嫌 OpenClaw 太重？ZeroClaw 重磅开源！

大家好，我是玄姐。

摘要：当 OpenClaw 的 Node.js 内存占用让你抓狂，当 Agent 的响应速度无法满足实时需求，是时候看看 Rust 带来的新选择了。ZeroClaw，一个 100% Rust 编写、极致轻量、高度模块化的 AI Agent 框架，正式开源。

过去的一个月里，OpenClaw（及其前身 Moltbot/Clawdbot）以其强大的生态和易用性，几乎成为了开源 AI Agent 的代名词。然而，随着大家在生产环境中通过 Node.js 运行越来越复杂的 Agent 工作流，一些问题也逐渐浮出水面：

资源消耗大：Node.js 运行时的内存占用在多 Agent 场景下显得捉襟见肘。

部署臃肿：Docker 镜像动辄几百 MB，对于边缘设备极其不友好。

性能瓶颈：在处理高并发消息或复杂逻辑时，解释型语言的延迟感依然存在。

今天，我们向 OpenClaw 说“再见”，并不是因为它不好，而是因为更强、更快、更轻的继任者出现了。

隆重介绍 ZeroClaw，并不是 OpenClaw 的简单复刻，而是用 Rust 重新思考了“什么是高效 Agent”后的答案。

一、什么是 ZeroClaw？

ZeroClaw 是由开发者 theonlyhennygod 开源的一款 AI 自动化工具。与市面上大多数基于 Python 或 TypeScript 的 Agent 框架不同，ZeroClaw 从第一行代码开始就是 100% Rust 编写的。

它的设计哲学非常直接：极致的性能、极低的资源占用、以及无缝的模块化替换。

如果你受够了在树莓派或云服务器上跑 Node.js 时的卡顿，ZeroClaw 可能会让你感觉换了一台新电脑。

二、核心特性：为什么要迁移到 ZeroClaw？

1. 100% Rust 带来的极致性能

ZeroClaw 充分利用了 Rust 的内存安全和零成本抽象特性。这意味着：

极小的二进制体积：编译后的产物极小，无需携带沉重的运行时环境。

秒级启动：没有 Node_modules 的黑洞，启动即运行。

高并发处理：Rust 的异步运行时让它能轻松处理来自 Telegram、Discord 等多个渠道的大量并发消息。

2. Trait-Based 的插件化架构

这是 ZeroClaw 最“极客”的地方。它采用了基于 Trait（特征）的子系统设计。

想换个 LLM 后端？改个配置就行。

想增加一个新的消息渠道？实现对应的 Trait 即可。

零代码修改：在绝大多数场景下，你只需要修改配置文件，而不需要动核心代码。这种高度解耦的设计，让它非常适合根据业务需求进行定制。

3. 全面的平台支持

ZeroClaw 原生支持多种交互界面，覆盖了从极客到普通用户的全部场景：

CLI (命令行)：开发调试的神器。

Telegram & Discord：社区运营和个人助理的首选。

Slack：不仅是聊天，更是生产力工具。

iMessage：直接接管你的苹果生态消息。

4. 真正的小得“离谱”

“Small software footprint” 是 ZeroClaw 的核心卖点。它不仅意味着省钱（可以用更便宜的 VPS），更意味着它可以在各种边缘计算设备、老旧硬件上流畅运行，保留了极高的敏捷性。

三、技术速览：它是如何工作的？

ZeroClaw 是一款基于 Rust 语言重构的高性能 AI Agent 框架，其底层依托 Tokio 异步运行时 实现高并发消息处理与毫秒级响应，架构上采用 Trait 驱动的“轮辐式”（Hub & Spoke）设计，通过零成本抽象（Zero-Cost Abstractions）实现了 LLM 后端、工具集与多消息渠道（Telegram/Discord/CLI）的完全解耦与热插拔；同时利用 Rust 的 RAII（资源获取即初始化）内存管理机制 彻底消除了 GC 卡顿与内存泄漏风险，在极低硬件资源占用下实现了生产级的稳定性与安全性。

ZeroClaw 的架构设计非常清晰，它通过 Rust 的强类型系统保证了组件之间的契约稳定。ZeroClaw 的架构不仅是为了“快”，更是为了“稳”。它展示了当 System Programming（系统级编程）语言进入 AI Agent 领域时，能够带来怎样的工程美学：用最少的资源，做最可靠的交付。

// 伪代码示例：感受 Rust 带来的类型安全与清晰结构// ZeroClaw 的设计理念允许你像搭积木一样组装 Agent trait AgentPlatform {    async fn listen(&self) -> Result<Message, Error>;    async fn reply(&self, response: String) -> Result<(), Error>;} // 极其轻量的实现，没有 V8 引擎的开销struct TelegramBot {    token: String,    // ...} impl AgentPlatform for TelegramBot {    // 高效的异步实现}

（注：以上为架构示意，具体实现请参考源码）

四、快速开始

想要体验 Rust 的速度吗？ZeroClaw 的部署非常简单。

1. 克隆仓库

git clone https://github.com/theonlyhennygod/zeroclaw.gitcd zeroclaw

2. 编译运行

你需要安装 Rust 环境（如果你还没装，现在是最好的入坑时机）：

cargo run --release

3. 配置

修改项目根目录下的配置文件，填入你的 API Key 和 Bot Token，你就可以拥有一个比 OpenClaw 更快、更稳的 AI 助理。

五、写在最后

OpenClaw 完成了它的历史使命，它让成千上万的开发者意识到了“个人 AI 助理”的可能性。而 ZeroClaw 则代表了 Agent 进化的下一个阶段：工程化、高性能与资源集约。

在这个 AI 算力成本昂贵的时代，用更少的资源做更多的事，本身就是一种极致的优雅。

如果你是 Rust 爱好者，或者正在寻找一个生产级的 AI Agent 框架，ZeroClaw 绝对值得你 Star 星标一下。

Github 项目地址：

https://github.com/theonlyhennygod/zeroclaw

好了，这就是我今天想分享的内容。如果你对构建企业级 AI 原生应用新架构设计和落地实践感兴趣，别忘了点赞、关注噢~

—1—

加我微信

扫码加我👇有很多不方便公开发公众号的我会直接分享在朋友圈，欢迎你扫码加我个人微信来看👇

加星标★，不错过每一次更新！

⬇戳”阅读原文“，立即预约