ZeroClaw — 个人AI助手运行时
单一二进制、跨平台的自托管AI助手基础设施，支持多种模型提供商、渠道和工具，你拥有全部数据与设备。
证据显示有默认监督模式、工作区边界、命令白名单、禁止路径列表、速率限制等安全机制，但未提供具体实现细节或测试证据。扣分：缺少对最小权限原则的明确说明，用户确认机制未详细描述，数据流透明性不足，敏感数据处理（如密钥存储）虽有提及但未验证，依赖安全有固定版本但未提供漏洞扫描证据，外部影响有沙箱但未证明有效性，回滚机制仅提及更新管道，来源归属未验证。
自洽性：README、Cargo.toml、SECURITY.md 等文件描述一致，但未提供实际运行证据。依赖可用性：依赖版本固定，但未验证所有依赖的可用性。失败消息：有健康检查和错误处理，但未提供具体失败消息示例。扣分：未提供实际运行测试，无法确认自洽性和依赖可用性。
目标受众明确（个人AI助手），场景多样（多通道、多提供商、硬件支持），能力边界有描述（工具、通道、提供商），触发精度有配置说明，环境适配有平台特定文档。扣分：未提供实际运行验证，能力边界可能不完整。
信息架构清晰（README、docs、架构图），安装说明详细，命名稳定（zeroclaw），有示例和FAQ，已知限制未明确列出，许可证明确（MIT OR Apache-2.0），版本号存在但无变更日志，维护责任有提及（社区维护）。扣分：已知限制未明确，版本变更日志缺失。
输出可用性：有CLI、网关、仪表盘等，但未提供实际输出示例。边际价值：功能丰富，但未与其他产品对比。成本效益：有性能优化（二进制大小），但未提供实际数据。扣分：未提供实际运行证据，无法评估输出可用性和成本效益。
声明可追溯：README中的声明有文档链接，但未提供具体代码引用。跨来源佐证：有CI、测试脚本，但未提供独立验证。事实与推断分离：文档区分了事实和推断，但未明确标注。扣分：跨来源佐证不足，事实与推断分离不明确。
- 未提供实际运行测试，所有评估基于静态源码，置信度低。
- 安全机制（如沙箱、命令白名单）虽有描述，但未提供实现细节或测试证据，需谨慎依赖。
- 依赖版本固定，但未提供漏洞扫描报告，需自行检查依赖安全性。
- 已知限制未明确列出，可能隐藏潜在问题。
- 版本变更日志缺失，难以追踪功能变化和修复。
这个 Agent 能做什么，适合哪些场景？
ZeroClaw 是一个用 Rust 编写的自托管AI助手运行时，以单一二进制文件分发。它通过 30 多种渠道（如 Discord、Telegram、Matrix、Email、webhooks、CLI）接收消息，并连接 Anthropic、OpenAI、Ollama 等约 20 个模型提供商。其安全性优先，默认监督模式，支持沙箱（Landlock/Bubblewrap/Seatbelt/Docker）和加密工具回执。它还提供 HTTP/WebSocket 网关和 Web 仪表盘，用于聊天、记忆和配置管理。ZeroClaw 可在 Linux、macOS、Windows、FreeBSD、NixOS 以及 Docker 上运行，支持 GPIO/I2C/SPI/USB 等硬件接口。
ZeroClaw 通过一个 TOML 配置文件定义多代理、渠道、模型提供商和工具。zeroclaw quickstart 引导用户配置提供商和代理。zeroclaw agent -a <alias> 启动交互式聊天，zeroclaw service install 将代理注册为系统服务。它的事件驱动 SOP 引擎可响应 MQTT、webhook、cron 或外设事件，并包含审批门和可恢复运行。工具包括 shell、浏览器、HTTP、硬件和自定义 MCP 服务器。它通过 Agent Client Protocol（JSON-RPC 2.0 over stdio）集成到 IDE。
- 个体开发者希望拥有一个可跨 Discord、Telegram 和 CLI 使用的个人助理，同时保留对数据的完全控制。
- 团队需要自托管自动化，通过 webhooks 或 cron 触发运维任务，并带人工审批门。
- 硬件爱好者希望用 Raspberry Pi 上的 GPIO/I2C/SPI 外设控制设备。
- 企业希望统一安全地访问多个 LLM 提供商，并使用回退链以保证可靠性。
- 开发者希望直接在自己的 IDE 中通过 ACP 使用 AI 助手。
这个 Agent 有哪些优点和局限？
- 提供 30 多种渠道和约 20 个模型提供商，多合一。
- 安全第一，具备沙箱、审批门和加密工具回执。
- 事件驱动的 SOP 引擎，可自动化复杂流程并支持恢复。
- 支持从 Raspberry Pi 到云端服务器的多种硬件和平台。
- 需要在机器上自行托管架构。
- 配置多个 TOML 文件和子模块需要学习曲线。
- 依赖外部模型提供商 API 的可用性和配额。
- 高级功能（如硬件）需要专门设置且可能不适用于所有平台。
如何安装或部署这个 Agent？
Unix 系统运行 curl -fsSL https://raw.githubusercontent.com/zeroclaw-labs/zeroclaw/master/install.sh | sh，然后使用 ${CARGO_HOME:-$HOME/.cargo}/bin/zeroclaw 快速开始。Windows 用户参照预构建 PowerShell 路径指南。需要有效的模型提供商 API 密钥（如 OpenAI、Anthropic 或本地 Ollama）。
如何使用这个 Agent？
运行 zeroclaw quickstart 设置配置。编辑 ~/.zeroclaw/config.toml 调整提供商、渠道和安全设置。启动服务：zeroclaw service install 然后 zeroclaw service start。使用 zeroclaw agent -a <alias> 进行聊天。可通过 zeroclaw auth login --model-provider openai-codex --import ~/.codex/auth.json 导入 OpenAI Codex 订阅认证，或通过 claude setup-token 使用 Claude Max 的 token。
常见问题
ZeroClaw 如何保证安全性？
ZeroClaw 是否与 OpenAI Codex 订阅兼容？
zeroclaw auth login --model-provider openai-codex --import ~/.codex/auth.json 导入现有的 Codex 登录信息。