简介
ZeroClaw 是一个由 ZeroClaw Labs 开发的开源、快速、小型且完全自主的 AI 助手基础设施框架，采用 100% Rust 编写，秉持'零开销、零妥协'的设计哲学。该项目以其惊人的资源效率著称——能够在仅 10 美元的硬件上运行，内存占用低于 5MB，启动时间短于 10 毫秒，相比同类解决方案（如 OpenClaw）减少 99% 的内存使用和 98% 的部署成本。ZeroClaw 不仅是一个高性能的 AI 助手运行时，更是一个完全可插拔的架构，允许开发者'在任何地方部署，交换任何组件'。
核心价值：
- 极致效率：3.4MB 的独立二进制文件，<5MB 内存占用，<10ms 启动时间
- 成本革命：专为边缘设备和资源受限环境设计，大幅降低 AI 助手部署门槛
- 完全自主：内置自治引擎，支持从监督到完全自主的不同运行模式
- 架构灵活：基于 trait 的模块化设计，所有核心子系统均可热插拔替换
技术定位：ZeroClaw 填补了高性能 AI 助手框架与资源受限环境之间的空白。它既不是另一个'重型'AI 平台，也不是简单的脚本工具，而是一个经过精心设计、可在从树莓派到服务器的全频谱硬件上提供一致体验的生产级基础设施。其 Rust 原生实现确保了内存安全、线程安全和卓越的性能表现。
主要功能
1. 超轻量级运行时
ZeroClaw 的核心二进制文件仅 3.4MB，完全静态链接，无需外部运行时依赖。内存占用稳定在 5MB 以下，即使在内存仅 1GB 的树莓派 3 上也能流畅运行。启动时间突破性地低于 10 毫秒，实现了'即时响应'的用户体验。这种极致的资源效率使其成为边缘计算、物联网设备和移动场景的理想选择。
2. 全栈可插拔架构
框架的每个子系统都定义为 trait，支持零代码更改的组件替换。AI 模型提供商系统支持 22+ 个服务（OpenRouter、Anthropic、OpenAI、Ollama、Groq、Mistral、xAI、DeepSeek 等），以及任何 OpenAI 兼容的自定义端点。通信渠道支持 CLI、Telegram、Discord、Slack、iMessage、Matrix、WhatsApp 和 Webhook。内存后端可在 SQLite、Lucid 桥接、Markdown 或无持久化之间选择。工具系统、可观察性、运行时适配器、安全策略等全部模块化。
3. 自主内存与搜索系统
ZeroClaw 内置完整的全栈搜索引擎，无需依赖 Pinecone、Elasticsearch 或 LangChain 等外部服务。向量数据库将嵌入存储为 SQLite BLOB，支持余弦相似度搜索。关键词搜索基于 FTS5 虚拟表和 BM25 评分。混合合并使用自定义加权函数结合向量和关键词结果。嵌入通过 EmbeddingProvider trait 支持多种来源。系统自动进行记忆的保存、回忆和管理，支持安全的重建索引。
4. 多层安全加固
安全不是事后考虑，而是设计核心。网关默认绑定到 127.0.0.1，拒绝公开绑定除非明确配置隧道。配对系统要求 6 位一次性代码交换为 Bearer 令牌。文件系统作用域默认限制在工作空间内，阻止对 14 个系统目录和 4 个敏感点文件的访问。空字节注入防护和符号链接逃逸检测。通道允许列表策略默认拒绝所有入站消息，需显式配置授权发送者。支持 Docker 沙箱运行时，可配置内存、CPU 限制和只读根文件系统。
5. 身份系统与 AIEOS 支持
支持两种身份格式：传统的 OpenClaw Markdown 文件（IDENTITY.md、SOUL.md、USER.md、AGENTS.md）和新兴的 AIEOS（AI 实体对象规范）v1.1 JSON 格式。AIEOS 支持使 AI 身份可跨模型和系统移植，保持行为一致性。身份系统涵盖名称、心理学特征（神经矩阵、MBTI、道德指南针）、语言学风格、动机、能力、物理特征、历史和兴趣等完整维度。
6. 浏览器与自动化工具
可选浏览器工具支持多种后端：agent_browser（默认）、rust_native 和 computer_use。计算机使用侧边栏通过 HTTP 端点实现鼠标点击、键盘输入等 UI 自动化。严格的域名允许列表和窗口标题过滤确保自动化安全。工具系统还包括 shell 执行、文件读写、记忆存储/回忆/遗忘等核心能力，全部可扩展。
7. 心跳与自治引擎
内置心跳系统支持周期性任务执行，间隔可配置。自治水平分为三级：只读（仅观察）、监督（需要用户确认）和完全自主（自主决策执行）。工作空间作用域限制确保操作不超出授权范围。允许的命令列表和禁止路径列表提供细粒度控制。
8. 隧道与网络集成
支持多种隧道提供商：Cloudflare、Tailscale、ngrok 或自定义二进制。隧道集成使本地服务能够安全地暴露给外部网络，同时保持安全策略。网关 API 提供健康检查、配对和 Webhook 端点，支持与各种消息平台集成。
安装与配置
环境要求
Windows 系统：
- Visual Studio Build Tools（提供 MSVC 链接器和 Windows SDK）
- Rust 工具链（通过 rustup 安装）
- 可选：Docker Desktop（用于 Docker 沙箱运行时）
Linux/macOS 系统：
- 构建基础工具（Linux：build-essential + pkg-config；macOS：Xcode 命令行工具）
- Rust 工具链（通过 rustup.rs 安装）
- 可选：Docker（用于沙箱运行时）
低内存设备注意事项：
树莓派 3（1GB RAM）等设备在编译时可能需要设置 CARGO_BUILD_JOBS=1 环境变量，防止内核因内存不足终止编译进程。
安装步骤
克隆与构建：
git clone https://github.com/zeroclaw-labs/zeroclaw.git
cd zeroclaw
cargo build --release --locked
全局安装：
cargo install --path . --force --locked
快速设置：
ZeroClaw 提供三种设置模式：
- 快速设置：
zeroclaw onboard --api-key sk-... --provider openrouter - 交互式向导：
zeroclaw onboard --interactive（7 步完整配置） - 仅通道修复：
zeroclaw onboard --channels-only（快速修复允许列表问题）
开发环境备用：
无需全局安装时，可使用 cargo run --release -- 前缀运行命令，如 cargo run --release -- status。
配置说明
配置文件位置：~/.zeroclaw/config.toml（由 onboard 命令自动创建）
核心配置项：
- API 密钥和默认提供商/模型
- 内存后端选择（sqlite、lucid、markdown、none）
- 网关安全设置（配对要求、公开绑定控制）
- 自治级别（readonly、supervised、full）
- 运行时类型（native 或 docker）
- 浏览器工具启用与域名限制
- 身份格式（openclaw 或 aieos）
安全默认值：
workspace_only = true：操作限制在工作空间内require_pairing = true：首次连接需要配对码allow_public_bind = false：无隧道时拒绝 0.0.0.0 绑定- 通道允许列表默认为空（拒绝所有入站消息）
环境变量：
支持关键参数的环境变量覆盖，如 ZEROCLAW_LUCID_CMD、ZEROCLAW_LUCID_BUDGET 等，用于 Lucid 内存后端调优。
如何使用
基本工作流程
快速启动聊天：
# 单次消息模式
zeroclaw agent -m "你好，ZeroClaw！"
# 交互式聊天模式
zeroclaw agent
启动网关服务：
# 默认本地端口 8080
zeroclaw gateway
# 随机端口模式（安全强化）
zeroclaw gateway --port 0
运行自治守护进程：
# 启动长期运行的自治运行时
zeroclaw daemon
系统管理命令：
# 检查完整系统状态
zeroclaw status
# 运行系统诊断
zeroclaw doctor
# 检查通道健康状态
zeroclaw channel doctor
# 查看集成设置详情
zeroclaw integrations info Telegram
服务管理
后台服务控制：
# 安装用户级后台服务
zeroclaw service install
# 服务状态检查
zeroclaw service status
# 启动/停止服务
zeroclaw service start
zeroclaw service stop
# 卸载服务
zeroclaw service uninstall
迁移与数据管理：
# 从 OpenClaw 安全迁移记忆（先预览）
zeroclaw migrate openclaw --dry-run
# 执行实际迁移
zeroclaw migrate openclaw
高级操作模式
多提供商故障转移：
在配置中设置多个 LLM 端点，系统自动在主端点不可用时无缝切换。复杂推理任务可通过在模型名称后添加 -thinking 后缀启用思考模式。
通道安全配置：
- Telegram：允许列表添加用户名（无@前缀）或数字用户 ID
- Discord：允许列表添加用户 ID
- Slack：允许列表添加成员 ID（通常以 U 开头）
- 使用
"*"仅用于临时开放测试
WhatsApp 商业集成：
通过 Meta Cloud API 配置，需要访问令牌、电话号码 ID 和验证令牌。必须使用 HTTPS 隧道（ngrok、Cloudflare、Tailscale Funnel）满足 Meta 的 Webhook 要求。
应用场景实例
实例 1：边缘设备智能监控助手
场景描述：工业物联网环境中的传感器网络需要实时分析设备状态、预测故障并提供操作建议。传统云计算方案存在延迟高、带宽成本大、隐私泄露风险等问题。边缘 AI 助手能够在设备本地提供智能响应，减少云端依赖。
解决方案：在树莓派 4 或类似边缘设备上部署 ZeroClaw，配置为完全自主运行模式。AI 助手持续监控传感器数据流，通过本地模型分析异常模式。当检测到潜在故障时，自动生成维护建议并通过 Telegram 通道通知技术人员。记忆系统记录历史事件和解决方案，形成设备专属知识库。安全沙箱确保即使助手被攻破，也无法逃逸到主机系统。
实施效果：
- 响应延迟从秒级降低到毫秒级，实现真正实时监控
- 带宽消耗减少 90%，仅关键摘要同步到云端
- 数据隐私得到保障，敏感信息不出本地设备
- 运维成本显著降低，减少现场巡检频率
实例 2：安全敏感环境的研究助手
场景描述：金融机构、法律事务所或政府部门的内部研究需要处理敏感文档，同时利用 AI 能力提高效率。传统云 AI 服务存在数据泄露风险，本地部署的 AI 系统又往往资源消耗大、部署复杂。
解决方案：在隔离网络中的标准办公电脑上部署 ZeroClaw，配置严格的安全策略。工作空间作用域限制确保助手只能访问授权的研究目录。文件系统阻止列表防止访问系统敏感区域。配对系统要求物理接触设备完成初始认证。记忆后端使用加密 SQLite，确保研究记录安全存储。浏览器工具配合域名白名单，允许安全访问内部知识库。
实施效果：
- 敏感数据完全控制在内部网络，消除云泄露风险
- 研究效率提升 3-5 倍，AI 助手快速整理文献、提取要点
- 合规性满足金融、法律行业严格的数据处理要求
- 部署简便，普通办公电脑即可运行，无需专用服务器
实例 3：多模型 AI 实验平台
场景描述：AI 研究团队需要快速测试不同模型在特定任务上的表现，比较响应质量、速度和成本。传统方法需要为每个模型搭建独立环境，配置复杂且难以统一比较。
解决方案：利用 ZeroClaw 的可插拔提供商架构，同时配置多个 LLM 端点（OpenAI、Anthropic、Claude、本地 Ollama 等）。通过统一的 CLI 接口向不同模型发送相同提示，收集并比较响应。内置的基准测试工具可测量响应时间、令牌使用和成本。记忆系统记录每次实验的详细参数和结果，支持后续分析。隧道功能使远程团队成员也能访问实验平台。
实施效果：
- 模型切换时间从小时级缩短到秒级，提高实验迭代速度
- 统一比较框架提供客观的性能、质量和成本数据
- 实验记录完整可追溯，支持复现和深入分析
- 团队协作效率提升，共享实验平台减少环境差异
实例 4：智能家居中央控制大脑
场景描述：现代智能家居包含数十种设备（灯光、温控、安防、娱乐等），但控制界面分散，自动化规则复杂难配置。用户需要自然、统一的交互方式管理整个家居环境。
解决方案：在家庭服务器或专用硬件上部署 ZeroClaw，配置'管家'人格。通过 Webhook 通道集成家庭自动化平台（Home Assistant、OpenHAB 等）。语音接口通过 Telegram 语音消息或专用硬件实现。助手学习家庭成员的习惯偏好，自动调整环境设置。完全自主模式在用户外出时处理安防警报。记忆系统记录设备状态历史，优化能源使用。
实施效果：
- 控制统一性提升，一个入口管理所有智能设备
- 个性化体验增强，家居环境自适应家庭成员偏好
- 能源效率优化，基于使用模式智能调整设备状态
- 安防响应自动化，及时处理异常情况
实例 5：教育机构编程学习助手
场景描述：计算机科学课程中，学生需要大量编程练习和即时反馈。教师资源有限，难以提供个性化指导。传统在线判题系统只检查正确性，缺乏解释和教学指导。
解决方案：在实验室计算机上部署 ZeroClaw，配置为监督自治模式。学生通过 CLI 或 Web 界面提交代码问题，助手分析代码质量、提出改进建议、解释编程概念。记忆系统跟踪每个学生的学习进度和常见错误，提供个性化练习推荐。安全沙箱确保学生代码在隔离环境中运行，防止系统破坏。教师仪表板汇总班级整体表现。
实施效果：
- 学生获得 7×24 小时个性化指导，学习效率显著提升
- 教师从重复性代码审查中解放，专注于教学设计
- 学习数据分析帮助识别教学难点，优化课程内容
- 安全环境允许学生自由实验，无系统损坏风险
实例 6：初创公司全能商务助手
场景描述：资源有限的初创团队需要处理客户支持、市场研究、竞争分析、文档撰写等多方面任务，但无法雇佣多个专职人员。传统 SaaS 工具功能分散，集成复杂。
解决方案：部署 ZeroClaw 作为团队共享 AI 助手，配置多通道集成（Slack 团队沟通、WhatsApp 客户支持、电子邮件处理）。不同部门通过允许列表控制访问权限。助手处理常见客户咨询、竞品信息收集、会议纪要生成、基础代码编写等任务。完全自主模式在非工作时间处理低风险任务。成本控制通过模型优先级路由实现，简单查询使用经济模型，复杂分析使用高级模型。
实施效果：
- 运营成本降低，AI 助手相当于多个初级员工的工作量
- 响应速度提升，客户咨询处理时间缩短 80%
- 知识集中化，团队共享助手的记忆和学习成果
- 可扩展性强，业务增长时无需立即增加人力
GitHub 地址
项目地址：https://github.com/zeroclaw-labs/zeroclaw
项目关键数据（截至 2026 年 2 月）：
- ⭐ Stars：7.3k
- 🍴 Forks：691
- 🐛 Issues：13
- 🔀 Pull Requests：42
- 👁️ Watchers：49
- 👥 Contributors：25+
技术栈构成：
- Rust：97.9%（核心实现）
- Shell：1.3%（构建和部署脚本）
- 其他：0.8%（文档和资源文件）
版本状态：
- 最新版本：v0.1.0（2026 年 2 月 13 日发布）
- 开发活跃：379 次提交，87 个分支
- 测试覆盖：1,017 个测试用例确保稳定性
许可证与治理：
- 许可证：MIT License
- 安全政策：SECURITY.md 详细定义漏洞披露流程
- 贡献指南：CONTRIBUTING.md 规范协作流程
- 代码审查：PR 工作流和审查员手册确保代码质量
社区资源：
- 完整文档：README.md 提供详细使用指南
- 配置示例：.env.example 展示环境变量设置
- 开发指南：CONTRIBUTING.md 说明如何添加新提供商、通道、工具等
- 测试套件：RUN_TESTS.md 指导测试执行
- 集成文档：TESTING_TELEGRAM.md 等平台特定指南
快速参考命令：
# 开发构建
cargo build
# 发布构建
cargo build --release
# 运行测试
cargo test
# 代码检查
cargo clippy
# 格式化代码
cargo fmt
ZeroClaw 代表了 AI 基础设施发展的一个重要方向：在追求强大功能的同时不妥协于效率和可及性。它证明通过精心的架构设计和 Rust 的性能优势，可以在微小的资源占用下提供完整的 AI 助手能力。随着边缘计算和隐私保护需求的增长，这种'小而美'的设计哲学将越来越重要。无论是作为学习 Rust 和 AI 系统开发的优秀案例，还是作为生产环境部署的实际解决方案，ZeroClaw 都提供了独特的价值和启示。