Архитектура PicoClaw

Go-архитектура: один бинарник — все возможности

Архитектура PicoClaw принципиально отличается от OpenClaw и NanoClaw. Вместо Node.js runtime с тысячами файлов в node_modules, PicoClaw компилируется в единый статический бинарник. Этот бинарник включает все зависимости, маршрутизацию, обработку навыков и интеграции с LLM. Такой подход делает деплой тривиальным: скопировать один файл на целевое устройство.

Структура проекта

picoclaw/
  cmd/
    picoclaw/         # Точка входа (main.go)
  internal/
    agent/             # Ядро AI-агента
    config/            # Парсинг config.json
    gateway/           # Chat gateway сервер
    skills/            # Система навыков (skills)
    llm/               # Адаптеры для LLM-провайдеров
    search/            # Web search (Tavily, Brave, DuckDuckGo)
    cron/              # Планировщик задач
    hardware/          # I2C/SPI инструменты для IoT
  docker/              # Docker Compose конфигурация
  Makefile             # Сборка и кросс-компиляция
  config.example.json  # Шаблон конфигурации

AI-bootstrapping: 95% кода от AI

PicoClaw — один из первых крупных open-source проектов, где 95% кодовой базы было сгенерировано AI-агентами. Команда Sipeed использовала Claude, GPT и другие модели для генерации Go-кода, тестов и документации. Человеческие разработчики выступали в роли архитекторов и ревьюеров: определяли структуру, задавали ограничения и проверяли результат.

Этот подход доказывает, что AI может эффективно создавать production-ready Go-код для embedded-систем — области, традиционно считающейся сложной для автоматической генерации.

Skill System

PicoClaw использует систему навыков (skills) для расширения функциональности агента. Каждый навык — это модуль с валидацией входных параметров, описанием для LLM и функцией исполнения. Навыки регистрируются в реестре при старте и автоматически становятся доступны через tool use API любого подключённого LLM-провайдера.

// Пример структуры навыка в PicoClaw
type Skill struct {
    Name        string            `json:"name"`
    Description string            `json:"description"`
    Parameters  []SkillParameter  `json:"parameters"`
    Validate    func(input map[string]interface{}) error
    Execute     func(ctx context.Context, input map[string]interface{}) (string, error)
}

Self-contained deployment

Всё, что нужно PicoClaw для работы, — один бинарник и один файл конфигурации. Нет runtime-зависимостей, нет node_modules, нет виртуальных окружений. Конфигурация хранится в ~/.picoclaw/config.json, рабочие файлы — в ~/.picoclaw/workspace. Это критически важно для edge-устройств с ограниченным хранилищем.

Multi-LLM адаптеры

В отличие от NanoClaw, который привязан к Anthropic SDK и Claude, PicoClaw поддерживает множество LLM-провайдеров через унифицированный интерфейс адаптеров. Каждый провайдер реализует общий интерфейс LLMProvider, что позволяет переключаться между моделями изменением одной строки в конфигурации.

• OpenRouter — агрегатор моделей (Claude, GPT, Llama и другие)
• OpenAI — GPT-5.2 и другие модели
• Anthropic — Claude Sonnet, Opus
• Google — Gemini 2.5 Pro / Flash
• DeepSeek — DeepSeek V3, R1
• Groq — ультрабыстрый inference для Llama, Mixtral
• Zhipu AI — GLM-4 (китайская модель)