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

然后启动，跟着教程即可。和 OpenClaw 类似，绑定好通道即可发起聊天。官方没有 Web UI，需要的朋友可以看一下三方的开源项目 ZeroClaw Views 等等之类的。

Windows 用户：可以通过 PowerShell 运行官方提供的 .ps1 脚本，或者直接在 Releases 页面下载 zeroclaw.exe，扔进环境变量即可。真·绿色软件！

初始化你的第一个 AI 特工

ZeroClaw 的配置文件是极简的 TOML 格式，对人类极其友好。首先，初始化工作空间：

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

这会在当前目录生成一个 zeroclaw.toml 文件。我们用 vim 或者你喜欢的编辑器打开它，进行最基础的配置：

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

[provider]
# 我们这里以 OpenAI 兼容接口为例，你完全可以替换成 DeepSeek 或本地的 Ollama
type = "openai"
api_key = "${YOUR_API_KEY}"
endpoint = "https://api.openai.com/v1"
model = "gpt-4o-mini" # 使用低成本模型

[security]
# 这里的沙箱配置是 ZeroClaw 的灵魂！
workspace = "./data" # 严禁 Agent 访问 ./data 以外的任何文件！
allow_network = ["api.github.com", "weather.com"] # 仅允许访问指定的 API
allow_commands = ["echo", "ls"] # 仅允许执行非常安全的 shell 命令

唤醒特工与测试交互

配置好后，只需一行命令，奇迹就会发生：

# 启动交互模式
zeroclaw chat

现在，你可以在终端里直接和它对话了。

User: 帮我看看当前目录下有哪些文件？ ZeroClaw (思考中… 调用了受限的 ls 工具): 当前 data 目录下有两个文件：notes.txt 和 todo.md。需要我帮您读取内容吗？

性能监控插曲：这个时候，如果你打开另一个终端运行 htop，你会震惊地发现，名为 zeroclaw 的进程，内存占用真的只有 4.5M 左右。比起旁边那个开着几个网页就吃掉好几个 G 内存的浏览器，简直是一股清流！

进阶玩法：对接本地大模型

很多极客玩家之所以买几十美金的开发板，就是为了搞完全本地化、断网可运行的隐私 AI。ZeroClaw + Ollama，就是当前最完美的黄金搭档！

假设你已经在内网的另一台性能好点的机器（比如带显卡的旧电脑）上跑了 Ollama 和 qwen2.5 模型。你只需要修改 zeroclaw.toml：

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

然后，在你的低配树莓派上运行 ZeroClaw。树莓派只负责 ZeroClaw 的网关调度和工具执行（占用 5MB RAM），繁重的推理任务交给内网的 Ollama 节点。这套架构极其优雅，真正实现了边缘计算调度加中心算力推理。

开发者专属：自定义 Tool

OpenClaw 让你写一堆臃肿的 JS 脚本来扩展功能，而 ZeroClaw 提供了原生的 Rust Trait 接口，以及极速的 WASM 支持。我们来看一段硬核的源码示例，教你如何用 Rust 为 ZeroClaw 编写一个获取系统温度的自定义工具。

// 这是一个极其简化的 ZeroClaw 自定义工具 Trait 实现示例
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。"
    }

    // 真正的执行逻辑
    async fn execute(
        &self,
        _args: serde_json::Value,
        _ctx: &ToolContext,
    ) -> ToolResult {
        // 在实际开发中，这里会读取 /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 或者原生集成后，你的 ZeroClaw 就具备了物理探针的能力，且全程没有额外的运行环境负担！

总结

OpenClaw 是一个伟大的先驱，它向世界证明了 Agent 的无限可能。但它就像初代的蒸汽机，庞大、笨重、漏气。而 ZeroClaw，就像是精密制造的现代电动马达。它抓住了 AI Agent 走向落地的核心痛点：成本、性能与安全。

当你可以用不到 5MB 的内存，在一台几十块的旧设备上跑起一个具备完全自主能力的 AI 基础设施时，万物互联的智能时代才算真正开启。