我在树莓派上造了一个个人 AI Agent——Jeremy Adams(Neo4j)

• 讲者与立场：Jeremy Adams，图数据库公司 Neo4j 的资深开发者布道师（头衔见幻灯片标题页）。讲的是业余项目，但他是厂商一方，结尾落在自家的 Agent Memory 服务和免费课程上。幻灯片上的标题是「Small Claws are Beautiful」（副标题 Edge Agents with NanoClaw, Raspberry Pi, & Graph Memory），与 YouTube 标题不同；提纲三块：记忆项目、参展商洞察、现场演示。 → 详细
• 「claw」是他对 OpenClaw、Hermes Agent 这类个人 AI 智能体（agent，能替你收消息、调工具、把事办完的程序）的统称。开场举手：玩过 claw 的有一些、多数是新手；对边缘设备（放在身边的小硬件）和离线模式有些兴趣；有图数据库经验的不多；在做「带记忆的 agent」的最多。 → 详细
• 现场组装：往胸前的设备上插麦克风接收器、HDMI 采集线和电池，用 QuickTime 把画面采到投影上（第一次不让选，退出重开才行）；他称这是做过「最现场」的一次演示。 → 详细
• 开机成功，屏上出现 Raspberry Pi 桌面。机器是树莓派 4B（信用卡大小的单板电脑），不是最新款；他跑了很久 32 位系统才发现它支持 64 位 ARM。靠一只蓝牙小键盘操作。 → 详细
• 上面装了 NanoClaw、Docker 和一个跑在 Docker 里的 Neo4j（屏上该容器的状态是 Up 17 seconds）。 → 详细

▲ 图注：现场用 MacBook 摄像头照自己胸口（画面左右镜像）：挂在脖子上的设备装着红色面包板和两只红色龙虾钳，下方垂着一个黑色小接收器，衣领上夹着领夹麦，蓝色线缆从一侧接入。

• 个人 agent 很热，但他不想装在自己的笔记本上：出身老派的系统管理员 / DevOps（运维）圈子，自认保守，要等这类东西真稳了再说。他要便宜、开放、可以随便折腾，而且「比起功能丰富，更想搞明白里面到底在发生什么」。幻灯片把它压成一个不等式：comprehensible > comprehensive（看得懂胜过大而全），旁边列着 cheap, open, minimal, DIY。 → 详细
• 反例：他住俄勒冈州波特兰，在 Craigslist（美国的分类信息网站）上看到有人卖预装 OpenClaw 的 Mac Mini。「预装？这可是个危险信号」；而且涨价之后它「不会还是 600 了」（口头没带货币单位；幻灯片上的帖子截图标价 600 美元，被红笔划掉，旁边手写着带问号的 800 和 1,000）。这在他看来不算小 claw。 → 详细
• 于是翻出柜子里的旧树莓派，疫情期间（或快结束时）他拿这同一台做过「称水槽里碗碟重量、提醒你洗碗」的小项目。一试，「claw 得相当好」。旧配置要外接显示器、键盘、鼠标，现在挂在身上就能用，自带 Wi-Fi 也能插网线。他说「但愿我现在真连着网，过会儿得确认」，之后画面上没有验证这一步。 → 详细

• 口头理由：NanoClaw 更对他的口味，大概 15 个源文件、代码行数很少；agent 进程跑在 Docker 容器里（Docker 是把程序关进隔离小盒子运行的技术），没法在系统里横冲直撞。 → 详细
• 另外勾上的条件：能跑 Linux、有 Docker；基于 Claude Agent SDK（搭 agent 用的开发工具包）；项目方鼓励你用 Claude Code 去改它，里面带 skill（写给 agent 的操作说明）；对话走聊天软件，可以用 Telegram，他手机上有 WhatsApp 就用了它。幻灯片的勾选清单是四项：Debian Linux、Docker、Claude Code / Agent SDK、WhatsApp messaging。 → 详细
• 对比表只在幻灯片上、口头没念（OpenClaw 一列画面很暗，以幻灯片所示为准）：源文件 15 对 3,680；代码行数约 3,900 对 434,453；依赖不到 10 个对 70 个；配置文件 0 对 53 个；读懂所需时间 8 分钟对 1–2 周；安全模型是操作系统级容器隔离对应用层检查；架构是单进程加隔离容器对单进程共享内存。他没交代这组数字是谁统计的。 → 详细

• 最初的架构：iPhone 或 MacBook 上的 WhatsApp 发消息，树莓派上的 NanoClaw 接；在 NanoClaw 上注册一次、拿到凭证，它就能把云端 WhatsApp 的消息拉下来。 → 详细
• 设备本身不做任何模型推理（inference，模型算出回答的那一步），全交给云端的 Claude：「我有一个很强的大脑，只是它隔着一根线、在云端那头」。幻灯片的架构图标着：NanoClaw agent 建在 Claude Agent SDK 上，经 HTTPS 调 Anthropic 云端的 Claude Opus（深度推理）与 Claude Sonnet（快速响应）。 → 详细
• 图数据库入门第一课：圆的是节点，连线是关系（也叫边）。例子是两个「人」节点加一个「电影」节点：Tom Hanks 出演了《阿甘正传》，Robert Zemeckis 执导了它。 → 详细
• 第一个测试：在 WhatsApp 里问「Tom Hanks 演过哪些电影」。agent 通过 MCP server（MCP 是让 agent 接外部工具和数据的标准接口）去连他云端装着电影库的 Neo4j，第一次回「你这套东西没配对，是坏的」。幻灯片上的回执写的是配置里 Neo4j 的连接信息还空着、那组工具没加载；他口头说的是登上设备「确认认证通了」（这句转写存疑）。修好后拿回片单（截图里可读的有八部，从 1990 年的 Joe Versus the Volcano 到 2000 年的 Cast Away）：数据从数据库拉出，交给 Claude Agent SDK 组织成回复，再经 WhatsApp 发回。这些都是幻灯片里的历史截图，全场没有现场发过 WhatsApp。 → 详细

▲ 图注：同一张架构图的两个构建步骤，上下拼接。上：iPhone、MacBook 经 WhatsApp 把消息送到 Raspberry Pi 4B 里的 NanoClaw agent，它建在 Claude Agent SDK 上，经 HTTPS 调 Anthropic cloud 的 Claude Opus 与 Claude Sonnet。下：Pi 里的 NanoClaw agent 经 STDIO 接 Neo4j MCP server（黄框），再经 BOLT · TLS 连到 Neo4j Aura 里的电影测试库。

• 起因：他在飞机上发现，不花钱买 Wi-Fi，消息类应用也能用，WhatsApp 是通的。「天哪，我现在就能跟 Claw 聊天。」于是直接问它：我能做记忆吗？他坦白自己「不太确定到底想要什么」，只是正好在读讲 POLE+O 的博客文章。 → 详细
• POLE+O 是什么：一种给记忆分类的办法，只按几类去想：人（Person）、物（Object）、地点（Location）、事件（Event），再加一个组织（Organization）。他说这套东西出自欧洲的警务系统，「那帮人画图已经画了很久了」，警匪剧里用线把线索串起来的线索板就是它。幻灯片给每一类配了例子：人是客户、员工、利益相关方；组织是公司、团队、部门；地点是地址、区域、国家；事件是交易、决策、会议；物是账户、产品、文档。 → 详细
• agent 自己把活干了：他只问了一句「能不能用 POLE+O 搭一套记忆系统」，agent 回「可以，我现在就写个 skill；我有这个挂载点，就算你把我重启，它也还在」。幻灯片上的回执列了它做的三步（字很小，标识符拼写存疑）：第一步在 Neo4j 里建好检索用的索引和名称唯一的约束；第二步写了一个记忆 skill，里面是回忆、存储、连接、列出这几类操作的查询模板；第三步往全局的 CLAUDE.md（agent 每次启动都会读的总说明）里加了一节，要求每次对话开头自动回忆，并主动把人、地点、组织、项目、偏好存下来。回执最后说「从这次对话起就生效，不用重启」。 → 详细
• 他对这套东西的定位：半开玩笑地叫它「超高级的 schema」（schema 指数据的结构设计，规定有哪几类东西、彼此怎么连），里面是「记忆以及相关的那些东西」；时间上「很早」，大概在 Karpathy 的 wiki 之前、Obsidian 之后（这两个名字是按上下文推断的转写）。实际存进去的是他去过哪些地方，以及跑小型开发者活动时让它顺手记下的东西。 → 详细

▲ 图注：幻灯片「Simple Neo4j Memory?」：左边是 POLE+O Entity Model 的五行（Person、Organization、Location、Event、Object）和各自的例子；右边是 WhatsApp 里 Claw 的回执，分 Step 1 Neo4j Schema、Step 2 Memory Skill、Step 3 Global CLAUDE.md 三步。

• 幻灯片「Super simple memory」上的例子（历史截图）：他发「我今明两天在旧金山湾区，周三回；今晚在旧金山有一场 Context Graph 活动，明天在 Menlo Park 有个 AI meetup」，Claw 回「Stored!」，说存了 5 个节点加 5 条关系：Jeremy Adams（人）位于旧金山湾区（地点）、参加了两场活动（事件），活动又各自位于某地；另在他本人的节点上记了两条观察：3 月 23–24 日在湾区、3 月 25 日周三回家。 → 详细
• 现场演示成功：他打开 Neo4j Aura（Neo4j 的云端托管版）里的演示库，自己承认这里「有点像个杂物堆」（屏上显示全库 305 个节点、279 条关系）。先查出 25 个记忆节点，再查「记忆连同它们的连接」，返回 30 个记忆节点和 32 条关系，连成一张图。放大后能看到：他去了 Snowflake 在 Menlo Park 的办公室，Menlo Park 本身是一个地点，那场 AI meetup 是一个事件，还有 Rebecca、Jeremy 这些人。他的评语只有一句：「这是其中一种做法」。 → 详细
• 屏上的结构与回执不完全一样，两边并列记下：回执里写的是带类型的关系（LOCATED_IN「位于」、PARTICIPATED_IN「参加了」），他口头也说「Menlo Park 在那套框架里是一个地点」；但屏幕上所有记忆节点只有一个标签 Memory，POLE+O 的类别存在节点的 type 属性里（比如 "Location"），节点之间的关系只有 RELATED（「相关」）一种，回执里那两种关系类型没有出现在图上。具体事实写在节点的 observations（观察）列表里，比如「AI Meetup Menlo Park」这个节点下记着日期、地点、谁参加、在 Snowflake 办公室举办。这处出入在「Super simple memory」那一页的左右两半上就能对照出来，讲者没有解释。所以更贴近屏幕的说法是：按 POLE+O 的类别给每条记忆贴一个类型，再用一种不分类型的「相关」把它们连起来。 → 详细

▲ 图注：幻灯片「Super simple memory」：左边是他发的那条行程消息和 Claw 的「Stored!」回执，写着 5 nodes + 5 relationships 以及 LOCATED_IN、PARTICIPATED_IN；右边是 Neo4j 里的图，蓝色节点之间的连线都标 RELATED，Node details 面板显示标签 Memory、name 为 Snowflake Menlo Park Office、type 为 Location。

• 念头的来历：他在想这台实体 claw 上还能塞点什么。有人把麦克风伸到窗外录后院鸟叫，用 BirdNET 模型（名字按上下文推断）认出是什么鸟，他先想照做，转念又想「或者做语音转文字？」，于是接了一只 USB 麦克风。幻灯片的架构图标着语音转文字在设备本地完成（标的是 Whisper），口头没说模型名。 → 详细
• 录音开关是他自己做的一个按钮，接在树莓派的针脚上（幻灯片标 GPIO，即板子上用来接按钮、小灯的引脚），另有小 LED 当录音指示灯。现场按钮先掉了，他插回去，按下说了一句：「我现在真的站在 AI Engineer World 的台上，讲着我一直在准备的这场演讲。」 → 详细
• 结果：他说小灯亮了、录上了，「但愿待会儿能看看我是不是真的在线、有没有收到消息」，之后没有回头去查；当场屏幕上没有出现转写文字或任何回执。他的原话是「这就是我梦想中的样子」。 → 详细

▲ 图注：幻灯片「Where's my hot glue gun?」左侧的设备照片：黑色外壳上粘着红色面包板，面包板上方伸出两只红色 LED，两侧是红色龙虾钳，底部是红色龙虾尾，黑色挂绳从上方穿过。

• 他想把这东西带到 AI Engineer 大会到处走，一开始「不知道想录什么」（幻灯片上写的是 Vague idea for talk），后来定了：一个展位一个展位地走，把各家挂出来的宣传语录下来。 → 详细
• 数据模型极简：库里只有参展商，彼此之间不连线；展位有编号和名字，要一一对上；他尽量多收，还做了些数据清洗。 → 详细
• 离线模式：担心会场 Wi-Fi「通常烂得要命」，他在树莓派上本地跑了一个 Neo4j。断网时，用 regex（正则表达式，按文字模式做匹配的老办法）从语音转出来的文字里解析出展位号，再写一条查询插进本地库。说到这儿他又补了一句：这东西现在还开没开着，他都不敢确定。 → 详细
• 这段现场演示成功：他用自己写的小程序（为了不用很贵的图形界面）以 Cypher（Neo4j 的查询语言）连上挂在脖子上那台机器里的数据库，查出全部参展商，屏上显示返回 148 行，列表里有 Microsoft 等；条目上带着他口述的原始笔记，展开 Neo4j 自家 P3 展位那条能看到带时间戳的原话。敲命令时拼错了几次。 → 详细

• 他后来把本地数据传到云端的 Neo4j，并且「丰富」过：笔记整理干净了，每家参展商还连到了「主题」节点。主题是怎么归出来的他没细说，只说「在某个时刻我发现，这里面存在着一些主题」。 → 详细
• 这段演示也成功：先查出 25 个参展商、点开看属性；再查「参展商连同它连着的东西」，屏上是 121 个节点（100 个参展商加 21 个主题）、115 条 HAS_THEME（「有这个主题」）关系，画面呈「一个主题在中间、一圈参展商围着」的星形簇。他放大的那一簇是 Evaluation & Observability（评测与可观测性），Buildkite 和 LangChain 都连着它。他的结论：「我其实生成了一些知识，可能还挺新的，可能谁手上都没有。」 → 详细
• 两处数字对不上，讲者都没解释，照原样记：本地离线库查出 148 行参展商，云端这张图里是 100 个；屏上 HAS_THEME 是 115 条，而下一页榜单的 21 项相加是 116。 → 详细

▲ 图注：Neo4j Aura 的查询结果：中间紫色节点是 Evaluation & Observability，周围褐色的参展商节点 LangChain、Buildkite、Fiddler AI 等以 HAS_THEME 箭头指向它；右侧面板显示选中的是 LangChain，notes 为 Observe, evaluate, and deploy your agents，tier 为 Upper Gold。

• 幻灯片「100 AIEWF '26 Exhibitor Themes」是一张 21 项的条形图，数字口头没念。前三：agent 基础设施与部署（Agent Infrastructure & Deployment）14 家、评测与可观测性（Evaluation & Observability）11 家、网页数据与非结构化数据管道（Web Data & Unstructured Data Pipelines）9 家。 → 详细
• 其余 18 项：AI 编程 agent 与开发工具 8，安全、身份与访问控制 8；推理与模型服务 7，上下文、搜索与检索（RAG）7，应用型 / 通用 AI agent 7；记忆与持续学习 5，代码审查与验证 5，多 agent 系统与编排 5，语音与实时 AI 5；AI 成本与支出优化 4，agent 治理与 MCP 管控 4，训练与微调 4；集成基础设施 3，确定性与可靠性 3，AI SRE / 自主运维 3；技能即代码（Skills-as-Code）2；agent 支付与商业 1，人工评测 1。 → 详细
• 口径提醒：这是他一个人逛展、录下各家标语后归出来的分类，他自己称之为逛一圈收来的「一大堆数据」，不是大会官方统计。 → 详细

▲ 图注：幻灯片「100 AIEWF '26 Exhibitor Themes」：21 个主题按参展商数量排序的横向条形图，最高的是 Agent Infrastructure & Deployment 14，最低的 Agent Payments & Commerce 与 Human Evaluation 各 1。

• 时间快到时他补了一段：他后来改用 Neo4j 的 Agent Memory 服务（幻灯片上叫 NAMS，介绍语说它是托管的、以图为底的记忆层，存短期对话、长期知识和完整的推理轨迹）。动机是想把跟 claw 聊过的所有 WhatsApp 消息全传上去，看能不能提炼出点洞察。接上之后，它从对话里抽出一大堆记忆并做了提炼，可以按聊过的人、地点、概念来浏览；这些记忆再通过一个 MCP server，从这台 claw 上就能访问到。（同一家公司的 Zach Blumenfeld 讲「上下文有形状」，见 ep99。） → 详细
• 这段演示只成了一部分：实体列表和观察日志正常显示（屏上每个实体带类型和一个百分比，比如 Jeremy Adams 是 Person、99%）；图形化的记忆浏览器停在「Laying out graph…」，没等到完整渲染。屏上的类型筛选项比 POLE+O 的五类多，除人、组织、地点、事件、物之外还有 Concept、Decision、Framework、SoftwareTool 等。 → 详细
• 收尾：请大家去 P3 展位找他们；刚接触图的可以去 GraphAcademy，那里的动手课程「全部完全免费」（幻灯片另写着有学习路径和免费认证）。 → 详细

• 现场：AI Engineer World's Fair 展区的 Neo4j 展位，编号 P3。 → 详细
• GraphAcademy（Neo4j 的免费课程站）：graphacademy.neo4j.com（网址见结尾幻灯片）。 → 详细
• Agent Memory 服务的控制台：演示时浏览器地址是 memory.neo4jlabs.com（屏上所示，口头没念）。 → 详细