7 美元 VPS + IRC：一个极简 AI Agent 架构的启示
一个开发者把 AI Agent 部署在 $7/月的 VPS 上，用 IRC 作为通信层，让访客直接和他的代码仓库对话。这个项目叫 nullclaw，架构简单到令人不安——但恰恰因此值得认真看一看。
问题：又一个「问我简历」的聊天框？
几乎所有个人站点的 AI 聊天功能都在做同一件事：把简历喂给模型，让访客换个方式读简历。这是个 parlor trick。模型说不出简历以外的任何东西。
nullclaw 的作者想要的是：当招聘经理问「George 怎么处理测试覆盖率」时，agent 应该去 clone 仓库、数测试文件、读 CI 配置，然后用真实代码回答——而不是输出一句「George 重视全面测试」。
架构：两个 Agent，两个安全边界
整体架构极其克制：
- nullclaw（公开层）：一个 678KB 的 Zig 二进制文件，占用约 1MB 内存。跑在公网 VPS 上，处理访客问候和项目问答，能 clone 公开仓库来佐证回答
- ironclaw（私有层）：跑在独立机器上，通过 Tailscale 连接，有权访问邮件和日历等私人数据
- 通信层：IRC。没错，一个 30 年历史的协议
两个 agent 通过 IRC 频道通信：公开的 #lobby 和私有的 #backoffice。公开 agent 没有任何私人数据访问权限。这个安全边界不是技术炫耀，是设计约束。
为什么是 IRC？
作者给了三个理由，我认为第三个最关键：
- 美学匹配 —— 终端风格站点配 IRC，浑然一体
- 全栈自有 —— Ergo IRC 服务器 + gamja 客户端 + agent，全部自托管，没有第三方 API 依赖
- 30 年的协议稳定性 —— 零供应商锁定。同一个 agent 可以通过 Web 客户端服务访客，也可以通过 irssi 在终端里和开发者对话
在所有人都在追 WebSocket、gRPC、自定义协议的时候，用 IRC 作为 agent 通信层反而是一种清醒。协议越简单，出故障的表面积越小。
模型分层：该省的地方省
这是我最欣赏的设计决策：
- 对话层用 Haiku 4.5 —— 打招呼、分诊、简单问答。亚秒级响应，几乎不花钱
- 工具层用 Sonnet 4.6 —— 需要 clone 仓库、读代码、跨文件分析时才启用
- 成本硬上限 $2/天
用 Opus 来做门卫？那恰恰说明你不理解模型选择。热路径用便宜模型，重活用强模型——这才是生产级的推理分层策略。
安全：把公网 agent 当堡垒机对待
- SSH key-only + 非标准端口
- UFW 只开三个端口
- Cloudflare 做前置代理和 TLS 终结
- Agent 沙箱化：只读工具白名单，每小时最多 10 次操作
- $2/天 + $30/月 硬性成本上限
这套安全姿态不是过度防御。任何公网暴露的 AI agent 如果没有这些约束，迟早会被人当免费推理代理用。
我的观点
这个项目的价值不在于它有多复杂，在于它有多克制。
2026 年的 AI 开发有一种集体焦虑：不用最大的模型、不搭最复杂的 pipeline、不上 Kubernetes 编排，好像就不够「AI native」。nullclaw 证明了相反的道理——一个 678KB 的二进制 + 一个 30 年历史的协议 + 分层推理策略，就能搭出一个实用、安全、成本可控的 agent 系统。
对于想让多个模型协同工作的开发者来说，像 OfoxAI（ofox.ai）这样的多模型聚合平台让分层推理的实现成本更低——一个账号切换 Haiku、Sonnet、Opus，不用分别管理多套 API key。
有时候，最好的架构决策不是加什么，而是拒绝加什么。