neoclaw 详解：用 C 语言打造的极简终端 AI Agent

Key Takeaways

• neoclaw 是纯 C 语言实现的极简命令行 AI 助手，单二进制文件、无需额外运行时依赖。
• 核心机制：自动注入预配置的身份、技能（SKILL.md）和持久记忆（MEMORY.md），大幅提升小模型上下文利用效率。
• 资源占用极低，适合树莓派、IoT 设备和边缘计算场景，完美兼容 Qwen 3 8B 等本地小模型。
• 技能系统支持高优先级全文注入 + 关键词匹配 + 摘要 fallback，兼顾上下文长度控制与信息丰富度。
• 与 OpenClaw / NanoClaw 生态高度相关，但走极致轻量路线，目标是零依赖终端原生体验。

neoclaw 是什么？

neoclaw（也称 Neo Claw）是一个用纯 C 语言编写的命令行 AI 助手。用户在终端直接输入问题，程序会将输入内容与预先配置的系统身份、技能描述和长期记忆打包成完整的 system prompt，通过 OpenAI 兼容的 API 发送给大模型，最后将回复直接打印到终端。

与其他爪类项目（如 OpenClaw、NanoClaw）不同，neoclaw 不依赖 Node.js、Python 或 Docker，只需一个编译后的二进制文件和 libcurl 库即可运行。这使得它成为资源受限环境下的理想选择。

为什么需要 neoclaw？

传统 CLI AI 工具通常面临两大痛点：

• 依赖复杂：需要安装 Node、Python 或大量依赖，部署麻烦。
• 上下文浪费：小模型 token 预算有限，大量无关信息占用上下文，导致回答质量下降。

neoclaw 通过以下设计直接解决这些问题：

• 单二进制 + 仅 libcurl 依赖 → 一键编译、跨平台易部署。
• 智能技能注入 → 只在需要时注入相关 SKILL.md，避免上下文膨胀。
• 持久化 MEMORY.md → 实现跨会话的“长期记忆”，让小模型也能表现出“懂你”的效果。

分析显示，在 8B 参数级别的小模型上，使用技能 + 记忆注入的 Prompt 策略可将有效信息密度提升 2–3 倍，尤其在垂直领域（如本地旅游数据、个人知识管理）表现突出。

核心功能深度解析

1. 技能系统（Skills）

技能存储在 skills/ 目录下的 .md 文件中，程序启动时自动扫描。

• 高优先级技能（high_priority 配置）：全文注入且置顶，常用于核心身份或领域知识（如南京旅游数据）。
• 普通技能：根据用户输入关键词匹配，匹配成功则全文注入，未匹配时可选择注入摘要（约 400 字）或跳过。
• 常见内置技能示例：翻译、代码生成、概念解释、内容摘要、笔记整理、待办管理等。

这种按需注入机制是 neoclaw 的最大亮点之一，有效避免了传统全量上下文导致的 token 浪费。

2. 记忆机制（Memory）

• 所有记忆统一写入 MEMORY.md 文件。
• 每次请求时，记忆内容被追加到 system prompt 末尾，受 max_chars 限制自动截断。
• 通过特定技能（如 note、todo）可主动向记忆中写入内容，实现“让 AI 记住事情”的闭环。

社区反馈表明，这种简单文件 + 截断的记忆方式在 4k–8k 上下文的小模型上表现稳定，适合个人知识库、待办跟踪等场景。

3. 多轮对话支持（Daemon 模式）

./neo daemon                # 通过 stdin 进行多轮交互
./neo daemon --socket /tmp/neo.sock   # Unix socket 模式，适合脚本集成

会话历史受 session.max_turns 控制，默认保留最近 10 轮，避免上下文无限膨胀。

4. 配置灵活性

支持三层覆盖机制：

1. config.yaml 文件
2. 环境变量（NEO_MODEL、NEO_API_KEY 等）
3. 命令行参数

典型配置示例（支持本地/云模型无缝切换）：

model:
  base_url: "http://localhost:8000/v1"
  name: "qwen/qwen3-8b"
  api_key: "sk-xxx"
  temperature: 0.7
  max_tokens: 4096

skills:
  directory: "skills"
  high_priority:
    - nanjing
    - me

典型使用场景与高级技巧

• 边缘 / IoT 部署：在树莓派上运行 Qwen 3 8B，本地语音输入 → neoclaw → 语音合成，形成完整离线助手。
• 个人知识管理：通过 note 技能持续积累 MEMORY.md，形成“第二大脑”。
• 领域垂直助手：编写高优先级 SKILL.md（如公司内部知识库、特定编程框架文档），打造专属专家。
• 脚本集成：结合 Unix socket + cron 任务，实现定时总结、提醒等自动化。

高级技巧：

• 将 MEMORY.md 定期 git 提交 + diff 查看，实现记忆版本管理。
• 使用 --debug 参数打印完整 prompt，便于调优技能匹配逻辑。
• 在高优先级技能中加入“如果不相关则忽略”指令，进一步降低误注入概率。

常见问题与避坑指南

• 上下文超限：小模型最常见崩溃原因。建议 max_chars 控制在 3000 以内，高优先级技能不超过 2–3 个。
• 技能匹配不准：关键词过于泛化会导致无关注入。推荐使用具体短语或正则（未来可能支持）。
• 记忆文件过长：定期手动清理或编写清理技能（如 “删除 30 天前无关记忆”）。
• API 超时：边缘设备网络不稳定时，建议设置较高的 timeout 或使用本地模型。

与其他 Claw 项目的对比

neoclaw 在资源占用和部署难度上明显领先，适合不想安装庞大运行时的用户。

Conclusion

neoclaw 以极简主义哲学重新定义了终端 AI 助手：抛弃一切非必要依赖，用 C 语言实现单二进制 + 智能上下文管理，为边缘计算和本地小模型时代提供了优雅解法。

如果你正在寻找一个真正“开箱即用”、零配置负担、能在树莓派上稳定运行的 CLI AI 工具，neoclaw 值得一试。

立即行动：

git clone https://github.com/zhangxinlong633/neoclaw.git
cd neoclaw
make
cp config.yaml.example config.yaml
# 编辑 config.yaml 填入你的模型信息
./neo "你好，介绍一下你自己"

探索更多技能示例与高级用法，请访问官方仓库：https://github.com/zhangxinlong633/neoclaw