PicoClaw：十美元硬件上跑的 AI 助手

十美元能买到什么？一杯咖啡，一本杂志，或者一台能运行 AI 助手的开发板。PicoClaw 选择的是第三种。

这个项目由 Sipeed 团队发起，用 Go 语言从零编写，目标是在极低成本的硬件上运行一个完整的 AI Agent。它不需要昂贵的 GPU，不需要大容量内存，一块售价十美元的 LicheeRV-Nano 开发板就能跑起来。项目目前在 GitHub 上获得了超过 29000 个 Star。

从内存说起

衡量一个软件的"重量"，内存占用是最直观的指标。PicoClaw 的核心内存占用控制在 10MB 以内。作为对比，同类项目 OpenClaw 需要超过 1GB，NanoBot 也需要 100MB 以上。PicoClaw 的内存占用只有 OpenClaw 的百分之一。

这个数字意味着什么？意味着那些被遗忘在抽屉里的旧手机、旧开发板，都有可能被重新激活。项目团队在 Android 设备上做了适配，一部十年前的安卓手机安装 APK 后就能直接运行，不需要 Termux 这类复杂的环境配置。

启动速度

内存小只是故事的一半。在一颗 0.8GHz 的单核处理器上，PicoClaw 的启动时间不到一秒。同样的硬件条件下，OpenClaw 需要超过 500 秒，NanoBot 需要 30 秒以上。400 倍的启动速度差距，来自 Go 语言天然的编译优势和项目本身的轻量架构。

单二进制文件的分发方式也降低了部署门槛。x86、ARM64、MIPS、RISC-V，同一份代码编译出的二进制文件可以在这些架构上直接运行，不需要额外的运行时依赖。

能做什么

PicoClaw 不是一个玩具。它支持 MCP（Model Context Protocol）协议，可以连接外部工具和数据源扩展 Agent 的能力。内置的视觉管线支持图片和文件的多模态处理，自动进行 base64 编码后发送给支持多模态的大语言模型。

在模型接入方面，PicoClaw 支持 30 多个 LLM 提供商，包括 OpenAI、Anthropic、Google Gemini、DeepSeek、通义千问等主流服务。也支持 Ollama 和 vLLM 这类本地部署方案。智能路由功能可以根据查询复杂度自动分配模型，简单问题走轻量模型，节省 API 调用成本。

聊天渠道的覆盖也很广。Telegram、Discord、WhatsApp、微信、QQ、Slack、飞书、钉钉、Matrix、IRC，加起来超过 19 个平台。一个 Gateway 实例可以同时服务多个渠道，配置统一管理。

硬件兼容性

项目维护了一份硬件兼容性列表，从五美元的 RISC-V 开发板到树莓派再到安卓手机都有覆盖。几个典型的部署场景：

LicheeRV-Nano，售价 9.9 美元，有以太网和 WiFi6 两个版本，适合作为最基础的家庭助手。NanoKVM 售价 30 到 50 美元，可以用于服务器的自动化运维。MaixCAM 售价 50 美元，支持智能监控场景。

这些硬件的共同特点是成本低、功耗小、长期运行无压力。

AI 自举

项目有一个特殊的技术背景：95% 的核心代码是由 AI Agent 生成的，然后通过人工审查进行微调。这种"自举"式的开发方式在开源项目中并不多见。整个架构迁移和代码优化过程中，AI Agent 本身就是参与者。

这种开发模式的一个直接结果是代码库保持了较小的体积和较高的可读性，项目团队也以此鼓励社区贡献。

部署方式

最简单的入门方式是从 picoclaw.io 下载对应平台的二进制文件，双击启动 WebUI Launcher，浏览器会自动打开配置界面。整个过程不需要接触命令行。

进阶用户可以选择 Docker Compose 部署，或者通过源码编译。源码编译需要 Go 1.25 以上版本，WebUI 部分还需要 Node.js 22 和 pnpm。

命令行用户可以直接运行 picoclaw onboard 初始化配置，编辑 JSON 文件设置模型和 API 密钥，然后通过 picoclaw agent 进入交互模式，或者用 picoclaw gateway 启动网关接入聊天应用。

安全提醒

项目目前处于早期快速开发阶段，尚未发布 1.0 版本。团队明确声明没有发行任何加密货币或代币，所有在交易平台上声称与 PicoClaw 相关的代币都是骗局。官方域名仅有 picoclaw.io 和 sipeed.com。

近期因为大量 PR 合并，部分构建版本的内存占用可能达到 10 到 20MB，资源优化工作计划在功能稳定后进行。

写在最后

PicoClaw 的价值不在于它能替代 ChatGPT 或 Claude，而在于它把 AI 助手的能力带到了那些算力有限、预算有限的场景里。一台十美元的开发板，不到 10MB 的内存，一秒以内的启动时间。这些数字背后是一个朴素的想法：AI 不应该只运行在数据中心里。

项目采用 MIT 协议开源，代码库刻意保持了较小的规模和良好的可读性。对于想要在边缘设备上部署 AI Agent 的开发者来说，这是一个值得关注的选择。

，代码库刻意保持了较小的规模和良好的可读性。对于想要在边缘设备上部署 AI Agent 的开发者来说，这是一个值得关注的选择。