fastclaw
kandada/fastclaw加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
你有没有过这样的困扰：想要搭建一个 AI 助手，但 LangChain 太重、LangGraph 学习曲线陡峭、OpenAI Assistant API 又不够灵活？对于普通开发者和 AI 爱好者来说，市面上大多数 Agent 框架要么门槛太高，要么部署复杂，要么根本不适合中文场景。
FastClaw（中文名：轻量但强壮的龙虾）正是为解决这个问题而生的——一个开箱即用、无需 Docker、轻量但功能完整的 AI Agent 框架，基于 Python，原生支持中文文档，专为数据科学和日常办公场景优化。
FastClaw 由独立开发者 kandada（GitHub ID: 5936881）创建和维护，项目采用 GNU GPLv3 开源协议。2025 年初首次发布，至今保持活跃更新——最新版本 v1.1.22 发布于 2026 年 7 月 22 日，距今不足一周。
从定位上看，FastClaw 是一个事件驱动的图式 Agent 编排框架。它并没有重复造轮子，而是站在了另一个优秀开源项目 FastMind（同为 kandada 开发）的基础上构建。FastMind 提供了大模型调用、流式输出（SSE）等核心能力，FastClaw 则在此之上叠加了 Agent 编排、工具系统、多渠道消息和定时任务调度。
作者在 README 中用「lobster」（龙虾）来形容这个框架：外壳轻盈（轻量级 Python），但爪子锋利（功能强大）。这个比喻相当贴切——整个项目纯 Python 代码，核心包通过 pip install fastclaw-ai 一键安装，没有任何外部运行时依赖。
理解 FastClaw 的技术核心，关键在于两个词：事件驱动和图式编排。
事件驱动体现在整个框架的通信机制上。Agent 与 LLM 的交互通过 SSE（Server-Sent Events） 实现流式输出，用户可以在终端或 WebUI 中实时看到 AI 逐字打字的回复，而不必等待完整响应。代码中大量使用 Python 的 asyncio 异步协程来支撑高并发的流式通信——在 gateway/router.py（50KB，框架最核心文件）中，SSE 路由和流式响应处理是主逻辑。
有向图编排则是 Agent 行为控制的核心理念。每个 Agent 的行为被建模为一个有向图，图的节点代表不同的操作（如「调用工具」「生成回复」「等待用户输入」），边代表节点之间的流转条件。这种设计的优势在于：开发者可以清晰地定义复杂的多步骤工作流，而 Agent 也能根据中间结果动态决定下一步该走哪条分支。
core/app.py（42KB）是整个框架的主应用逻辑，负责 Agent 生命周期管理、会话持久化和事件总线的协调。从代码结构看，FastClaw 采用清晰的模块化分层：
| 模块 | 文件 | 大小 | 职责 |
|---|---|---|---|
| core | app.py | 42KB | 应用主逻辑、事件总线 |
| core | prompts.py | 6KB | Agent 提示词模板 |
| core | config.py | 5KB | 配置管理 |
| gateway | router.py | 50KB | SSE 路由、Agent 编排 |
| gateway | cron_scheduler.py | 12KB | 定时任务调度 |
| gateway/channels | feishu/telegram/imessage | — | 多渠道消息接入 |
这种分层设计让框架既保持紧凑（没有庞大的依赖树），又具备良好的可扩展性——如果要接入新的消息渠道，只需要实现 gateway/channels/base.py 定义的接口即可。
一个不能调用工具的 Agent，本质上只是一个聊天机器人。FastClaw 的工具系统是其区别于普通 LLM Chat 的核心能力。
框架内置了以下工具类型：
Shell 命令执行：Agent 可以直接执行系统 Shell 命令，访问本地文件系统、运行 Python 脚本——这意味着 AI 可以帮你写代码、跑数据处理流程、执行自动化脚本。作者特别提到，得益于 Python 生态（numpy、pandas 等），AI 能「像人类一样熟练使用 Python 生态的各种工具」。
Skill 技能系统：FastClaw 实现了完整的技能（Skill）框架，支持用户自定义技能。v1.1.22 新增的 skill_creator 元技能甚至可以让 Agent 自己在对话中创建和优化新技能，这是当前 Agent 框架中较为前沿的能力。WebUI 中也提供了 Skills 管理标签页，支持 Remote Endpoint 和 Secret 字段的配置。
飞书（Feishu）集成：通过 lark-oapi 接入飞书平台，这是国内企业用户最为期待的功能之一。定时任务的结果可以直接推送到飞书群，实现「AI 帮你做事，做完主动通知你」的自动化闭环。
iMessage & Telegram：支持个人消息渠道，适合个人助理场景。
定时任务调度：内置类似 Cron 的任务调度器（基于 croniter），支持用 Cron 表达式定义周期性任务，例如每天早上 9 点自动生成数据报告并推送到飞书。
对于不熟悉命令行的用户，FastClaw 提供了完整的 Web 管理界面。启动服务后访问 http://localhost:8765，即可配置 Agent 模型（推荐 deepseek-chat，也支持 OpenAI 全系列）、管理会话历史、创建和编辑自定义技能、监控定时任务状态。
WebUI 静态资源位于 webui/ 目录，包含 114KB 的 index.html 和 logo 图片。界面通过 FastAPI 提供 REST API 支撑，数据通过 SSE 实时推送。
部署方式极其简单：
pip install fastclaw-ai
fastclaw start
# 访问 http://localhost:8765
或者从 GitHub 克隆源码运行：
git clone https://github.com/kandada/fastclaw.git
cd fastclaw
pip install -r requirements.txt
python main.py start
持久化后台运行只需加一个 nohup，整个过程不超过 3 分钟。
这是 FastClaw 最值得关注的特点之一——完全不需要 Docker。
整个框架是纯 Python 项目，核心依赖包括：
| 依赖 | 用途 |
|---|---|
| fastmind >= 0.2.5 | LLM 调用核心 |
| openai >= 1.0.0 | OpenAI 兼容接口 |
| fastapi >= 0.100 | Web API 框架 |
| websockets >= 10.0 | SSE/流式输出 |
| uvicorn | ASGI 服务器 |
| croniter >= 6.2 | 定时任务 |
| lark-oapi >= 1.0 | 飞书集成 |
所有依赖均可通过 pip 一键安装，Python 3.10+ 即可运行，512MB 内存、200MB 磁盘空间足矣。零 GPU 需求，任何一台云服务器甚至树莓派都能跑。
不过需要注意的是，FastClaw 目前没有提供 Docker 镜像或 docker-compose 配置，对于习惯容器化部署的团队来说略有遗憾（这是扣分项，因此 quick_deploy 判定为 partially_supported）。此外，由于 Agent 的核心是调用 OpenAI-compatible API，用户需要自行准备 API Key（推荐 deepseek-chat，性价比高）。
从代码规模和结构来看：
tests/ 目录，pytest 和 pytest-asyncio 已在依赖中需要注意的是，项目采用 GPLv3 协议——这意味着如果你修改了 FastClaw 并分发二进制版本，必须开源你的修改代码。对于个人使用和研究完全没问题，但商业闭源项目使用需注意合规。
| 维度 | FastClaw | LangChain | LangGraph | CrewAI |
|---|---|---|---|---|
| 部署难度 | 极简 | 较复杂 | 较复杂 | 中等 |
| 学习曲线 | 低 | 高 | 高 | 中等 |
| 中文支持 | 好 | 一般 | 一般 | 一般 |
| 工具扩展 | 好 | 极丰富 | 极丰富 | 好 |
| 图式编排 | 有 | 无 | 有 | 无 |
| 定时任务 | 有 | 无 | 无 | 无 |
| 飞书集成 | 有 | 无 | 无 | 无 |
FastClaw 的最佳场景：个人 AI 助手、数据科学工作流自动化、需要飞书/Telegram 消息通知的 AI 应用、对部署简便性有要求的小团队。
不适合的场景：需要复杂多 Agent 协作、需要 GPU 加速、需要商业闭源分发、需要 Kubernetes 容器编排。
2025 年是 Agent 框架爆发年，从 OpenAI 的 Operator 到 Anthropic 的 MCP（Model Context Protocol），整个行业在探索「让 AI 真正替代人执行任务」的路径。FastClaw 代表了其中一个有价值的方向——轻量化、易部署、专注实用场景。
相比动辄数万行代码、数百个依赖的重量级框架，FastClaw 用不到 100KB 的核心代码实现了完整的 Agent 能力，体现了「小而美」的软件工程哲学。同时，作者将 FastMind（LLM 框架）和 FastClaw（Agent 框架）协同设计，避免了依赖割裂问题，这在独立开发者项目中相当难得。
随着 MCP 协议的普及，未来 FastClaw 若能原生支持 MCP，将进一步提升其工具扩展能力，值得持续关注。
一句话总结：FastClaw 是一款专注于「开箱即用」的轻量级 AI Agent 框架，以事件驱动和图式编排为核心，内置工具系统和多渠道消息集成，特别适合想要快速搭建 AI 助手、数据自动化 Pipeline 或飞书机器人的开发者——无需 Docker，三分钟部署，零 GPU 要求。