最小的边缘设备 AI 智能体运行时。
180KB
零依赖 · 无需操作系统 · 支持任何 LLM 提供商
运行在 $3 的 ESP32 上。用 Zig 编写。
zig build -Doptimize=ReleaseSmall export ANTHROPIC_API_KEY=... ./krillclaw "read the temperature and adjust the fan"🦐 我想要一个!
别人不敢发货的功能,我们全都内置。
对比分析嵌入式 AI 智能体运行时 — 一个全新的品类。
| KrillClaw™ | MimiClaw | PicoClaw | OpenClaw | |
|---|---|---|---|---|
| 编程语言 | Zig | C | Go | Node.js |
| 二进制大小 | 180 KB | ~2 MB | ~8 MB | ~200 MB |
| 内存占用 | 2 MB | ~512 KB | ~10 MB | ~200 MB |
| 源码规模 | ~3,500 LOC | ~7K LOC | ? | ~40K LOC |
| 依赖 | 0 | ESP-IDF | Go stdlib | ~108 npm |
| 目标硬件 | $3 ESP32+ | $5 ESP32-S3 | $10 LicheeRV | Pi / VPS / Mac |
| 需要操作系统? | No | No | Linux | Linux / macOS |
| 内存安全 | Yes (Zig) | No (C) | Yes (Go GC) | Yes (JS) |
| LLM 提供商 | 任何兼容 | Claude + OpenAI | ? | Multi |
| BLE 传输 | Yes | No | No | No |
| 安全性 | ✅ 内置认证 | ❌ 无 | ✅ 沙箱隔离 | ✅ 完整 |
| 通信渠道 | 8+ | 1 | N/A | 8+ |
| 记忆写入 | ✅ | ❌ | ✅ | ✅ |
| 媒体处理 | ✅ 照片、语音、文件 | ❌ 丢弃 | ? | ✅ |
| 技能 / 插件 | ✅ ClawHub | ❌ 无 | ❌ | ✅ |
| CI / 测试 | ✅ 40 测试,0 泄漏 | ❌ 零测试 | ? | ✅ |
| 许可证 | MIT | MIT | MIT | MIT |
你可以在一小时内读完全部代码。
agent.zig — 核心循环 (250 行) api.zig — 多提供商 HTTP (329 行) stream.zig — SSE 解析器 (344 行) json.zig — 手写 JSON 解析 (500 行) tools_coding.zig — 7 个工具 (280 行) context.zig — Token 管理 (225 行)
支持任何 OpenAI 兼容的 LLM 提供商。一个参数即可切换。
无限可能当每个设备都有 AI 大脑和 WiFi,平凡的事物变得非凡。
一颗 $3 的 ESP32 装在冰箱里,默默追踪你的消耗。它发现燕麦奶快喝完了,查看你的购物记录,然后通过微信提醒你:"上周你试了那款新的希腊酸奶但没有复购——要换回你常买的品牌,还是再给它一次机会?" 它会随着时间学习你的偏好。不需要 App,不需要屏幕,只需一颗会观察的芯片。
你提着满手购物袋走回家。KrillClaw 通过安防摄像头监控车库周围环境,看到你双手满载地走过来,识别出是你,理解当前情境,在你走近时自动打开车库门——不用手忙脚乱地翻找遥控器。
土壤湿度下降,温度飙升。传统传感器只会触发固定规则。而 KrillClaw 节点读取传感器数据后,还会查看未来 5 天天气预报,识别出番茄正处于开花期(需要少浇水、多保温),并据此调整灌溉计划。每周给你发一份报告:"番茄预计约 12 天后可收获。已减少 15% 浇水量——周二那场雨后土壤保水性高于往常。"
一台 CNC 机床的振动模式发生了细微变化。电机控制器上的 KrillClaw 节点察觉到异常,交叉比对闪存中的维护日志,然后给车间主管发消息:"主轴振动自周一以来上升了 12%——与十月份更换轴承前的模式相似。建议 48 小时内检查。当前任务可以正常完成。" 不需要 $50K 的平台就能实现预测性维护。
一只嵌入了 KrillClaw 的研究型义肢。它通过传感器和腕部摄像头读取环境信息,然后实时从云端下载精细运动技能配置。第一次拿筷子?加载精准抓握模式。学弹钢琴?手指独立控制配置,几秒下载完成。义肢实验室在数十位患者间测试新的抓握方案?同一套硬件,无限配置——每只手都适应其佩戴者。
这就是边缘 AI 的未来方向。KrillClaw 是让这一切成为可能的运行时。
10 小时打印任务进行到第 6 小时,层间附着力下降。KrillClaw 读取温度传感器,检查耗材卷轴重量(余量不足意味着进料变细),在打印过程中调整流量。它给你发消息:"打印完成 80%。已补偿耗材不足——流量提高 5%。预计凌晨 2 点完美完成。" 你醒来看到的是完美的零件,而不是一团面条。
每个示例都在 $3-5 的芯片上通过 WiFi 运行。智能在云端,智能体在设备上。
你已经拥有了出色的硬件。只是里面的电子元件从来没有大脑。一颗 $3 的 KrillClaw 芯片加上 WiFi 连接,就能把世界上最强的 AI 模型带到任何设备上——分析数据、实时响应、主动决策、执行周期任务。无需更换设备。
升级大脑,而不是机器。
你车上的 OBD-II 接口能输出数据——但车载电脑从出厂那天起就再没更新过。插入一颗搭载 KrillClaw 的 $3 ESP32,它就能读取发动机故障码、交叉比对维修数据库、监控油耗趋势,然后给你发消息:"这个月油耗上升了 8%——根据里程判断大概率是空气滤芯的问题。$12 的零件,5 分钟换好。要帮你下单吗?" 一辆具备这种智能的新车要 $45K。这个只要 $3。
你的健身车有踏频、阻力和心率传感器——但软件还是厂家出厂时的版本。夹上一个 KrillClaw 节点,它就能读取你的实时表现,对比训练历史,并根据状态调整指导方案:"你的功率输出比周二下降了 15%——可能恢复不够充分。今天改为耐力区间骑行,不做间歇训练了。" 一辆带 AI 教练的智能健身车:$3,000+。改造你现有的:$3。
你的 CNC 机床花了 $50K,但控制器还是 2015 年的。工业预测性维护平台每年要 $20K。把一颗 KrillClaw 芯片接到振动传感器和主轴温度探头上,它会建立基线、检测异常、关联闪存中的维护日志,在故障发生前通知车间主管:"主轴轴承振动自周一以来上升 12%——与十月份更换前的模式相似。建议 48 小时内检查。" 带智能诊断的新 CNC:$80K。改造现有的:$3。
你的洗衣机、烘干机、泳池水泵、暖通空调、热水器——都有传感器和控制接口,但它们互不通信,也不会自主思考。每个设备装一颗 KrillClaw 芯片,连上家里的 WiFi,你的房子就有了神经系统。暖通空调知道烘干机即将排出热量,提前调节;泳池水泵自动切换到低峰电价时段;热水器在你平时洗澡前提前预热。请承包商做"智能家居"改造:$5K-15K。用 KrillClaw 自己动手:$20 的芯片搞定。
你拥有的每个设备都只需一次升级,而非一次替换。
运行在 $3 芯片上WiFi、BLE 和串口内置。通过无线连接任何 LLM。
← 滑动浏览 →
注册获取预装 KrillClaw™ 的设备。
不发垃圾邮件。硬件发货时通知你。
git clone https://github.com/yoctoclaw/KrillClaw cd KrillClaw zig build -Doptimize=ReleaseSmall ./zig-out/bin/krillclaw "monitor sensors and alert on anomalies"