资源消耗对比：降低三个数量级

横向对比当前主流方案，NullClaw 的资源效率令人瞠目：

  • OpenClaw：需要 599 美元的 Mac Mini，1 GB 以上内存
  • NanoBot：需要 100 MB 以上内存，依赖 Python 运行时
  • PicoClaw：需要 10 MB 内存，依赖 Go 运行时

NullClaw 只需一块 5 美元的开发板和 1 MB 内存即可运行，实现相同功能，资源占用仅为传统方案的 0.1%。

678 KB 里装了什么

在这个不到 1 MB 的二进制文件中，集成了以下能力：

  • 22+ AI 供应商支持：OpenAI、Anthropic、Ollama、DeepSeek、Groq 等
  • 13 个聊天通道：Telegram、Discord、Slack、WhatsApp、iMessage、IRC 等
  • 18+ 内置工具
  • 混合检索引擎：向量搜索 + 关键词搜索
  • 多层沙箱机制：Landlock、Firejail、Docker
  • 硬件外设支持：Arduino、Raspberry Pi、STM32
  • 完整的 Agent 能力栈：MCP 协议、子代理、流式输出、语音交互

架构设计：vtable 接口实现全模块热插拔

整个系统最精妙的设计在于：每个子系统都是一个 vtable 接口。无论是 AI 供应商、聊天通道、工具、记忆后端还是运行时，都可以通过修改配置文件完成替换，无需改动任何代码。

安全性方面，API 密钥默认使用 ChaCha20-Poly1305 加密存储。

工程数据

  • 约 45,000 行 Zig 代码
  • 2,738 个测试用例
  • 零外部依赖（仅依赖 libc）
  • MIT 开源协议

延伸思考

NullClaw 的出现揭示了一个被忽视的方向：当前 AI Agent 工具链的资源开销被 Python 和 Node.js 生态大幅抬高，而大部分场景并不需要这些运行时的灵活性。对于需要在边缘设备、嵌入式环境或大规模部署场景中运行 Agent 的开发者来说，Zig 这类系统级语言构建的轻量方案值得密切关注。