一、先搞清楚OpenClaw是什么

OpenClaw 说白了就是一个开源的个人 AI 助手项目，GitHub 上拿了 321K Stars、61.8K Forks。

创始人Peter Steinberger在Lex Friedman的播客上分享，此项目一开始的发心其实是“build for fun”，一开始用于Peter在摩洛哥旅行时候通过whatsapp交互的日常任务协助。所以距离稳定投入工作生产，还有许多迭代空间。

它的整体做法是这样的：

但 OpenClaw 有几个明显的"毛病"：

1. 光是 Node.js 运行时就吃掉大约 390MB 内存（代码大部分由vibe coding完成，十分臃肿，有大量可精简空间）

2. 从冷启动到能用，要等 5-6 秒

3. 装完整个程序大约 500MB

4. 安全防护比较初级，就 3 层左右

正是这些问题，让后面的四个项目各自找到了切入口。

1. NanoBot —— "用 Python 把核心功能压缩到最小"

NanoBot 走的是"极简"路线。它到底比 OpenClaw 好在哪？

• 代码量砍到几乎没有：号称比 OpenClaw 少 99% 的代码，你甚至可以跑一个脚本（bash core_agent_lines.sh）自己验证。对做研究的人来说，读源码不再是噩梦。

• 一行命令装好：pip install nanobot-ai，搞定。Python 用户完全没有上手障碍。

• 加一个新的 AI 模型只要两步：在注册表加个配置，在 schema 加个字段，不需要写一堆 if-else。

• 聊天平台支持不少：Telegram、Discord、WhatsApp、飞书、钉钉、Slack、QQ 等 10 多个都能接。

• MCP 协议直接兼容：配置格式跟 Claude Desktop / Cursor 一样，拿来就能用。

• 资源消耗降了一个数量级：大约 100MB 内存，启动 30 秒左右。

短板：Python 本身就慢，启动和内存没法跟编译型语言比。想跑在小设备上，还是够呛。

2. ZeroClaw —— "用 Rust 重写，把性能压到极致"

ZeroClaw 走的是"性能狂魔"路线：

• 资源占用低到离谱：不到 5MB 内存、10 毫秒冷启动、编译出来只有 8.8MB。跟 OpenClaw 的 1GB+ 比，内存直接降了 99%。

• 架构设计很灵活：Provider、Channel、Tool、Memory 这些模块全部是可替换的接口（Rust 里叫 Trait），你想换哪个换哪个，不被任何厂商绑死。

• 安全做了 6 层：配对认证、沙箱隔离、白名单控制、工作区隔离等等。

• 什么 CPU 都能跑：ARM、x86、RISC-V 全支持，提供预编译包（包括 armv7），能在 10 美元的开发板上运行。

• 跑分数据鼓励你自己测：文档里直接说"别信我们的数据，用 /usr/bin/time -l 自己跑"。

• 从 OpenClaw 迁移一行命令搞定：zeroclaw migrate openclaw。

• 背景：Harvard/MIT/Sundai Club 社区出品，学术味和工程味都有。

短板：编译 Rust 本身需要不少资源（最少 2GB 内存 + 6GB 硬盘）；技能商店和生态还不如 OpenClaw 丰富。

3. PicoClaw —— "让 AI 助手跑在 9.9 美元的开发板上"

PicoClaw 的特点是"什么破设备都能跑"：

• 95% 的代码是 AI 自己写的：这本身就是个有趣的实验——用 AI Agent 来写 AI Agent 的代码，人类只负责审核。

• 真的能跑在超低端硬件上：9.9 美元的 LicheeRV-Nano（RISC-V 芯片）、旧安卓手机装个 Termux、NanoKVM 小盒子，都能跑。

• 一键编译全平台：make build-all 直接出 RISC-V / ARM / MIPS / x86 的可执行文件。

• 能处理图片：发张图片给它，它会自动转成 base64 编码丢给多模态大模型处理。

• 省钱路由：简单问题自动分配给便宜的小模型，复杂问题才用贵的大模型。

• 资源占用：不到 10MB 内存、1 秒内启动。Go 语言编译出来就一个文件，复制过去就能用。

• 硬件厂商出品：Sipeed 自己做硬件（MaixCAM / NanoKVM），所以 PicoClaw 天然跟他们的硬件产品线配套。

短板：最近快速合并代码导致内存从不到 10MB 膨胀到了 10-20MB；功能完整度和安全防护跟 ZeroClaw、OpenFang 没法比。

4. OpenFang —— "不是聊天助手，是 Agent 操作系统"

OpenFang 的野心最大，它想做的不是一个"你问它答"的助手，而是一个"Agent 操作系统"：

• 核心创新——"Hands"（手）：内置 7 个自主 Agent 包，各有分工。比如 Researcher 每天自己去调研并出报告；Lead 每天自动找潜在客户、打分、去重、输出 CSV；Twitter 自动帮你发推文和回复互动。你不用发指令，它们按计划自己干。

• 安全防护做了 16 层：WASM 双重计量沙箱（代码跑飞了自动杀掉）、Merkle 哈希链审计（改一条记录整条链会断）、信息流污点追踪（密钥从哪来到哪去全程跟踪）、Ed25519 签名、SSRF 防护、API 密钥用完立刻从内存清零等等。在所有项目里安全做得最深。

• 40 个聊天平台适配器：Telegram、Discord、Slack、WhatsApp、Signal、Teams、LINE、Mastodon、Bluesky、Twitch、IRC……基本上你能想到的平台都覆盖了。

• 工程质量高：14 个 Rust 模块、13.7 万行代码、1,767 个测试、零编译警告。

• 有桌面 App：用 Tauri 2.0 做了原生桌面应用，带系统托盘、通知、全局快捷键。在这五个项目里，只有它有桌面端。

• 兼容 OpenAI API：140 多个接口，现有工具直接对接就能用。

• 从 OpenClaw 迁移一行搞定：openfang migrate --from openclaw，Agent、对话记录、技能、配置全部导入。

• 性能参数：32MB 二进制文件、200 毫秒内冷启动、40MB 空闲内存。不如 ZeroClaw 极端，但在性能和功能之间取了一个平衡点。

短板：还没到 1.0 正式版，小版本之间可能不兼容；7 个 Hands 的成熟度参差不齐；星标数最少，社区规模也最小。

四、看完之后的几点观察

1. 所有人都在嫌 OpenClaw 太重。 四个项目无一例外都把"轻量化"当头号卖点，内存和体积的缩减幅度都在 90% 以上。OpenClaw 的 Node.js 架构在功能丰富和资源效率之间做了一个偏向前者的取舍，后来者都在往另一边拉。

2. 选什么语言，基本就决定了面向谁。 Python 面向研究者、Go 面向嵌入式开发者、Rust 面向追求系统级安全和性能的用户。没有谁比谁"更好"，只是场景不同。

3. OpenFang 的 Hands 指向了一个新方向。 传统的 AI 助手是"你说一句它做一句"。Hands 的做法是"设定好目标和计划，Agent 自己每天跑"。这更像是从"AI 助手"到"AI 员工"的转变。

4. 安全防护正在变成硬指标。 OpenClaw 的 3 层到 OpenFang 的 16 层，差距明显。如果 Agent 要在企业里跑、要替人操作浏览器和社交账号，没有足够的安全机制是不行的。

5. OpenClaw 真正难被替代的是它的生态。 321K Stars 积累起来的开发者社区、ClawHub 技能商店里的现成技能、Lobster 工作流编排工具、ACP 通信协议——这些构成了网络效应，不是光靠"更快更轻"就能抢走的。

如果你正在做技术选型，建议从第三节的对比表开始看，根据你的场景（桌面/研究/嵌入式/企业）缩小范围，再回头看对应项目的详细分析。

如果你正在用 OpenClaw 想迁移，ZeroClaw 和 OpenFang 都提供一行命令的迁移工具，迁移成本最低。NanoBot 因为是 Python 重写，需要手动适配技能。

如果你在做 AI Agent 方向的研究，NanoBot 的代码库最适合阅读和魔改（代码量最小），ZeroClaw 的 Trait 架构最适合做模块化实验。

项目直达链接：

• OpenClaw：https://github.com/openclaw

• NanoBot：https://github.com/HKUDS/nanobot

• ZeroClaw：https://github.com/zeroclaw-labs/zeroclaw

• PicoClaw：https://github.com/sipeed/picoclaw

• OpenFang：https://github.com/RightNow-AI/openfang

本文数据基于 2026 年 3 月各项目 GitHub 仓库及官方文档，不含任何赞助或推荐关系。如有错漏，欢迎评论指正。