跨国深谈← 返回←把 AI 助手挂在脖子上：一块树莓派的随身记忆实验

把 AI 助手挂在脖子上：一块树莓派的随身记忆实验

关联

人物 Jeremy Adams

公司 Neo4j

概念 智能体 · 智能体记忆 · NanoClaw · 树莓派 · MCP 服务器 · Docker · Claude Agent SDK · 推理

来自 Neo4j 的 Jeremy Adams 在 AI Engineer 大会上做了一个相当“活”的现场演示：

他从口袋里掏出电池、插上麦克风、接好视频采集线，当场启动挂在自己胸前的一台 Raspberry Pi 4B，讲他如何用这块小主板搭出一个带长期记忆的个人 AI 助手。

整个过程像一个爱折腾的老系统管理员的手记——便宜、开放、能自己看懂每一行代码，比功能丰富更重要。

为什么不直接用笔记本电脑跑？

Jeremy 的态度很明确：他对那些跑在笔记本电脑上的个人智能体不放心。

他来自老派的系统管理员和运维圈子，习惯等一项技术足够成熟再上手。

他还在 Craigslist 上看到有人卖预装了 OpenClaw 的 Mac Mini，他的第一反应是“预装？这本身就是个危险信号”，而且涨价之后 Mac Mini 也不再便宜。

他想要的东西有四个特点：便宜、开放、可折腾，而且能看懂内部在干什么。

于是他想起了衣柜里那台疫情期间玩过的树莓派，决定试试。“它到底能不能跑智能体？我不知道。我应该试一下看看。”

结论是：跑得很好。

小小的“爪子”到底装了什么？

这块 Raspberry Pi 4B 不是最新型号，但足够用。他一开始甚至跑了很久 32 位系统，后来才发现它支持 64 位 ARM。

上面装了 Docker，跑着容器化的 Neo4j 图数据库，还有他选定的智能体框架 NanoClaw——他没用更出名的 OpenClaw，而是选了这个只有大约 15 个源文件的项目，代码量小，用 Docker 容器跑智能体进程，防止它们在系统里乱来。

它基于 Claude Agent SDK，鼓励用户修改和扩展。

整个架构其实很朴素：手机上的 WhatsApp 发消息，树莓派上的 NanoClaw 接收处理，真正的语言模型推理全部发生在云端。

用他的话说，大脑很大，“只不过这个大脑是通过一根线连到云端的”。树莓派本地不做任何推理。

图数据库到底是什么？

给没用过图的读者补一句：图数据库就是用圆圈和连线存数据。圆圈叫节点，连线叫关系。

比如“Tom Hanks（人）参演了《阿甘正传》（电影）”，就是两个节点加一条边。就这么简单，现在你懂图了。

他的第一个实验是让 WhatsApp 里的助手查询云端的 Neo4j 电影库。第一次问“Tom Hanks 演过什么电影”，助手居然先回他：你的配置有问题，认证没弄好。

修好之后，答案才正常返回。整个过程通过一个 MCP 服务器连进数据库，再把结果拼成回复送回 WhatsApp。

在飞机上，没有 Wi-Fi，做出了记忆系统

最有意思的一段发生在飞机上。他发现即使不买机上 Wi-Fi，WhatsApp 消息照样能发——也就是说，他可以在三万英尺上跟胸前的助手对话。

于是他开始琢磨记忆这件事。

他采用的框架叫 POLE+O，说穿了就是五类东西：人物、物体、地点、事件、组织。

这个框架来自欧洲警务系统——警匪剧里侦探在墙上钉照片、拉红线的那块板子，本质上就是一张图。

他让助手当场写一个技能，把这五类实体存进 Neo4j，重启也不丢。“我说，这太神奇了。”

从此他去参加各种开发者活动，去过的地点、聊过的人、参加的活动，都自动变成了图上的节点：

去过 Menlo Park 的 Snowflake 办公室，Menlo Park 本身是一个地点节点，活动是另一个节点，人和事全部连在一起。

挂着它逛展位，居然逛出了新知识

大会前他又加了一样东西：USB 麦克风加语音转文字，还焊了一个物理按钮触发录音。

他的计划是挂着这台设备在会场里一个展位一个展位地逛，把各家的宣传语录下来。

考虑到会场 Wi-Fi 通常靠不住，他做了一个离线模式：

把 Neo4j 直接跑在胸前的树莓派上，离线时用正则表达式从语音转文字的结果里解析出展位号，写进本地数据库，回头有网了再同步到云端。

他还顺手写了一个叫 Cypher Shell Browser 的小工具，不用昂贵的图形界面就能查询数据库。现场演示时，他真的查出了 Microsoft 等展商的原始笔记。

真正的惊喜在云端。

他把逛展收集的数据导入后做了关联分析，发现展商们可以按主题连成网络：BuildKite 和 LangChain 都挂着“评估与可观测”这个主题节点。

他说，这一刻他“实际上生成了一些可能是新的、也许没有任何人掌握过的知识”——整个会场的展商格局，被一台挂在他脖子上的树莓派画成了一张图。

下一步：把全部聊天记录变成可检索的记忆

演讲结尾他提到，后来用 Neo4j 的 agent memory service 把自己历年的 WhatsApp 对话全部导入，系统自动把这些对话蒸馏成结构化的记忆——聊过的人、去过的地点、讨论过的概念，全部可以通过 MCP 服务器被胸前的这台设备随时查询。

一个人的对话史，变成了一张可浏览的记忆图谱。

本集带走

• 个人 AI 助手不一定要跑在笔记本电脑上：一块 Raspberry Pi 4B 加 WhatsApp 加云端模型，就是一套便宜、开放、看得见内部逻辑的方案。
• 大脑和身体可以分离：树莓派只负责消息通道和本地存储，语言模型推理全在云端。
• POLE+O（人物、物体、地点、事件、组织）来自欧洲警务的线索分析法，很适合做智能体的长期记忆结构。
• 离线模式很关键：会场、飞机上 Wi-Fi 靠不住，本地跑一个数据库，回头再同步。
• 逛展位录下来的零散笔记，经过图数据库关联之后，能提炼出别人没有的全局知识。

对我来说，我更想理解发生了什么，而不是它功能丰富。
And for me, I wanted to understand what was happening more than it being feature-rich.
—— Jeremy Adams · [06:33]