picoclaw

PicoClaw：把 AI 助手装进掌心

想象这样一个场景：你花 10 美元买了一块比拇指还小的开发板，把它接上电源，几十毫秒后，一个能对话、能搜索、能控制智能家居的 AI 助手就在你本地跑起来了——不需要云端，不需要月费，只需要一个 API Key。这不是科幻，这是 PicoClaw 正在做的事。

图1：PicoClaw 支持的硬件阵容——从 5 美元的 RISC-V 开发板到树莓派，应有尽有

背景：一家硬件公司为什么要做 AI 软件

PicoClaw 来自矽速科技（Sipeed）——一家以开源硬件著称的中国公司，主营 RISC-V 开发板、单板计算机、AI 加速棒等产品。2025 年，团队在折腾各种端侧 AI 场景时发现：现有的开源 AI Agent 框架（如 OpenClaw）吃内存太凶——动不动就要 1GB RAM，普通人根本跑不起来，更别说嵌入手持设备或 IoT 场景了。

于是他们做了一个大胆的决定：从零用 Go 语言重写一个超轻量版。有趣的是，这次重写的"规划师"本身就是一个 AI Agent——架构设计和代码优化都由 AI 驱动，团队把这个过程称为"自举"（Self-Bootstrapping）。

受 NanoBot 启发，PicoClaw 从 2025 年中启动，目前在 GitHub 已积累超过 29,000 颗星，成为该领域增长最快的开源项目之一。

图2：运行在 LicheeRV Nano 板上的 PicoClaw——硬件成本约 10 美元

类比：AI 助手界的"瑞士军刀"

如果把 Claude/OpenAI 的官方 API 比作一台高性能服务器，PicoClaw 就是那把可以挂在钥匙扣上的多功能小刀。它不追求极致算力，但追求极致的可及性：5 美元的 RISC-V 开发板能跑，Android 手机能跑，树莓派能跑，macOS 也能跑。一套代码，多端通用。

图3：内存占用对比——PicoClaw <10MB，OpenClaw 需要 1GB+

核心功能：不止是"会聊天的 CLI"

PicoClaw 绝不是一个简单的 ChatGPT 包装器。它的设计目标是成为一个完整的个人 AI 助手平台，支持以下核心能力：

多渠道接入：PicoClaw 支持 18+ 种聊天渠道接入，包括：

• 即时通讯：Telegram、Discord、WhatsApp、企业微信、钉钉、飞书、Line、Slack 等
• 国内平台：微信（通过企业微信）、QQ（通过 OneBot 协议）、Telegram、钉钉
• 物联网协议：QQ（OneBot）、Telegram Bot

每种渠道都有独立的对接文档，对于国内用户来说，最实用的可能是微信/Telegram/钉钉三件套。

三种运行模式：

• Agent 模式（单次查询）：picoclaw agent -m "你好" 即问即走，适合脚本集成
• Gateway 模式（常驻机器人）：24 小时在线，接入聊天群，响应所有 @消息
• Launcher 模式（Web 控制台）：带图形界面，可视化管理模型、渠道和配置

图4：Launcher Web 控制台——可视化配置界面

技术架构：Go 语言的优势在这里

用 Go 重写带来几个关键优势：

维度	传统 Python Agent	PicoClaw (Go)
内存占用	500MB - 2GB	<10MB
启动时间	5-30 秒	<100ms
二进制分发	依赖 Python 环境	单文件，无依赖
硬件要求	x86_64	x86_64/ARM64/RISC-V/MIPS/LoongArch

代码结构上，PicoClaw 采用了模块化插件架构：

• pkg/agent/：核心 Agent 引擎，包含消息处理、上下文管理、MCP 集成
• pkg/agent/adapters/：渠道适配层，抽象不同聊天平台的 API 差异
• cmd/：CLI 入口和辅助工具
• web/：Go 后端 + 前端分离的 Launcher Web UI
• config/：配置管理，支持 YAML 和环境变量

图5：代码示例——上下文管理的内存优化策略

MCP 协议支持：让 AI 操控真实世界

PicoClaw 完整支持 Model Context Protocol（MCP），这是 Anthropic 推出的 AI 工具调用标准。通过 MCP，PicoClaw 可以：

• 调用 Web 搜索（search）、图片搜索（search-images）
• 读写本地文件系统
• 集成 Whisper 进行语音转文字
• 自定义 MCP 服务器扩展

PicoClaw 还内置了一个 Steering 机制：在 Agent 运行过程中，可以动态"注入"消息或指令，实时改变 AI 的行为，而无需重启进程。

上手体验：Docker 部署一条命令

最简单的方式是通过 Docker 部署。docker/docker-compose.yml 提供了三种预设组合：

# 单次查询（最轻量）
docker compose -f docker/docker-compose.yml run --rm picoclaw-agent -m "Hello"

# 启动常驻 Telegram Bot
docker compose -f docker/docker-compose.yml --profile gateway up

# 启动 Web 控制台（推荐新手）
docker compose -f docker/docker-compose.yml --profile launcher up

Launcher 模式启动后，会在 18800 端口提供 Web 界面，在 18790 端口提供健康检查接口。Web 界面包含登录认证、主面板、设置页和 Web 聊天页。

图6：PicoClaw 支持的完整架构图

争议与局限

1. 硬件性能瓶颈：10 美元的板子算力有限，对话响应速度完全取决于云端 API 的延迟，LicheeRV Nano 本身的处理能力约等于零。把它当成"本地模型"来期待会失望。

2. API Key 依赖：PicoClaw 本质上是一个"智能路由层"，所有实际推理都在云端。没有 API Key 寸步难行。

3. 微信渠道受限：个人微信无法直接接入，PicoClaw 推荐通过企业微信或微信客服渠道曲线接入，需要企业认证。

4. 国内文档更新滞后：英文文档更新较快，中文文档（docs/project/README.zh.md）存在一定延迟。

行业意义：让 AI 普惠到"边缘"

PicoClaw 的核心价值不在于技术突破，而在于降低门槛。当一个开源项目的目标是"在 5 美元硬件上跑 AI 助手"，它解决的不是性能问题，而是可及性问题。这种思路和 TinyLlama、Qwen2-0.5B 等端侧小模型的方向一致——让 AI 不再只属于有 GPU 集群的人。

从增长曲线看，PicoClaw 自 2025 年中发布以来保持了稳定的 Star 增速，社区活跃度高（87 个 open issues、143 个 watchers），Discord 社区有一定规模。对于想搭建私有化 AI 助手但不想折腾复杂部署的用户，PicoClaw 是一个值得关注的选项。