ZeroClaw：基于 Rust 的轻量级 AI Agent 框架，内存占用仅 5MB

Windows 用户可通过 PowerShell 运行 .ps1 脚本，或在 Releases 页面下载 zeroclaw.exe 放入环境变量。

3. 初始化工作空间

创建目录并初始化配置：

mkdir my-first-agent && cd my-first-agent
zeroclaw init

这将生成 zeroclaw.toml 配置文件。我们手动编辑它来定义 Agent 行为：

# zeroclaw.toml
[agent]
name = "MyTinyAssistant"
description = "一个仅占用 5MB 内存的私人助理"

[provider]
type = "openai"
api_key = "${YOUR_API_KEY}"
endpoint = "https://api.openai.com/v1"
model = "gpt-4o-mini"

[security]
workspace = "./data"
allow_network = ["api.github.com", "weather.com"]
allow_commands = ["echo", "ls"]

这里的关键在于 [security] 部分。workspace 限制了文件访问范围，allow_network 和 allow_commands 则实现了白名单机制，防止任意命令执行。

4. 启动交互

配置完成后，直接运行：

zeroclaw chat

此时即可在终端对话。例如询问当前目录文件，ZeroClaw 会调用受限的 ls 工具并返回结果。若此时打开 htop 监控，会发现进程内存占用仅在 4.5M 左右。

进阶玩法：对接本地大模型

对于追求隐私和离线能力的开发者，ZeroClaw 配合 Ollama 是绝佳组合。

假设内网已有运行 Ollama 的节点，只需修改配置：

[provider]
type = "ollama"
endpoint = "http://192.168.1.100:11434"
model = "qwen2.5:7b"

这样，低配设备只负责调度和工具执行，繁重的推理任务交给内网高性能机器，真正实现边缘计算调度 + 中心算力推理。

开发者扩展：编写自定义 Tool

相比其他框架需要编写臃肿的脚本，ZeroClaw 提供原生 Rust Trait 接口及 WASM 支持。下面是一个获取系统温度的自定义工具示例：

use zeroclaw_core::tool::{Tool, ToolResult, ToolContext};
use async_trait::async_trait;
use serde_json::json;

pub struct SystemTempTool;

#[async_trait]
impl Tool for SystemTempTool {
    fn name(&self) -> &'static str {
        "get_system_temperature"
    }

    fn description(&self) -> &'static str {
        "获取当前设备的 CPU 温度，适用于树莓派等设备。"
    }

    async fn execute(
        &self,
        _args: serde_json::Value,
        _ctx: &ToolContext,
    ) -> ToolResult {
        // 实际开发中读取 /sys/class/thermal/thermal_zone0/temp
        let temp_raw = std::fs::read_to_string("/sys/class/thermal/thermal_zone0/temp")
            .unwrap_or_else(|_| "50000".to_string());
        let temp_celsius = temp_raw.trim().parse::<f64>().unwrap_or(0.0) / 1000.0;

        Ok(json!({
            "status": "success",
            "temperature_celsius": temp_celsius,
            "warning": if temp_celsius > 80.0 { "HIGH" } else { "NORMAL" }
        }))
    }
}

这段代码编译成 .wasm 或原生集成后，ZeroClaw 便具备了物理探针能力，且无额外运行环境负担。

总结

OpenClaw 证明了 Agent 的可能性，但 ZeroClaw 抓住了落地的核心痛点：成本、性能与安全。当你能用不到 5MB 的内存在一台几十块的旧设备上跑起具备完全自主能力的 AI 基础设施时，智能时代的门槛才真正降低。