263行代码造AI代理，复古系统玩出新花样

昨天，一位开发者在复古编程环境Mini Micro里，用263行代码搭出了一个能调用大模型的AI代理。没有云服务器，没有Docker，就在一台模拟1980年代家用机的环境里，让AI开始读写文件、解释代码、生成文档。

这听起来像技术考古，但背后藏着一个真问题：当AI代理的复杂度爆炸式增长时，极简主义是不是被低估了？

从Claude Code到MiniClaw：代理的膨胀与返祖

AI代理（让大模型能操作外部工具的自动化程序）正在经历一场军备竞赛。

Claude Code专攻编程，OpenClaw横扫通用计算机操作，GitHub上93,000星的Hermes Agent成了开源宠儿。这些产品越堆越重——需要Mac Mini集群、需要浏览器自动化、需要复杂的权限管理。

它们的架构大同小异：一个「 harness（控制框架）」同时干两件事，一是给大模型喂上下文，让它始终「知道自己在哪」；二是提供工具接口，让它能执行具体操作。

这个开发者（Mini Micro的创建者）在2022年和2023年已经两次写过如何从Mini Micro调用大模型。昨天他迈出了第三步：直接在里面造一个完整代理。

成果叫MiniClaw。核心就三个文件，主程序agent.ms只有263行、14个函数。

263行能干什么？比你想的多

MiniClaw的操作范围被严格限定在Mini Micro的文件系统内：能读取/sys磁盘和挂载的/usr、/usr2目录，但只能在/usr/workspace下写入。

这个设计似曾相识——Claude Code等主流代理也是类似的安全沙箱思路。

实际用起来，它能创建和修改任何文本文件，也能解释和总结内容。开发者演示了两个场景：

第一，问它「sys磁盘上的图片是什么」，它生成了一段整洁的摘要；第二，让它创建一个Markdown文件描述/sys/demo里的所有演示程序，之后再要求「写得太啰嗦，精简一下」，它照做了。

界面上的灰色文字暴露了运行逻辑：何时调用大模型、返回多少数据、正在使用什么工具、为什么用这个工具。简单任务只需几次工具调用，复杂任务会循环更多轮，直到AI判断完成或放弃。

主循环的代码极其直白——一个while true循环，检查用户输入、获取响应、解析JSON、处理响应。如果解析失败，就强制要求AI「必须用JSON格式回复」。

为什么要在复古环境里造新工具？

Mini Micro本身是个异类。它模拟的是1980年代的家用电脑体验，但跑在现代硬件上，内置BASIC方言、图形引擎、声音系统，整个系统就是一个可执行文件。

在这种环境里做AI代理，乍看是技术怀旧，实则是一次控制变量实验：

当剥离了Kubernetes、微服务、向量数据库这些现代基础设施后，AI代理的最小可行形态是什么？263行代码给出了一个答案。

这个答案的含金量在于可审计性。14个函数，你可以逐行读完并理解全部逻辑。相比之下，OpenClaw的代码库庞大到需要专门的学习曲线，Hermes Agent的93,000星背后是数万行依赖。

更隐蔽的价值是确定性。Mini Micro的环境完全可控——没有后台进程抢占资源，没有网络延迟抖动，没有浏览器渲染的不可预测性。AI代理的行为变得可重复、可调试。

极简代理的边界与启示

当然，MiniClaw有硬天花板。它不能操作真实浏览器，不能调用外部API，不能并行处理多任务。这些限制让它无法替代OpenClaw或Claude Code。

但换个角度，这些限制也是设计。

当AI代理被塞进越来越复杂的场景（自动订机票、操作Excel、管理代码仓库），失败模式也在累积：权限失控、幻觉导致误操作、成本不可预测。MiniClaw的263行代码像是一个对照组——证明在约束明确、范围有限的环境里，代理可以既安全又透明。

这对当下的AI产品化有直接启发。企业级客户真正焦虑的不是「功能不够多」，而是「黑箱不可控」。一个能讲清楚「我调用了什么工具、为什么调用、花了多少token」的极简代理，可能比功能堆砌的通用方案更有落地价值。

开发者在2022年接入大模型，2023年优化调用，2024年做出代理——这个节奏本身也说明，技术债务少的系统迭代更快。Mini Micro的复古架构反而成了优势：没有历史包袱，没有兼容性诅咒。

数据收束

MiniClaw的代码量是263行，Hermes Agent的GitHub星数是93,000。这两个数字的对比不是谁更好的判断题，而是一道关于复杂度的选择题。

当行业默认「AI代理必须重」时，有人证明了「轻」也能跑通核心循环。这不是要取代那些重型方案，而是提醒产品经理：在追逐通用性的路上，别漏掉了可控性这个变量。毕竟，能让用户读完全部代码并理解的产品，调试成本天然低一个数量级。