User ID
3. 将 Token 和 User ID 填入配置文件的 channels.telegram 字段
4. 启动 PicoClaw：picoclaw daemon

整个过程不超过 5 分钟，无需 Docker，无需任何容器化基础设施。

实测评价

优势

极致的资源效率是 PicoClaw 无可争议的第一优点。在一块 256MB 内存的 RISC-V 板子上流畅运行，这在同类产品中几乎没有竞争者。对于希望搭建”总是开机、总是在线”的个人 AI 助手，却又不想为此支付昂贵服务器费用的用户来说，PicoClaw 几乎是唯一选择。

跨架构的单二进制带来了极佳的可移植性。同一份二进制在 RISC-V 开发板上测试后，直接拷贝到 x86 服务器上也能跑，零依赖、零摩擦。

国产生态友好也是值得一提的亮点——飞书和钉钉的原生支持，让国内用户在企业或个人场景下都有良好体验，这是大多数同类项目所欠缺的。

不足

集成深度有限是 PicoClaw 当前阶段最明显的短板。相比 OpenClaw 支持 10 余个消息平台、拥有数百个社区技能，PicoClaw 的整合生态还相当初级。WhatsApp 原生支持尚未完善，没有浏览器控制、语音唤醒等高级功能。

安全模型极简也是需要正视的问题。PicoClaw 的设计假设运行环境是物理安全的嵌入式设备，因此没有 ZeroClaw 那样的工作区隔离、加密密钥存储等安全机制。在暴露于公网的服务器上部署时需要格外谨慎。

尚未达到 v1.0，截至目前最新版本为 v0.1.2（发布于 2026年2月），项目仍处于快速迭代阶段，API 和配置格式可能随时变化，不建议在生产关键业务中直接依赖。

五大同类产品深度对比

在 PicoClaw 出现后，”轻量级个人 AI 代理”这条赛道迅速聚集了多个有竞争力的项目，形成了一个小型生态。以下对五个最具代表性的同类产品展开详细对比。

1. OpenClaw：功能最全的”原版”

OpenClaw 是这场轻量化浪潮的起点。它由开发者 Peter Steinberger 于 2025 年 11 月作为周末项目启动，发布后两个月内 GitHub 星标突破 10 万，目前已超过 18.6 万颗星，活跃安装量超 10 万。

技术栈：TypeScript / Node.js，代码总量约 43 万行，发布包体积约 28MB，运行内存超过 1GB。

能力版图极其完整：支持 WhatsApp、Telegram、Slack、Discord、Signal、iMessage、Microsoft Teams、Google Chat 等 10 余个消息平台；内置浏览器控制（CDP）、语音激活（ElevenLabs）、实时 Canvas 可视化输出；拥有社区技能市场 ClawHub，数百个用户制作的技能涵盖航班值机、CRM 管理、邮件处理等实际业务场景；支持多代理路由。

最大隐患：2026 年 2 月，安全研究人员发现超过 13.5 万个 OpenClaw 实例暴露在公网，且存在远程代码执行漏洞（CVE-2026-25253），微软专门发布了安全公告。OpenClaw 已在 v2026.2.2 版本中修复，但 43 万行代码量本身就意味着极高的攻击面。

适合谁：有充足硬件资源（至少 1GB+ 内存的服务器或 Mac mini）、需要全功能 AI 助手、能接受较高维护成本的高级用户。

2. ZeroClaw：Rust 重写的性能王者

ZeroClaw 是目前性能指标最极端的替代方案。它用 Rust 从头重写了整个个人 AI 代理运行时，编译后产出一个 3.4MB 的静态二进制，启动时间低于 10 毫秒，内存占用低于 5MB——甚至比 PicoClaw 还要更轻。

架构设计采用 Trait（特征）驱动，每个子系统（Provider、Channel、Memory、Tools）都通过 Rust Trait 定义，可通过配置文件热插拔替换，无需改动代码。

模型支持宽度惊人：支持 OpenRouter、Anthropic、OpenAI、Ollama、Groq、Mistral、xAI、DeepSeek、Together、Fireworks、Perplexity、Cohere、AWS Bedrock 等 22 种以上提供商，几乎覆盖所有主流模型服务。

内存系统基于 SQLite，内置混合搜索（向量相似度 + BM25 全文检索），不依赖 Pinecone 或 Elasticsearch 等外部服务，即可实现复杂的长期记忆检索。

安全模型是同类中最成熟的：默认仅绑定 localhost 拒绝公网暴露；文件系统访问限制在工作区目录内，路径遍历攻击被阻断；命令执行采用白名单制；API Key 本地加密存储。

与 OpenClaw 的衔接：支持 zeroclaw migrate openclaw 命令，可直接导入 OpenClaw 的 SOUL.md 和 IDENTITY.md 个性化文件，降低迁移成本。

适合谁：希望从 OpenClaw 迁移、对资源效率和安全性有较高要求、需要广泛模型支持的中高级用户。

3. Nanobot：4000 行 Python，最适合学习

Nanobot 来自香港大学数据智能实验室（HKUDS），于 2026 年 2 月发布，GitHub 星标已超过 9000。它的核心卖点是：用约 4000 行干净的 Python 代码，实现 OpenClaw 的核心功能，代码量缩减 99%。

最大价值在于可读性。相比 Go 或 Rust 编写的同类项目，Python 代码对开发者来说几乎是自文档化的。任何有 Python 基础的人都能读懂每一行逻辑，修改和扩展门槛极低，非常适合学习 AI 代理架构原理，或快速构建定制化业务逻辑。

资源占用：运行时内存约 191MB（含 Python 运行时），可在树莓派 3B+ 上流畅运行。虽然比 PicoClaw 重约 20 倍，但比 OpenClaw 轻 5 倍以上，仍属轻量范畴。

模型支持同样相当丰富：OpenRouter、Anthropic、OpenAI、DeepSeek、Gemini、Groq，以及通过 vLLM 和 Ollama 支持的本地模型。本地模型支持意味着可以完全离线运行，不产生任何 API 费用。

功能亮点：支持自然语言定时任务（”每周一早上八点提醒我…”），MCP 工具服务器支持，以及内置文件管理和 Shell 执行工具。

适合谁：想深入理解 AI 代理原理的开发者；需要快速定制化扩展的团队；预算有限且想用本地模型完全消除 API 成本的用户。

4. NanoClaw：以安全为第一优先级

NanoClaw 由开发者 Gavriel C 创建，直接动机是回应 OpenClaw 的安全漏洞事件。整个项目约 700 行 TypeScript 代码，发布首周即获 7000 颗 GitHub 星。

核心设计哲学：每个聊天群组运行在独立的 Docker 容器中，拥有隔离的内存空间和文件系统访问权限。即使某个对话的 AI 代理被攻击或产生异常行为，也无法影响到其他对话或宿主系统——”爆炸半径”被严格控制。

当前局限：仅支持 WhatsApp 一个消息平台（通过 Baileys 库），仅使用 Anthropic Claude 作为推理引擎，没有多模型选择，没有技能市场，功能集相当有限。但 700 行代码意味着任何人都可以在几个小时内完整审计整套安全机制，这对于处理敏感业务信息的场景来说弥足珍贵。

适合谁：将安全性置于功能广度之上、主要使用 WhatsApp、有能力运行 Docker 基础设施的用户或企业。

5. IronClaw：企业级可信执行环境

IronClaw 在 NEARCON 2026 由 NEAR AI 团队发布，代表了个人 AI 代理安全模型的另一个极端。它基于 Rust 构建，核心运行在 可信执行环境（TEE，Trusted Execution Environment） 中——这是一种由硬件保障的加密飞地，即使宿主操作系统被攻破，其中的代码和数据也无法被窥探或篡改。

安全特性：

• AES-256-GCM 加密凭证保险库，LLM 模型无法直接访问原始密钥
• 每个第三方工具在独立沙箱中运行，仅拥有明确授权的资源访问权限
• 实时凭证泄露扫描（Aho-Corasick 算法，22 个正则规则）
• 网络调用限制在预批准的目标地址范围内

代价：需要支持 TEE 的硬件（如 Intel SGX、AMD SEV），或使用 NEAR AI Cloud 提供的 TEE 云实例，部署成本约每月 20 美元起。

适合谁：处理医疗、金融、法律等受监管数据的企业用户；对可验证安全性有强需求的场景；预算充足且安全合规要求高于一切的团队。

综合对比一览

适用场景梳理

通过以上分析，PicoClaw 最适合落地的场景可以归纳为以下几类：

IoT 与边缘计算部署是 PicoClaw 最无可替代的领域。在一块成本 10-15 美元、没有散热片、静默运行的 RISC-V 开发板上，持续运行一个可以响应消息、执行定时任务、搜索网络的 AI 代理——这在 PicoClaw 之前几乎不可能实现。

旧设备再利用也是 PicoClaw 的一大亮点应用场景。那台吃灰的旧 Android 手机？通过 Termux 安装 PicoClaw，它可以变成一个 24 小时在线的个人 AI 秘书，接收飞书消息、执行提醒任务。

低预算个人自动化场景同样适合。如果你只需要一个 Telegram 机器人帮你做每日简报、回答问题、执行定时任务，完全不需要 OpenClaw 那样的重量级方案。PicoClaw 加上 OpenRouter 的免费模型额度，甚至可以实现零费用的个人 AI 助手。

国内企业内部工具方向，飞书和钉钉的原生集成让 PicoClaw 具备了直接对接国内主流协作平台的能力，在内网部署场景（如工厂设备监控报警、内部知识库问答机器人）中有独特优势。

项目现状与未来走向

截至 2026 年 3 月，PicoClaw 最新版本为 v0.1.2，发布于 2026 年 2 月 17 日，GitHub 星标约 1.3 万颗。项目仍处于快速迭代的早期阶段，核心团队来自 Sipeed，这家中国硬件公司在 RISC-V 开发板领域深耕多年，旗下的 LicheeRV Nano 系列正是 PicoClaw 的参考平台。

从社区的讨论来看，未来版本的路线图可能涵盖：

• 更完整的 Web 管理界面
• 更多消息渠道集成（WeChat 的完整支持被多次提及）
• MCP 协议的深度整合，支持更丰富的工具服务器对接
• 改进的内存和技能系统
• 更完善的安全配置选项

值得关注的是，整个”Claw 生态”正在以惊人的速度成熟。从 2025 年 11 月 OpenClaw 横空出世，到 2026 年 3 月已经发展出了包括 ZeroClaw、PicoClaw、NanoClaw、Nanobot、IronClaw 在内的完整细分生态，每个项目都在解决不同的子问题。行业分析认为，到 2027 年，本地化/边缘部署将占 AI 代理部署总量的约 70%，而 PicoClaw 所代表的极端轻量化方向，将成为这一趋势中最关键的技术路径之一。

Sipeed 正在 PicoClaw 周围构建更完整的硬件-软件生态。官方商店中已出现 PicoClaw Nano Starter Kit（19 美元）、Edge Controller Pro（49 美元）、Vision AI Module（99 美元）等配套产品，预示着 Sipeed 有意将 PicoClaw 打造成一个面向边缘 AI 的完整解决方案平台，而不仅仅是一个软件项目。

写在最后

如果说 OpenClaw 证明了”个人 AI 助手可以真正有用”，那么 PicoClaw 证明的是”这件事不需要花大钱”。

一个 8MB 的二进制文件，在一块比一杯奶茶还便宜的芯片上，1 秒内启动，接收你的 Telegram 消息，调用云端大模型，给你返回一个有价值的回答。这件事在 2026 年初真实发生了，而且随时可以在你的桌上复现。

PicoClaw 当然还不完善：安全性薄弱、生态稀少、版本仍是 0.1.x。但它所代表的方向——让 AI 代理回归极简、回归边缘、回归低成本——正在成为整个行业越来越清晰的主旋律。