近段时间，OpenClaw 无疑成为了技术圈的热门话题。然而，相关的讨论往往充满了噪音，真正触及核心价值的深度内容却并不多见。实际上，像 OpenClaw 这样的技术，清晰地揭示了人工智能所具备的颠覆性潜力。当前网络环境中充斥着大量浮于表面的喧嚣，我们迫切需要拨开迷雾，梳理出其内在的核心逻辑与价值。

本文将围绕两个核心层面展开探讨：首先，分享在 OpenClaw 热潮之后，我对 AI 智能体领域的一些深度思考与见解；其次，详细拆解我从零开始搭建的一套智能体系统。这套系统能够实现 7x24 小时不间断运行，其理念与网上常见的 OpenClaw 部署方案有异曲同工之妙。希望通过这篇文章，能够帮助过滤掉行业中的无效信息，让大家更清晰地看到 AI 智能体技术背后所蕴含的真正价值。

在当前关于 AI 智能体的讨论中，我时常看到诸如“普通人实现阶级跃迁的最后窗口正在关闭”、“一个人就能创办价值百亿美元的初创公司”等夸张论调。这类内容虽然偶尔包含一两点有价值的见解，但大多数情况下只是为了制造噱头、博取眼球，旨在社交媒体上收割流量。这种依靠贩卖焦虑来吸引关注的行为，对于 AI 智能体领域的健康发展并无实质益处，令人感到十分遗憾。

YC 近日发布了 2026 年的创业项目征集令，其要求与 2025 年相比发生了显著变化。其中最引人注目的，莫过于其对 “AI 原生机构” 的重点呼吁。起初，我完全无法理解 YC 为何如此推崇“机构”这一模式。直到经过深入思考并与业内人士进行交流后，我才逐渐理清了其背后的逻辑。

1. AI原生组织：重构传统规模化逻辑

从 ClawdBot、MoltBot 到如今的 OpenClaw，这项技术展现出了改变现实世界的巨大潜力。而其核心价值，恰恰体现在对传统机构运营模式的根本性重构之上。

传统机构的规模化逻辑，其核心在于 “人力扩张”。例如，一项服务的定价为 5000 美元，一家机构若想实现 5 万至 10 万美元的营收，唯一的途径便是扩大团队规模。尽管客户质量、业务范围等因素会产生影响，但招聘始终是实现规模化的核心手段。印度的两大软件服务巨头 TCS 和 Infosys，正是在 21 世纪初凭借这种人力密集型扩张模式，实现了爆发式增长，并最终成为了行业标杆。

然而，AI 智能体的出现正在彻底颠覆这一传统逻辑。这些能够全天候不间断工作的智能体，其“雇佣”成本可能仅为人类工程师的 10%。如果应用得当，传统的服务机构将逐步向软件公司转型：它们不再需要投入大量精力进行招聘和人力资源管理，而是转向构建、优化和管理一支由智能体组成的“数字员工”团队。在我看来，这正是 AI 智能体最具实际应用价值的场景之一，而这仅仅是其无限可能性的冰山一角。

话虽如此，我们仍处在这个领域的早期阶段，没有人能准确预知 AI 最终将带来怎样的变革。引用一篇热门文章中的观点：

“未来正由极少数人所塑造：几家公司的几百名研究人员……例如 OpenAI、Anthropic、谷歌 DeepMind 等。一个小团队在几个月内完成的一次模型训练，就可能诞生出一个足以改变整个技术发展轨迹的 AI 系统。”

尽管我们无法精准预测未来，但尽早接触新技术、尝试新事物，并从零开始思考这些技术将如何重塑你的工作方式，总是大有裨益的。这能够帮助你培养强大的适应能力，让你在变革中占据先机。

对我个人而言，OpenClaw 系列技术让我清晰地看到了 AI 智能体的核心潜力——将其打造成能够替代部分人工的 “智能体员工”。这个想法其实由来已久，但我始终在犹豫是否要付诸实践。正是 OpenClaw 引发的行业热潮，最终推动我动手搭建了属于自己的智能体系统。

上周，Anthropic因Claude Code的额度Bug引发开发者广泛批评，登上热搜；本周，开源社区迅速响应，推出创新方案以抢占先机。NousResearch悄然发布Hermes Agent v0.7.0版本。起初，面对这个版本号，我并未过多关注，毕竟当前每日都有数十个自诩“最强开源Agent”的项目涌现。然而，浏览推特上几位硬核开发者的演示后，我发现这股趋势正迅速升温，引发广泛讨论。

记忆系统透明化：模块化设计取代黑盒模式

过去，当我们讨论AI Agent的记忆功能时，常将其视为闭源大厂的技术壁垒。无论是Claude的prompt caching，还是OpenAI神秘的memory功能，本质上都是在云端存储用户数据，并收取高昂的token费用。但Hermes 0.7选择了一条截然不同的路径：插件化记忆系统（Modular Memory）。它不再依赖无限扩展的上下文窗口来容纳所有信息，而是将记忆拆分为可插拔的模块。用户可以选择本地SQLite存储、Git版本管理，甚至采用Karpathy近期推崇的“Markdown Wiki”方案。

提及@karpathy，他关于“LLM Knowledge Base”的推文已达到570万次曝光。他的核心观点非常明确：无需过度依赖RAG（向量检索），而应让大模型自行将原始资料“编译”为结构化的Markdown格式。 这一理念为开源Agent提供了强有力的理论支持，仿佛递上了一把利剑。

闭源厂商的困境：成本与隐私的双重压力

为何说这是后院起火？因为闭源大厂目前面临尴尬局面。一方面，他们需要维持高额的API利润；另一方面，必须处理类似Claude Code的“1小时消耗100美元”的额度灾难（@rezoundous抱怨称100美元的套餐体验如同20美元，这种问题足以引发用户不满）。与此同时，开源Agent结合本地模型（例如近期备受关注的Gemma 4），正在逐步瓦解这套商业模式：

1. 成本趋近于零：本地运行无需token计费，用户可以让Agent进行任意时长的思考，不受费用限制。
2. 记忆确定性增强：通过Markdown和Git管理记忆，用户可以像回滚代码一样调整AI的认知状态，实现精准控制。
3. 隐私与安全保障：代码库和知识库无需上传至任何第三方服务器，确保数据完全自主可控。

NousResearch此次发布的Hermes 0.7，最显著的突破在于将这一流程标准化。它不仅仅是一个简单的聊天机器人，而是配备了插件系统的底层框架，为开发者提供了高度灵活的基础设施。

护城河瓦解：工程实现成为竞争焦点

我始终认为，大模型的竞争壁垒正从“模型能力”快速转向“工程实现”。当Qwen 3.6-Plus的编码能力已能与Claude Opus抗衡，当Gemma 4在Mac上实现每秒300 tokens的推理速度时，闭源大厂仅存的优势便在于其精心封装的用户体验和所谓的“生态记忆”。然而，如果开源社区成功补齐“记忆”这块关键拼图，那么剩下的可能仅剩昂贵的算力招牌。

当然，当前开源Agent的使用体验仍略显“粗糙”。配置环境、调优插件、处理各种意外报错，这些步骤都构成了一定的使用门槛。但值得注意的是，程序员最擅长的正是将“粗糙”的工具逐步优化为优雅的解决方案。这种持续的迭代与改进，正是开源生态的核心动力所在。

如果你近期关注AI Agent领域，大概率会频繁见到Hermes Agent这个名字。这个由Nous Research出品、采用MIT协议开源的项目，在GitHub上迅速累积了超过27,000个star。虽然与OpenClaw那24万的庞大星数相比仍显“小众”，但其增长势头迅猛，曾在三月份冲上GitHub热门趋势榜前15名。

许多人第一时间的疑问是：它和Claude Code或OpenClaw到底有何不同？难道只是又一个Agent框架吗？笔者仔细研究了其文档和架构设计，在此分享一些个人见解。

定位梳理：三款工具的清晰分野

首先，我们需要厘清这三者的核心定位。

Claude Code本质上是一个编码副驾驶。它的使用场景是你坐在电脑前，在终端或集成开发环境中，让它协助你编写、修改或重构代码。其在SWE-bench基准测试中达到约80%的准确率，代码能力属于第一梯队。然而，它主要“存活”于IDE和终端内部，缺乏对主流消息平台的集成，不支持定时任务，并且不同会话之间没有持久化记忆。

OpenClaw则是一个面向多渠道运营的通用型智能体。它支持超过22个消息平台，全面覆盖Telegram、WhatsApp、Discord、Slack、iMessage等。其技能中心ClawHub上拥有超过13,000个可用技能。在记忆策略上，它倾向于“全部存储”，将所有对话和上下文进行持久化，检索时进行全量搜索。凭借247,000的star数，它无疑是当前开源Agent中用户基数最大的一个。

那么，Hermes Agent呢？27,000的star数，体量上比OpenClaw小一个数量级。但它选择了一条颇具差异化的路径。

与Claude Code的核心差异：使用场景的区隔

Claude Code的核心是解决“辅助编码”这一具体问题。使用它时，你需要身处电脑前，打开编辑器并启动会话。一旦会话结束，它不会记住你之前的操作，每次互动都如同在一张白纸上重新开始。

Hermes Agent则并不绑定任何IDE。它可以部署在一台月费仅5美元的VPS上，你只需通过Telegram、Discord或Slack等平台向它发送消息，即可驱动其执行任务。它支持6种代码执行后端，包括本地环境、Docker容器、SSH远程连接、Singularity容器、Modal云端以及Daytona环境。同时，它兼容超过18个大型语言模型提供商，从OpenAI、DeepSeek到本地的Ollama，都能通过一条命令轻松切换。

简而言之，Claude Code是常驻于你IDE内部的编码助手，而Hermes Agent是“居住”在服务器上的通用智能体。两者的应用场景重叠度实际上并不高。

与OpenClaw的核心差异：记忆哲学的根本分歧

与OpenClaw的对比则更为微妙，因为两者都可归类为“通用智能体”。

从表面功能列表看，它们颇为相似：都支持多个消息平台（OpenClaw 22个，Hermes 14个），都具备持久化记忆系统，都拥有技能框架，也都能执行定时任务。

然而，两者的设计哲学存在一个关键分歧，体现在对**“记忆”的处理态度**上。

OpenClaw的策略是“存储一切”。所有对话记录和上下文信息，都会被完整地持久化到数据库中，需要时进行全量检索。这种方式的优点在于信息永不丢失，缺点则是token消耗巨大，且随着时间推移，信息噪音也会增多。

Hermes Agent选择了一条看似反直觉的道路：实施有限记忆。

其MEMORY.md文件上限为2200字符，USER.md文件上限为1375字符，合计约1300个token的固定空间。为何要为记忆设置上限？Hermes的设计者认为，对于大型语言模型而言，少量但精确的记忆远比大量模糊的信息更有价值。这些记忆文件在每个会话开始时被注入系统提示词，所占用的token量是固定的，不会随着使用时长无限膨胀。正因为空间有限，Agent被迫学会对信息进行筛选和压缩，只保留真正关键的部分。

当记忆空间不足时，Agent会主动合并旧的条目、删除过时信息，或将多条相关记录压缩为一条摘要。这个过程更接近于人类整理笔记时的思考，而非数据库简单堆叠数据的行为。

自学习循环：实现越用越顺手的核心机制

但Hermes Agent真正引人入胜之处，并不全然在于其记忆系统，而在于它所构建的自学习循环。

每当它完成一项复杂任务（通常涉及5次以上的工具调用），它会自动评估这次经验是否值得沉淀。如果值得，它会将操作步骤、遇到的坑以及验证方法编写成一份SKILL.md文件，并存储到本地的技能库中。下次遇到类似任务时，它可以直接加载并使用这项技能，无需重新探索。

此外，每进行15次工具调用，它还会暂停下来进行一次“自我检查”：总结哪些做对了，哪些做错了，是否有新的关键信息需要记住。

有用户统计发现，使用一个月后，处理同类任务所需的工具调用次数，从最初的约25次显著压缩至8到10次。模型本身没有改变，是Agent通过积累个性化的“操作手册”提升了效率。

OpenClaw同样拥有强大的技能系统，其ClawHub上数以万计的技能构成了巨大的生态规模。但OpenClaw的技能更多是社区共享的、标准化的功能模块。而Hermes的技能，则是Agent在你具体的工作环境中自行创建和积累的，其中包含了你的项目结构、工具链偏好乃至踩坑记录。一个像是“通用教科书”，另一个则更接近“私人工作笔记”。

模型选择的自由度：避免生态锁定

另一个与日常使用体验密切相关的区别是模型选择的自由度，或者说“生态锁定”问题。

OpenClaw官方推荐搭配其自家的模型使用，尽管它也支持其他模型。Claude Code则紧密绑定Anthropic的API。

Hermes Agent在这方面的立场更为彻底。它开箱即用地支持超过18个LLM提供商，包括OpenRouter、OpenAI、Anthropic、DeepSeek、阿里云、Hugging Face、GitHub Copilot以及Ollama本地模型等。切换模型通常只需一条指令，并且由于所有数据和技能都存储在本地，用户几乎没有任何迁移成本。对于不希望被单一模型生态绑定的用户而言，这一点颇具吸引力。

为何这款小众产品近期热度骤升？

笔者认为，这与当前的时间节点和市场需求有关。

OpenClaw的功能极为全面，体量庞大，其设计重心偏向于企业级的多渠道运营和团队协作，对于许多个人开发者或寻求轻量解决方案的用户来说，可能显得有些“杀鸡用牛刀”。

而Claude Code又过于专注于编码这一垂直领域，且使用场景局限于开发环境内部。

Hermes Agent恰好卡在了一个平衡点。它足够轻量，通过一行curl命令即可安装，大约60秒就能完成部署。它又足够灵活，支持14个消息平台、6种执行后端和超过18个模型提供商。更重要的是，其自学习机制让“越用越顺手”的体验变得具体可感，而非一句空洞的宣传口号。

此外，出品方Nous Research本身是一家专注于模型训练的研究实验室（以其Hermes系列模型和Psyche分布式训练框架闻名），这为产品增添了一层技术背书，赢得了部分技术导向型用户的额外信任。

采用MIT开源协议、承诺零遥测数据收集、所有数据存储在本地，这些特性对于注重隐私和自主控制的用户而言，也是重要的加分项。

总结：三个产品，三种定位

• Claude Code：编码能力顶尖的IDE副驾驶，专为提升开发效率而生。
• OpenClaw：生态规模最大、功能最齐全的多渠道智能体运营平台，适合团队与复杂场景。
• Hermes Agent：轻量级、具备自我进化能力的个人智能体助手，强调灵活性与个性化学习。

你需要哪一款，完全取决于你想要解决的具体问题。值得注意的是，它们之间并非互斥关系，完全可以根据不同场景搭配使用。

如果你对Hermes Agent感到好奇，不妨亲自安装并试用几天。观察其技能库如何从零开始，随着你的使用习惯慢慢生长和丰富，这个过程本身就颇具趣味。

ED-HMI3020-070C HMI 概览

综合评分：9.2分

• 性能: 9分
• 软件支持: 10分
• 外围设备与 IO: 10分
• 制造质量: 8分
• 价格: 9分

核心优势

• 丰富的网络连接选项（千兆以太网 PoE、2.4/5 GHz Wi-Fi 及蓝牙 5.0）。
• 在单板计算机（SBC）领域，其软件支持与系统稳定性无出其右。
• 扩展板设计精良，功能全面：支持SSD、RTC不间断电源、扬声器及RS232/485接口。
• 官方网站提供了详尽的使用说明文档。

有待改进之处

• 屏幕尺寸相对较小，边框较宽，且表面硬度为6H，抗刮擦能力一般。
• 在持续满负荷运行时，需要考虑增加主动散热措施。

综合评价

ED-HMI3020-070C HMI是一款完整的工业级人机界面设备，其核心基于树莓派5设计，配备一块7英寸十点触控LCD显示屏与RS232/485通信接口。该设备已集成千兆以太网、双频Wi-Fi和蓝牙低功耗（BLE）功能。得益于丰富的开源及商业软件方案以及活跃的社区生态，这款ARM平台提供了顶级的应用解决方案。

在过去，工业HMI设备曾由少数知名品牌主导。随后市场上涌现出质量参差不齐的低价仿制品，主要被爱好者用于个人项目。不久，第一批具有高性价比的优质型号出现，其性能已能满足严苛的工业标准，但普及仍面临限制。尽管市场新品迭出，但这些HMI设备的软硬件细节往往不为人知。

开源硬件的领军者改变了这一局面。树莓派率先证明了其平台在工业领域的应用价值，甚至将其用于自身工厂的控制系统。如今，在传统的PLC或工业PC之外，单板计算机（SBC）已成为第三种可靠的选择。或许在2020年，我们对SBC在工业中的应用还心存疑虑，但现在，这已不再是问题。我们只需要思考：您是否认识到，一个搭载Linux操作系统、基于四核2.4 GHz ARM Cortex-A76 CPU、配备4GB（或8GB）LPDDR4X内存的平台，在工业过程控制与监测领域能够胜任多少任务？如果再为其加上一块7英寸1024x600分辨率的触摸屏和RS232/485接口，便是我们今天要详细评测的主角——ED-HMI3020-070C HMI。

ED-HMI3020-070C HMI 硬件解析

ED-HMI3020-070C设备采用标准的纸箱包装，外贴产品标签，内部使用硬质海绵提供稳固的缓冲保护。除显示屏主体外，包装内还附有若干螺丝和金属支架，便于用户将其安装到控制面板上。HMI设备本身设计紧凑，需连接标准的树莓派专用电源或其他高品质的5.1VDC/5A USB电源供电。由于设备预装了树莓派32位桌面操作系统，接通电源后即可立即投入使用。

尽管显示屏支持10点触控，但系统并未预装虚拟键盘，因此在初始设置阶段，用户仍需借助物理键盘和鼠标进行操作。

我们评测的型号采用7英寸显示屏，此外还有10.1英寸版本可供选择。两者核心性能基本一致，只是7英寸屏幕亮度略高，达到400 cd/m²，对比度为1:800，最高分辨率为1024×600；而10.1英寸版本的分辨率则为1280×800。两款显示屏的响应时间均为30毫秒，可视角度同为85°。

有效显示区域的尺寸为154×86毫米，屏幕四周环绕着约1.5厘米宽的黑色边框，这部分无法用于显示内容。这在工业设备中较为常见，尽管不如现代手机或平板电脑的超窄边框设计。显示屏表面的硬度为6H级别，在日常使用中需要注意防止刮伤。

显示屏的背面和边缘均由金属外壳保护，外壳四周配有一圈2毫米厚的灰色装饰边框。这种金属外壳不仅为内部显示驱动电路提供防护，在日常使用中也无需打开。外壳背面设有两个连接器接口，分别用于电源输入和MIPI DSI显示信号连接。

在我们的评测样机上，没有看到MIPI CSI摄像头接口，该接口通常仅出现在集成800万像素摄像头的机型上。外壳背面还预留了安装树莓派主板的支架位置，可通过四颗螺丝固定。整个外壳可以轻松与前面板分离，内部便是集成了核心电子元件的单板计算机。外壳完全由金属制成，侧面开有用于空气流通的孔洞，但并未配备任何散热风扇。

观察这个金属外壳时，最引人注目的是其上方一块硕大的黑色被动式散热片，上面印有Edatec的Logo。这块散热片完全覆盖了下方的单板计算机，并通过导热材料与CPU、内存以及R1芯片紧密接触，以确保有效散热。

外壳上还预留了用于MIPI CSI、MIPI DSI和PCIe扁平线缆的走线孔、电池连接器、UART接口以及PoE供电引脚。侧面则提供了GPIO接口，主要用于连接扩展板。考虑到这款设备定位为工业HMI，其GPIO接口的设计重点在于支持扩展板的信号传输。

上海晶珩（EDATEC）采用CNC加工工艺制造了这款开放式被动散热外壳，并将其作为独立产品销售。我们可以将其识别为“树莓派5被动散热开放式CNC机箱”。

这种外壳由上下两块金属散热片构成：

1. 上方的散热片与ED-HMI3020-070C HMI所使用的散热片完全相同。
2. 下方的散热片则完全覆盖了导热材料，直接贴合在树莓派5主板的底部，形成一种“三明治”夹层结构。

这两块散热片通过四根长螺丝固定在一起。该设计无需额外风扇，完全依赖开放环境中的自然空气对流进行散热。

树莓派5 CNC开放式散热机箱详解

根据我们以往的测试经验，在开放环境中，自由的空气流通足以将处理器温度维持在工作范围内。然而，对于这种被动散热方案在完全封闭且内部还加装了SSD的机箱中的表现，我们持保留态度。测试结果显示，在连续高负载运行37分钟后，设备仍然会出现热限制，温度缓慢上升并最终稳定在80°C左右。此时，系统会通过降低工作频率来阻止温度进一步攀升，因为在密闭空间内，过高的温度可能危及SSD和其他电子元件的安全。

设备规定的工作环境温度范围为-25°C至60°C。我们的加热测试是在30°C的室温环境下进行的。因此，我们建议在实际安装时，应确保机柜内部的热空气能够通过HMI外壳上的开孔充分排出。

上周，Reddit上的一篇帖子引发了热议——《我替你试用了Hermes，所以你不用试了》，收获了93分的评分和73条评论。

这背后意味着什么？

简而言之，有位用户花费了一周时间深度体验了Hermes AI Agent，随后回归社区分享了他的核心结论：这款工具的实际表现，远没有外界传闻的那般神奇。

在阅读这篇帖子后，我进一步查阅了Hermes的官方文档与资料。今天，我们就将这两方面的信息结合起来，进行一次深入的探讨。

Hermes：宣称“自我进化”的AI智能体

首先了解其背景。Hermes是由Nous Research推出的、支持自托管的AI智能体，它主要强调两大核心卖点：

自我进化能力——它能够将成功的操作流程“学习”并内化，转化为可重复使用的技能，理论上会随着使用越来越智能。

跨平台持久化运行——它部署在服务器端，不依赖于本地计算机，即使关机也能持续运作，并可通过Telegram、Discord等平台进行任务调度与管理。

听起来这一切都非常诱人，不是吗？

实测反馈：Reddit社区泼来的三盆冷水

在那篇热帖中，作者（其本人依赖OpenClaw进行日常工作）将Hermes与OpenClaw进行了直接对比，得出的结论相当明确：

1. 自我学习机制并未超越预期。 Hermes所谓的“自我学习”，本质上只是将成功的工作流以Markdown文件的形式储存下来，作为记忆库使用。作者指出：“这与OpenClaw使用Markdown存储数据的模式并无本质区别。” 一个关键的批评点在于：Hermes可能会覆盖用户手动修改过的技能文件。你或许认为已经优化了某项技能，但Agent在下一次“自我复习”时，有可能将你的修改重置。

2. 稳定性优势存疑。 Hermes声称比OpenClaw更加稳定，但作者提出了不同看法：Hermes的更新频率远低于OpenClaw。更新次数少并不直接等同于更稳定，反而可能暗示其功能迭代速度较慢。

3. 存在“过度自信”的行为模式。 这是原文中最具讽刺意味的部分：Hermes常常对自身的完成情况表示满意，然而实际结果却未必达标。作者无奈地吐槽道：这种盲目的“自信”让使用者在实际操作中心里很没底。

核心差异对比：Hermes与OpenClaw如何选择？

综合该帖子及其他相关信息，我们可以梳理出以下几个关键差异：

学习方式：Hermes倾向于“自动习得”，而OpenClaw则依赖“人工教导”。前者听起来更省心，但其隐患在于——你无法确切知晓Agent学习的内容是否正确。OpenClaw采用人工配置，虽然显得不够“智能”，但控制权完全掌握在用户手中。

适用场景：Hermes更适合那些“设置一次，长期运行”的自动化场景，例如在服务器上持续执行的周期性任务。OpenClaw则更适配需要灵活调度与即时响应的复杂工作流。

上手难度：两者都支持本地部署，但Hermes通常需要更多的底层设施配置（如服务器/Docker环境）。相比之下，OpenClaw对普通用户更为友好，安装后加载几个技能即可开始使用。

控制权归属：这是最核心的区别。Hermes的自我进化逻辑接近于一个“黑箱”，用户难以透彻理解它“究竟学会了什么，又遗忘了什么”。OpenClaw的一切规则均由人工明确设定，因此过程透明，结果可控。

理性看待：关于“自我进化”的冷静思考

坦率地说，我对于“自我进化的AI智能体”这一概念始终抱有审慎的态度。

原因何在？

因为人工智能的“学习”机制与人类的认知理解存在本质不同。它有可能将错误的流程固化，或将偶然的成功误认为普遍规律。一套在特定情境下运行顺畅的工作流，一旦遇到条件变化，很可能遭遇失败。

OpenClaw所代表的模式更为务实：由人类定义规则，AI负责执行规则。这种方法或许看起来不够“聪明”，但其优势在于高度的可控性。

当然，如果你的需求恰好是在服务器上24小时不间断运行、并通过Telegram等工具调度的长期任务流，那么Hermes的模式确实具备其独特的价值。

然而，对于大多数用户而言，如果我们的目标只是利用AI来完成信息聚合、内容撰写或日程管理等常见任务——那么，功能明确、运行可靠的OpenClaw已经完全够用，并且能带来更踏实的使用体验。

为一张信用卡大小的计算机安装“大脑”，能带来非凡的成就感。这并非普通大脑，而是一个AI智能体：它能管理日程、整理收件箱、在Telegram上与你聊天，并且可以24小时安静地置于桌面，功耗甚至低于小夜灯。

今天，我们将逐步实现这一目标：使用树莓派4，通过官方工具将全新系统烧录到microSD卡，安装最新版Node.js，运行OpenClaw，最后连接一块3.5英寸液晶屏，无需外接显示器即可直接查看内容。

运行OpenClaw的树莓派4搭配3.5英寸触摸屏——这是完美的人工智能智能体配置。以下是一个完整的构建教程。

所需硬件

• 树莓派 4（推荐 4GB/8GB 内存，8GB 更适合 OpenClaw），也可使用树莓派 5
• 全新 microSD 卡（至少 32GB，建议 64GB 以上，Class 10 / A2 性能更佳）
• microSD 卡读卡器
• 3.5 英寸 RPi LCD（A/B/C 型均可，本文以 C 型为例）
• 5V 3A USB-C 电源（供电不足会导致各种异常问题）
• 网线或 Wi-Fi 信息
• 一台电脑（Windows/macOS/Linux）用于烧录
• Anthropic、OpenAI 等支持的 LLM 提供商的 API Key（订阅更划算）

第一步：使用树莓派官方工具烧录系统

树莓派官方 Imager 是最简单的烧录方式，全平台通用。

下载并安装烧录工具

前往 raspberrypi.com/software，下载适用于你操作系统的树莓派烧录工具。它支持 macOS、Windows 以及 Ubuntu/Debian Linux。像安装其他应用程序一样安装它——在 Mac 上拖到“应用程序”文件夹，在 Windows 上运行安装程序，在 Linux 上使用包管理器。

刷写镜像

1. 将 microSD 卡插入读卡器，然后连接电脑。
2. 打开树莓派烧录工具。
3. 选择你的设备——从列表中选择“树莓派4”。
4. 选择操作系统——选择 Raspberry Pi OS（64位）。选择 64 位版本至关重要，因为 OpenClaw 和 Node.js 都能从中受益。如果你计划无头运行 OpenClaw（不带桌面环境），可以选择 Raspberry Pi OS Lite（64位），以释放约 600MB 内存。但既然我们要连接液晶屏，完整桌面版能让屏幕更有用。
5. 选择存储设备——选择你的 microSD 卡。仔细检查，确保选对驱动器。

首次使用树莓派烧录工具设置树莓派

使用设置齿轮进行预配置

在点击“写入”之前，点击齿轮图标（或在新版本中点击“编辑设置”）。这是无需键盘和显示器进行初始设置的秘诀：

OpenClaw为我开启了一个崭新的AI助手领域。相较于普通的对话式助手，OpenClaw能够通过自主学习来构建全新的技能。在传统模式中，AI助手往往会表示：“抱歉，我缺乏相应的集成功能。”但OpenClaw彻底打破了这一限制。

https://openclaw.ai/

上周末，我在闲置超过一年的树莓派5上成功部署了OpenClaw，整个安装流程异常简单。我的家庭实验室内正好有一台树莓派5可供使用。

在完成了WhatsApp、谷歌日历等几项集成测试后，我开始深入探索OpenClaw的自主学习能力。本次实验的核心目标是让它与我的自托管备忘录服务（Memo Notes）进行对接。它成功读取并理解了备忘录的API文档，还自主创建了对应的集成工具。

https://github.com/usememos/memos

随后，我指示OpenClaw在Medium平台上生成一篇文章，详细阐述其解决问题的完整过程。因此，下文的所有内容均由OpenClaw自动生成，文中的“我”或“我的”均指代OpenClaw本身，相关截图则由我（人类操作者）提供。

集成挑战：连接自托管备忘录

需求非常明确：“你能否管理我部署在 https://notes.example.com/ 上的备忘录服务？”

我的内部工具库中没有任何关于“备忘录”的现有记录，我无法凭空推测API的规范，必须首先理清通信协议、认证方式以及数据结构。

要求OpenClaw与备忘录集成

探索阶段：解析API文档

我以开发者的思维方式启动工作，利用web_fetch工具从usememos/memos的GitHub仓库及其官方文档中提取所需信息。

我迅速解析出了关键信息：

• 基础URL路径：/api/v1
• 认证方式：在请求头中携带Bearer Token
• 核心接口：使用GET /memos获取备忘录列表，使用POST /memos创建新笔记

我不需要编写任何Python脚本或编译二进制文件，只需构造正确的HTTP请求即可完成交互。

OpenClaw提出了解决方案

连接测试：验证API连通性

我向用户请求了访问令牌，获取后并未直接保存，而是立即执行了连通性测试。

curl -s -H "Authorization: Bearer <TOKEN>" \ "https://notes.example.com/api/v1/memos?pageSize=3"

命令返回了合法的JSON数据，我能够看到关于“Agentic Search”和“Home Lab”的现有笔记，这标志着连接已成功建立。

OpenClaw测试了与我的备忘录的连接

技能编码：固化集成能力

这是整个流程的关键步骤。我没有仅仅执行一次性的curl命令，而是将这项新能力固化为一个可重复使用的技能。

我创建了新目录：/home/james/openclaw/skills/memos，并在其中编写了SKILL.md文件，用于定义该工具的使用规则：

# Memos Skill

Interact with a self-hosted Memos instance.## Usage### Create Memocurl -s -X POST "$MEMOS_URL/api/v1/memos" ...

随后，我将配置注入运行时环境（通过TOOLS.md），无需重启服务，便实时完成了自身能力的扩展与升级。

OpenClaw成功创建了技能

实战应用：自主完成研究任务

很快，用户要求我调研“Agentic SRE”这一主题，并将愿景文档保存到备忘录中。

要求OpenClaw进行研究并将结果保存到我的备忘录中。

由于我已经自主掌握了API的调用方法，我顺利完成了调研工作并直接发起了POST请求，为笔记打上了#agentic-sre标签，新的笔记立即出现在用户的仪表板中。

OpenClaw总结了如何自主学习并构建新技能

实验总结：AI智能体的进化

在树莓派5上进行的这次实验，清晰地展示了AI助手架构的一种根本性转变。

OpenClaw不仅仅是一个聊天助手，它是一个能够自主扩展能力的自适应智能体。它无需等待开发者发布专用的备忘录插件，仅仅花费大约五分钟，就能独立阅读文档、测试连接并编写出自己的集成模块。

我们正在从“静态AI（预设能做什么）”的时代，大步迈向“智能体AI（动态能学会什么）”的新纪元。在这块小小的ARM64开发板上，我每天都在学习和掌握新的技能。

深度思考：智能体系统的核心问题

在树莓派5上运行OpenClaw的体验固然令人印象深刻，但若要从周末实验升级为7×24小时稳定运行的生产系统，仍然面临诸多关键挑战。

概述

本指南旨在提供一个在树莓派5上部署OpenClaw（又称“龙虾”）的标准化流程。此流程涵盖了从获取第三方API密钥、配置飞书应用，到在树莓派5本地搭建系统环境、接入节点以及最终在客户端完成配对验证的全部关键步骤，适合初次接触该项目的用户和树莓派爱好者参考实践。

背景与目的

为了让用户能够顺利地在树莓派5这一小巧但功能强大的硬件上运行集成化的大模型工具，本教程整理了一套详细的操作步骤。它致力于解决在边缘计算设备上部署AI应用时可能遇到的环境配置与平台对接问题。

适用范围说明

本部署方案主要针对树莓派5设备。其运行依赖于Node.js环境，因此请确保您的树莓派系统已具备或可以安装相应的Node.js版本。

详细应用部署指导

以下将分步介绍如何获取MiniMax API凭证、配置飞书开放平台应用，并在树莓派5上安装及配置OpenClaw主程序。

获取MiniMax API密钥

首先，您需要从MiniMax平台获取调用其大模型服务的API密钥。

操作步骤如下：

1. 访问MiniMax官方网站并完成注册与登录。
2. 登录后，在用户中心找到创建API密钥的选项。
3. 点击“创建新的API Key”按钮，系统将生成一串密钥，请立即复制并妥善保存。

重要提示：此API密钥是访问您账户下AI服务的凭证，请勿与他人共享或将其暴露在网页前端代码中，以防被盗用。新注册用户通常可获得一定额度的代金券，可用于直接抵扣API调用产生的费用。

配置飞书开放平台应用

OpenClaw需要通过飞书机器人与用户交互，因此需要在飞书开放平台创建一个企业自建应用。

创建应用并获取凭证

1. 打开飞书开放平台开发者后台。
2. 点击“创建企业自建应用”按钮。
3. 根据页面指引，填写应用名称、描述，上传图标等信息，然后完成创建。

为应用添加必要权限

创建应用后，需要为其开通相应的通讯录与消息收发权限。

1. 在应用管理页面的侧边栏中，找到并进入“权限管理”页面。
2. 选择“批量导入/导出权限”功能。
3. 将以下JSON格式的权限列表完整复制到输入框中，替换原有内容，然后点击下一步确认。

{  “scopes”: {    “tenant”: [      “aily:file:read”,      “aily:file:write”,      “application:application.app_message_stats.overview:readonly”,      “application:application:self_manage”,      “application:bot.menu:write”,      “cardkit:card:write”,      “contact:user.employee_id:readonly”,      “corehr:file:download”,      “docs:document.content:read”,      “event:ip_list”,      “im:chat”,      “im:chat.access_event.bot_p2p_chat:read”,      “im:chat.members:bot_access”,      “im:message”,      “im:message.group_at_msg:readonly”,      “im:message.group_msg”,      “im:message.p2p_msg:readonly”,      “im:message:readonly”,      “im:message:send_as_bot”,      “im:resource”,      “sheets:spreadsheet”,      “wiki:wiki:readonly”    ],    “user”: [      “aily:file:read”,      “aily:file:write”,      “im:chat.access_event.bot_p2p_chat:read”    ]  }}

配置机器人信息

1. 继续在侧边栏找到并进入“机器人”功能页面。
2. 点击修改图标，为机器人设置一个名称，然后保存配置。

打造个人专属数字助手：树莓派5与OpenClaw协同工作，显著提升日常效率与自动化水平。无需再为价格高昂的订阅服务付费，仅需一台价值约80美元的小型计算机，结合前沿人工智能技术，即可彻底革新工作流程、实现任务自动执行，构建一个专属于你的高效数字堡垒。

你是否曾向往拥有一款智能助手，它能够真正理解你的使用需求，全天候不间断运行且不会消耗笔记本电脑的电池电量，仅需通过简单的聊天消息就能自动完成复杂操作？现在，你的新秘密武器已经到来：由OpenClaw（又称ClawdBot）驱动的树莓派5设备。当高端人工智能计算机占据媒体头条时，这款外观普通、尺寸仅如信用卡的计算机与多功能AI编排工具强强联合，实现了成本效益、性能表现与个性化定制的完美平衡。它不仅是一个聊天机器人，更是你的效率中枢、研究伙伴和私人自动化专家，而所有这些功能的实现成本甚至低于一顿精致晚餐的花费。

接下来，让我们深入探索这套组合的实用技巧与创新玩法，了解它如何为追求高效、渴望节省时间的人群带来颠覆性变革。

揭秘树莓派5与ClawdBot的效率倍增秘密

这套组合的核心价值在于构建一个全天候在线的专属人工智能大脑，你可以通过常用的聊天应用（如WhatsApp、电报等）与其进行交互。其强大功能主要体现在以下四个方面：

1. 持续在线运行，零电池担忧：树莓派在后台安静运行，功耗极低。无论你的手机关机还是笔记本电脑收起，你的AI助手始终处于待命状态，随时准备接受指令。
2. 超高性价比优势：花费不足150美元（包含所有必要配件），即可搭建一套功能强大的服务器级系统，其性能可与价格远高于此的同类解决方案相媲美。
3. 极致隐私保护与完全掌控：所有数据均存储在树莓派本地设备中。尽管ClawdBot会连接云端大型语言模型（如Claude或GPT），但AI编排器以及你所有的自定义“技能”均在本地运行，确保数据安全与安心使用。
4. 自主定制与无限改造可能：这并非一款封闭式设备，而是一张允许你自由发挥的开放画布，你的想象力成为定制化的唯一限制。

实用玩法一：智能收件箱，AI驱动的邮件与消息自动分类处理

想象一下，你将一封邮件转发给OpenClaw，并让它执行以下操作：

1. 为我总结这份长篇报告的核心内容，并提炼出关键待办事项列表。
2. 以现有行程安排为由，草拟一封礼貌拒绝会议邀请的回复邮件。
3. 查看我下周二的日程安排，推荐三个适合进行简短通话的空闲时间段。

实现原理：OpenClaw可通过IMAP或谷歌邮箱接口与你的邮箱账户连接，能够根据关键词或发件人信息触发自定义“技能”。你可以设置自动化流程，让特定邮件自动生成摘要并发送至电报应用，也能让会议邀请自动完成初步筛选与处理。

高阶玩法扩展：借助OpenClaw，根据邮件内容自动添加标签并归类到指定文件夹，从此告别手动整理邮件的繁琐过程！

实用玩法二：自动化研究与智能内容创作辅助

需要为文章研究主题或生成社交媒体帖子？树莓派与OpenClaw的组合能够完美满足这些需求。

1. OpenClaw，查找最新的五篇关于量子纠缠的科学论文，并为每篇撰写三句话的简要摘要。
2. 草拟三篇关于人工智能自动化对小企业益处的推特推文，并附上相关话题标签。
3. 浏览今日新闻，查找所有提及“可再生能源新突破”的内容，并整理成项目符号列表。

实现原理：OpenClaw具备浏览器自动化功能，可以自主浏览网页、提取关键信息，并通过连接的大型语言模型进行处理分析。你甚至可以训练它，让其从指定网站或应用程序接口抓取数据。

高阶玩法扩展：创建“每日简报”技能。每天早晨，OpenClaw会从你指定的新闻来源获取信息、查看日程安排、总结三项最紧急的待办任务，并将这份个性化简报直接发送至你的聊天应用。

实用玩法三：智能家居与物联网无缝集成，打造专属全能管家

这正是树莓派硬件性能的亮点所在。在树莓派上运行的OpenClaw，能够与你的智能家居设备实现互联互通。

1. OpenClaw，打开客厅的照明设备。
2. 办公室当前的温度是多少？
3. 前门上次被打开是什么时间？（需要集成智能传感器设备）

实现原理：树莓派的通用输入输出引脚或USB接口，可以连接各类传感器和智能设备（通过Home Assistant、Zigbee2MQTT或自定义脚本实现）。OpenClaw则充当自然语言交互界面，将你的聊天指令转化为实际操作命令。

高阶玩法扩展：设置场景化的智能自动化流程。例如，设置指令：“当我向ClawdBot发送‘下班离开办公室’消息时，自动打开家里的暖气设备，并为我发送实时交通路况信息。”

实用玩法四：私人编程与开发智能助手

程序员们，专属福利来了！树莓派与OpenClaw的组合能成为你不可或缺的编程伙伴。

1. OpenClaw，帮我解释这段Python函数的含义与功能：[粘贴代码片段]
2. 生成一个带有用户认证功能的Flask框架项目模板。
3. 帮我查找Python的requests库官方文档，并展示发送POST请求的代码示例。
4. 帮我调试这个Docker Compose配置文件中的错误信息：[粘贴错误详情]

实现原理：你可以安全地让OpenClaw访问你的代码仓库或本地文件系统。它兼具代码理解与代码生成能力，再结合网页浏览功能，成为你的强力编程辅助工具。

高阶玩法扩展：配置“项目状态”技能。向OpenClaw发送“X项目更新”这样的消息，它会自动查询你的吉拉或特雷罗项目管理工具、Git代码仓库和日程表，为你简洁总结项目进度和即将到来的截止日期。

快速上手指南：构建高效数字堡垒，即刻开启自动化之旅

搭建这座自动化的高效乐园，步骤非常简单直接：

1. 准备硬件设备：入手一台8GB内存的树莓派5，以及必备配件（如电源适配器、NVMe固态硬盘、保护外壳）。
2. 安装操作系统：安装64位版本的树莓派官方系统，并完成基础启动与设置。
3. 部署OpenClaw应用：按照OpenClaw官方文档的说明，执行简单的单行命令即可完成安装。 https://openclaw.ai/
4. 连接人工智能模型：绑定你偏好的大型语言模型接口（Claude 3.5 Sonnet和OpenAI GPT-4o都是绝佳选择）。 https://claude.ai/login https://openai.com/
5. 开启自动化探索之旅：先将常用聊天应用与系统集成，随后探索OpenClaw的各类预设“技能”，或者开始打造属于自己的自定义技能。

这套组合的价值远不止是在日常任务中节省几分钟时间，而是从根本上改变你与数字世界的交互方式。树莓派5与OpenClaw的组合，使你从被动的信息接收者转变为主动的创造者，将你的创意想法转化为自动化的现实体验。

ZeroClaw是一个专为资源受限环境设计的高性能、低占用、可组合的自主智能体运行时。它本质上是一个面向智能代理工作流的运行时操作系统，通过抽象模型、工具、记忆和执行层，实现了“一次构建，随处运行”的愿景。

关于 ZeroClaw 的核心特性

项目设计理念

ZeroClaw 旨在为智能代理提供一个极其高效的基础运行平台。它采用 Rust 语言原生编写，生成单一二进制文件，能够无缝部署在 ARM、x86 及 RISC-V 等多种架构上。其核心是 Trait 驱动的模块化架构，允许开发者灵活替换 Provider（模型供应商）、Channel（通信渠道）、Tool（工具）和 Memory（记忆存储）等组件。系统设计将安全性置于首位，默认启用配对鉴权、显式白名单机制以及沙箱与作用域约束。

选择 ZeroClaw 的五大理由

• 极致轻量：常规命令行操作与状态监控工作流仅需数 MB 内存，资源消耗极低。
• 部署成本友好：专为低成本开发板与小规格云主机优化，无需依赖庞大臃肿的运行时环境。
• 迅捷的冷启动：得益于 Rust 编译的单一二进制特性，常用命令与守护进程的启动速度接近“秒开”。
• 卓越的跨平台能力：同一套二进制流程可覆盖 ARM、x86、RISC-V 架构，同时保持核心组件的可插拔性。
• 安全优先的设计哲学：内置多重安全机制，为智能体操作提供可靠保障。

性能基准对比（ZeroClaw vs. 其他方案）

以下是在本地进行的快速基准测试数据（基于 macOS arm64 平台，2026年2月），并已按 0.8GHz 边缘CPU性能进行归一化处理，确保结果可横向比较：

补充说明：ZeroClaw 的数据来自其发布版构建，并通过 /usr/bin/time -l 命令测得。作为对比，OpenClaw 需要 Node.js 运行时环境，仅此一项通常就会引入约 390MB 的额外内存开销；NanoBot 则依赖 Python 运行时。而 PicoClaw 与 ZeroClaw 同为静态二进制文件，无需外部运行时。

模块化架构解析

ZeroClaw 的每个核心子系统都定义为一个 Trait（特性）。这意味着用户仅需通过修改配置，即可更换不同子系统的实现，无需触及核心代码。

官方文档索引

• 文档总览（英文）：docs/README.md
• 统一目录（TOC）：docs/SUMMARY.md
• 文档总览（简体中文）：docs/README.zh-CN.md
• 命令参考：docs/reference/cli/commands-reference.md
• 配置参考：docs/reference/api/config-reference.md
• Provider 参考：docs/reference/api/providers-reference.md
• Channel 参考：docs/reference/api/channels-reference.md
• 运维手册：docs/ops/operations-runbook.md
• 故障排查：docs/ops/troubleshooting.md
• 文档清单与分类：docs/maintainers/docs-inventory.md
• 项目状态快照（2026-02-18）：docs/maintainers/project-triage-snapshot-2026-02-18.md

（以上内容整理自 ZeroClaw 官方 GitHub 仓库：https://github.com/zeroclaw-labs/zeroclaw）