最輕 NanoClaw：一個不會寫程式的新加坡外交部長 AI 第二大腦
2026 年 5 月，新加坡 Capitol Theatre 的舞台上站著一個看起來不像科技演講者的人。他先自我介紹，說自己是個退休的眼科外科醫師，繞進政壇繞太久了，接著補一句，站在這個場子裡覺得自己像個冒牌貨。
台下坐的是 AI Engineer Singapore 大會的觀眾，絕大多數是工程師和開發者，而這位冒牌貨是新加坡現任外交部長 Vivian Balakrishnan。
三個月前，他親手組了一套自己的 AI 助理，跑在一台兩三年前買的 Raspberry Pi 上，只有 8GB 記憶體。
用了三個月之後，他在台上講了一句後來被很多媒體引用的話：「I have not dared to switch it off. 我不敢把它關掉。」
一個外交部長自己動手做 AI 工具，這件事本身就夠罕見了。更罕見的是，他用的框架叫 NanoClaw，整個專案的程式碼只有大約 500 行。
我想回答一個創辦人遲早要面對的問題：個人 AI 代理的門檻到底降到什麼程度了，你要不要自己動手？
一個眼科醫師怎麼跑去組 AI 代理？
Balakrishnan 的個人 AI 代理大約在 2026 年 2 月誕生，根據他在 AI Engineer Singapore 的演講（新加坡外交部已公開完整逐字稿），他一開始也被龍蝦 OpenClaw 的熱潮吸引，但很快判斷那條路不可行。
原因很直接：以他的職務，安全是繞不過去的問題。
從 OpenClaw 到 NanoClaw，他怎麼選的？
龍蝦 OpenClaw 是目前最大的開源 AI 代理框架，GitHub 超過 37 萬顆星，支援 20 種以上的通訊平台和多家 LLM 模型。
問題是，它的程式碼接近 50 萬行，有 53 個設定檔和 70 多個依賴套件，對一個想掌控全貌的人來說，這個規模等於一個黑盒子。
NanoClaw 是一個建在 Anthropic Claude Agent SDK 上的開源 AI 代理框架，2026 年 1 月底由前 Wix 工程師 Gavriel Cohen 用一個週末寫出來。
它做的事跟 OpenClaw 類似，可以接 WhatsApp、Telegram、Slack 等通訊軟體，有記憶，能排程，但程式碼只有大約 500 行 TypeScript，8 分鐘就能讀完。
Balakrishnan 選 NanoClaw 的理由有兩個，第一是讀得懂。他在演講裡自嘲，說 NanoClaw 的程式碼短到連他這種笨蛋都能讀（原文：”short enough that even an idiot like me can read it”）。
第二是容器化，NanoClaw 的每個代理都跑在獨立的 Docker 容器裡，跟主機隔離。
他用外科醫師的經驗解釋這個選擇：「手術台上沒有所謂的例行手術，東西一定會出錯、一定會壞，而當它壞掉的時候，你會希望它壞在邊界之內。」容器化正好對應這套出錯也要可控的直覺。
三套 AI 代理框架怎麼挑？
Balakrishnan 最終選了 NanoClaw，但市場上不只一個選擇。以下是目前三套最具代表性的開源個人 AI 代理框架比較，幫你判斷哪套適合自己的狀況。
| OpenClaw | NanoClaw | Hermes Agent | |
|---|---|---|---|
| 一句話描述 | 功能最全的開源 AI 代理 | 小到一個人讀得完的 AI 代理 | 會自我學習的 AI 代理 |
| GitHub Stars | 37 萬+ | 2.9 萬+ | 15 萬+ |
| 程式碼量 | ~50 萬行 | ~500 行 | 中型（Python） |
| 支援 LLM | 多模型 | Claude 限定 | 200+ 模型 |
| 安全隔離 | 應用層級 | OS 層級（Docker 容器） | 可選容器 |
| 通訊平台 | 20+ | 15+ | 6+ |
| 程式碼量 | 大 | 小 | 中 |
| 最大優勢 | 功能齊全、有手機 App | 安全、可審計、一個人能掌控 | 跨模型、自我改進 |
| 適合誰 | 要一站式方案的團隊 | 要完全掌控的個人 | 要跨模型切換的開發者 |
三套框架的定位完全不同。
OpenClaw 是瑞士刀，什麼都能接，但你大概永遠搞不清楚刀裡面有什麼。
NanoClaw 是一把手術刀，功能少但你對每一寸都瞭若指掌。
Hermes Agent 走另一條路，核心賣點是學習迴圈，代理會從使用過程中建立技能並自我改進，而且不綁定單一模型。
Balakrishnan 選 NanoClaw 的邏輯很清楚：對一個掌握國家機密的人來說，看得懂和關得住比功能多更重要。
外交官的第二大腦長什麼樣？
NanoClaw 是平台，但 Balakrishnan 組的東西遠不只一個聊天機器人。
他搭建的是一套完整的個人 AI 第二大腦，從語音輸入、記憶系統、語意搜尋到知識庫，每一層都有獨立的工具負責。
以下根據 MFA 官方逐字稿和他公開的 GitHub Gist，拆解這套系統的完整架構和他的真實用法。
12 個國家、上百場會面，他要解決什麼問題？
要理解他為什麼需要 AI 第二大腦，先看他的日常。
光是演講那個月，他就要造訪 12 個國家，見上百個人。每到一個地方，都得掌握那個國家的經濟、地理、文化、歷史，還有它的戰爭與和平，每一個外交官身上都壓著巨大的認知負荷，他要解決的就是這個過載。
他要的不是一個只會回答問題的 chatbot，他要一套系統，讓他需要一個事實的時候隨時拿得到，需要深究的時候還能順著線一路追下去。
講白了他需要一個隨身帶的外交參謀，而且這個參謀必須記得他所有讀過的東西、講過的話、做過的決定。
他怎麼把工作流程重新接過一遍？
對話入口：WhatsApp + Baileys
NanoClaw 讓他透過 WhatsApp 跟自己的 AI 代理對話。背後靠的是一個叫 Baileys 的開源軟體，它模擬 WhatsApp 在瀏覽器上運作的方式，等於一個偽終端機。
Balakrishnan 自己也半開玩笑承認，這大概不完全符合 Meta 希望大家使用 WhatsApp 的方式。但對一個整天在飛的外交官來說，WhatsApp 是他最常打開的 App，用它當入口是最自然的選擇。
記憶層：Mnemon + 語意搜尋
Balakrishnan 認為，對他這種使用者來說，AI 代理真正的前沿是記憶。他找到一個叫 Mnemon 的開源軟體（他在 GitHub 上有自己的 fork），這是一套用圖譜結構建的記憶系統。
裡面有實體（entity），實體之間的連結記錄的是因果關係、時間先後、語意關聯。他到演講當天都還沒見過開發者本人，純粹是在網路上找到、讀了程式碼、覺得好用就裝了。
為了不被關鍵字搜尋綁死，他在本機跑 Ollama 配一個嵌入模型（embedding model），讓整套系統內建語意搜尋。這代表他可以用自然語言問問題，不用記得精確的關鍵字。對一個每天要處理幾十個國家資訊的人來說，這個差別很關鍵。
語音層：Whisper
他不想只能打字，他要能用講的，也要代理能講回來。語音處理交給 whisper.cpp，跑在本機上。
這讓他在車上、在飛機上、在任何不方便打字的場景都能跟 AI 第二大腦互動。
知識庫：Obsidian + iCloud + Karpathy 的 LLM Wiki
他把自己的講稿、逐字稿，特別是自己在國會的發言，整理進記憶資料庫，讓系統消化、抽取、存進記憶。
差不多同一時間，Andrej Karpathy 提出用 LLM 監督式生成 wiki 的作法，他也加了進去。
介面這一層他用 Obsidian，部分原因是 Obsidian 可以接 Apple iCloud，等於讓他有了一朵個人雲，所有從私人資料庫抽出來的 wiki 走到哪都帶得走。
產出層：Claude 負責分析和起草
LLM 在這套系統裡的角色是分析、抽象、表達，還有起草。起草簡報、起草講稿、擬答覆，包括國會質詢的答覆。
連他站在 AI Engineer Singapore 舞台上的那份投影片，都是 Claude 幫他生成的（原文：”even today’s presentation were generated by Claude”）。
三個月實測，他每天怎麼用？
根據他的演講，這套系統在見人、出差、寫初稿、擬講稿初版這些事情上極為有用。
但最能說明這套系統在他生活裡有多日常的，是一個小細節。
NanoClaw 從第一版升到第二版的時候轉換並不順利，他乾脆讓第一版繼續在原本那台 Raspberry Pi 上跑著，第二版另外裝到別台電腦。
結果他每天用得最兇的那個代理，就在那台只有 8GB 記憶體、兩三年前買的 Raspberry Pi 上。一個外交部長最依賴的 AI 助理，跑在一台大概台幣三千塊的小電腦上，這件事很驚人。
他做過一個更大膽的測試：把整場國會辯論丟給 AI，結果生成出來的提問和答覆都讓他印象深刻。他帶著點歉意說，有些 AI 生成的辯論比真人犀利。
他甚至提了一個夢想，希望有天能讓 AI 代理在國會回答補充質詢，雖然他自己也不確定這在法律上行不行得通。
關於安全，他的態度很務實。他說就算有人駭進他的系統，最多也只能拿到他的電話號碼，還有一些外交政策的摘要，而那些政策都是他公開講過的（原文：”Even if you hack my system, the most you will get is my phone number. You will get summaries of foreign policy which I have curated anyway.”）。
安全原則很簡單：只放已經公開、已經發表的東西進去，再讓系統接受夠高的透明度。
三個月後他留下三句話，給決定權的人聽
Balakrishnan 在演講中說，就算把他講的其他東西全忘掉，記住這三件事就好。
這三句話表面上是在講 AI，實際上是在講決策者的責任。
「你的理解無法外包」：可以授權工作，不能授權問責
他的原話是：「The one thing which you cannot outsource is your personal understanding. If you are in a position of authority, you can delegate work – you cannot delegate accountability.」翻成中文：你可以把計算、記憶、知識傳播都外包出去，但有一樣東西外包不掉，就是你自己的理解。你可以把工作授權出去，但你沒辦法把問責授權出去。
放回他的職位上就很具體。一個外長可以讓 AI 幫他擬答覆、整理一國的背景、抽出談判對手的資料，可是當他真的坐上談判桌，扛責任的是他本人，不是那台 Raspberry Pi。
AI 能把資訊整理到他面前，但把資訊變成判斷、把判斷變成決定，這一段路沒有人能替他走。
這也解釋了他為什麼那麼在意讀得懂程式碼。NanoClaw 每次要給代理 bash 權限，都會要求他核可一次，他說他真的會去掃過那段程式碼。
他講了一句蠻關鍵的話：就算你不會寫程式，能看懂發生了什麼事，也已經有差。看懂跟親手寫不是同一件事，但看懂讓他保住了那份理解，也就保住了問責的底氣。
「真正的價值在地面層」：不是模型決定價值，是用的人決定
他的第二個訊息，引了劍橋大學機器學習教授 Neil Lawrence 在《金融時報》上的一篇短文。
Lawrence 的假設是，現在關於 AI 的討論太多聲音集中在模型、資料中心、由上而下的系統，但真正為經濟和社會創造價值的地方在地面層（原文：”real value for the economy and society is created at the ground level. Workflow by workflow, sector by sector.”）。
Balakrishnan 把這個意思講得更白：他知道台下這群人很強，也知道做前沿模型的人很厲害，可是真正的回報，是當一般人開始用這些工具的時候才出現。
老師、律師、技師、經理、醫生，甚至部長，這些懂自己這份工作、又被工具加持的人，才是替社會和經濟創造真實價值的人。
這跟他做的事是同一個邏輯，他沒有去訓練新模型，他做的是把一個外交官的工作流程，用現成的工具重新接過一遍。
記憶怎麼存、資料怎麼進、語音怎麼轉、wiki 怎麼長出來，每個環節他都重排過。他的位置很清楚，就站在 Lawrence 講的那個地面層上。
「門檻已經崩塌」：他自己就是證據
第三個訊息是他說他之所以要做這場演講的原因。他的原話是：「The barriers for achieving all these have collapsed. The tools have already been invented. 門檻已經塌了，工具早就被備好了。」
他把自己當成證據，他沒有寫 Claude，沒有寫 Baileys，沒有寫 Mnemon，沒有寫 Whisper，也沒有寫那套憑證系統。他連 vibe coding 都不敢自稱，他做的事情就是組裝。
NanoClaw 把功能壓進一個人讀得完的程式碼裡，於是組裝變成了可能。他下載、接上、核可權限、掃過程式碼，然後讓 LLM 去做那些客製化的細活。
他形容自己的方法是邊做邊學：光是坐著讀、看標題、看摘要是不夠的，你對什麼有興趣，就去把手弄濕（”get your hands wet”），學習這件事是靠做學會的。
他還引了一句他自己都半信半疑、但後來覺得很對的話：「You cannot govern a technology that you have only been briefed about. 你沒辦法治理一個你只被簡報過的技術。」
這句話是他特別丟給政府同僚的。
跟台灣創辦人有什麼關係？
Balakrishnan 在演講裡丟了一句很直接的判斷：「Tools matter more than models. 工具比模型重要。」
這句話翻成創辦人聽得懂的版本：你不需要等下一個更強的模型出來，你現在手上已經有夠多工具了，問題是你有沒有去用。
不是等技術成熟，是重新設計你的工作流程
他引了新加坡副總理顏金勇在經濟戰略檢討委員會的定位：新加坡大概不會站在模型開發的前沿，但可以站在大規模部署的前沿。對台灣創辦人來說，邏輯完全一樣。
你不是在跟 OpenAI 和 Anthropic 比誰的模型強，你是在比誰先把現有的工具接進自己的工作流程。
Balakrishnan 沒有訓練任何模型，他做的是把外交官的日常，見人、出差、擬稿、備詢，用 NanoClaw 加上一堆開源工具重新接過一遍。價值跳升不在模型層，在你重新設計工作流程的那一刻。
一個 65 歲的眼科醫師三個月就做到了，他用的每一個工具都是免費、開源、現成的。
但別把每個問題都丟給 LLM
他也講了限制，Token 不便宜，算力有限，電價在漲，我們現在用 LLM 其實是在享受一種補貼。
他引了一句老諺語：手裡拿著鎚子的人，看什麼都像釘子。
不要把每一個問題、每一個步驟都丟給 LLM。確定性的系統還有它的角色，專家規則系統也還有它的角色。
他身為一個生物學家，說他相信最後的答案會是某種神經符號系統，人腦裡的運算層數搞不好比今天很多大型語言模型還少，但效率高得多。
結論：連不懂程式的部長都開始動手
把一個外交部長、一台 Raspberry Pi、一個 500 行的開源框架擺在一起看，會看到一個很一致的主張：AI 真正的重量，要看有多少個普通人願意親手去組、去試、把自己的工作流程重新接一遍。
最大的那幾個模型決定的是技術上限，但能不能變成真實的價值，是在地面層決定的。
NanoClaw 不是唯一的選擇，OpenClaw 功能更全，Hermes Agent 跨模型能力更強。
但 NanoClaw 證明了一件事：一個不會寫程式的人，只要願意把手弄濕，也能用 500 行程式碼組出自己的 AI 代理。
Balakrishnan 用三個月證明這條路走得通，而且他不是把這套系統當展示品，他每天都在用，照他自己的說法，已經不敢關掉了。
他在演講尾聲說了一句蠻動人的話：「我們這一代，搞不好是史上最幸運、能親身活過一場革命的世代之一。」
對一個整天在跟未來打交道的外交官來說，這大概是他能給出的、關於 AI 代理最誠實的一個推薦。
推薦閱讀
Hermes Agent 自我學習代理人教學：龍蝦比較、安裝到離線指南
OpenClaw 龍蝦 4 月更新！有 Claude Code 還需要裝龍蝦嗎
過去是提示詞工程，未來是編排工程 Agent Harness Engineering
參考資料
NanoClaw GitHub Repository (2026). “NanoClaw: Lightweight AI Agent Framework”
Mnemon GitHub Repository (2026). “Mnemon: LLM-supervised Persistent Memory”
AI Engineer Singapore (2026). Conference Official Website
FAQ
NanoClaw 是什麼？跟 OpenClaw 有什麼不同？
NanoClaw 是一個建在 Claude Agent SDK 上的開源 AI 代理框架，程式碼只有約 500 行 TypeScript，8 分鐘就能讀完。OpenClaw 功能更全面（50 萬行程式碼、支援多模型、20+ 通訊平台），但 NanoClaw 的優勢是小到一個人能完全掌控，而且每個代理都跑在獨立的 Docker 容器裡，安全隔離做在 OS 層級。
NanoClaw 需要會寫程式才能用嗎？
不需要。新加坡外交部長 Vivian Balakrishnan 自稱不會寫程式，但他用三個月把 NanoClaw 組成自己的 AI 第二大腦。他的方法是組裝現成工具，不是從零開發。NanoClaw 的程式碼短到非工程師也能讀懂，客製化的部分交給 LLM 處理。
NanoClaw 可以接哪些通訊軟體？
NanoClaw 目前支援 WhatsApp、Telegram、Discord、Slack、Microsoft Teams、iMessage、Matrix、Google Chat、Webex、LINE 等 15 種以上通訊平台，也支援 Gmail 和 GitHub。最常見的用法是透過 WhatsApp 跟 AI 代理對話。
NanoClaw 安全嗎？企業能用嗎？
NanoClaw 的安全模型是 OS 層級隔離，每個代理跑在獨立的 Docker 容器裡，跟主機完全隔離。憑證透過 Agent Vault 管理，API 金鑰不會進入容器。但目前 NanoClaw 只支援 Claude，不支援其他 LLM 模型，企業若需要跨模型能力，可考慮 OpenClaw 或 Hermes Agent。
一台 Raspberry Pi 真的跑得動 AI 代理嗎？
可以。Balakrishnan 的 NanoClaw 就跑在一台 8GB 記憶體的 Raspberry Pi 5 上，已經穩定運作三個月。NanoClaw 本身是輕量級框架，繁重的 AI 運算交給雲端的 Claude API 處理，本機只負責接收訊息、管理記憶和執行代理邏輯，所以硬體需求很低。
台灣創辦人現在該怎麼開始用 AI 代理？
從你每天花最多時間的重複性工作開始。不需要一次搭完整套系統，先選一個入口（WhatsApp 或 Slack），裝上 NanoClaw 或 OpenClaw，讓 AI 代理處理資訊整理、初稿起草、會議摘要這類工作。重點不是工具多厲害，是你願不願意重新設計自己的工作流程。
