Karpathy 最近说 NanoClaw 的配置方式 "slightly blew my mind"。研究之后发现，这个项目确实代表了一种值得关注的新范式——用 AI 替代配置文件。
OpenClaw 的老问题
OpenClaw 有 40 万行代码。想加个 Telegram 集成？改配置文件。换数据库？改配置文件。加新功能？还是改配置文件。
配置文件越堆越长，if-else 越来越多，最终没人能完全看懂。这是传统软件架构的经典困境。
NanoClaw 的做法：核心极简，AI 动态扩展
NanoClaw 走了一条完全不同的路——
- 核心代码只有约 2000 行
- 没有配置文件
- 所有定制通过 Skills 完成
举个例子，你想接入 Telegram：
- 输入
/add-telegram - AI 读取对应的 Skill 文档
- 自动安装 Telegraf 依赖
- 在源码中加入 Telegram 消息处理逻辑
- 配好 Bot Token
- 测试连通性
整个过程不需要手动改任何配置。每个人部署出来的 NanoClaw 都不一样——只包含你真正用到的代码。
创始人 Gavriel Cohen 说过一句很关键的话：
"如果一个软件加了一堆你不需要的功能，那它对你来说就变差了——更大、更不安全、而且你用不到。"
这个设计理念很实用：核心极简，需要什么功能，让 AI 在编译时加进去。
为什么 AI 能搞定这件事
一个关键细节：NanoClaw 整个源码大约 35000 tokens，而 Claude 的上下文窗口是 200K tokens。
AI 可以一次性读完整个项目的所有代码，完全理解上下文，然后一次性写出新功能。
反观 OpenClaw 的 40 万行代码？根本塞不进上下文窗口。
这就是 Karpathy 说的——NanoClaw "fits into both my head and that of AI agents"。人能看懂，AI 也能看懂。
AI 时代的几个编码新原则
Cohen 还提出了几条值得思考的观点：
- DRY 原则可能过时了——AI 修改共享函数时不一定考虑下游影响，适当重复代码反而更安全
- 严格的文件行数限制可能过时了——AI 会花更多时间重构文件结构而不是写功能本身
- 代码不需要"经得起时间考验"——6 个月后更强的模型会帮你重写
这些观点未必全对，但指向一个真实趋势：当 AI 成为主要的代码编写者，很多过去的最佳实践需要重新审视。
写在最后
如果你对自动化工作流感兴趣，但觉得 OpenClaw 体量太大不敢下手，NanoClaw 是一个很好的起点。2000 行核心代码，一个下午就能读完，而且它天然为 AI 协作而设计——对一人公司来说，这种「小而可控」的架构可能比「大而全」更有价值。