ZeroClaw RAG 源码阅读笔记

• 0x00 概要

• 0x01 两套RAG

  

  • 关键差异
  • 工程取舍

• 0x02 HardwarRag 基础

  • 基本功能
  • 使用原因
  • 具体使用场景
• • 流水线概览
  • 实现类
  • 详细流程

• 0xFF 参考

这篇文章是 ZeroClaw 的学习笔记。

ZeroClaw 是一个零开销、零妥协、用 Rust 实现的 AI 助手框架，主要特点：

• 数字-物理桥梁：AI 能够控制真实物理世界。
• 说到环境感知，通过传感器获取实时数据。怎么说呢，

如果你曾尝试直接用 LLM 控制 MCU。却发现总是因为缺乏最新手册导致错误指令，这正是 RAG 的价值所在。它把权威文档实时注入上下文，让模型输出更可靠。

很多人对 ZeroClaw 的两套 RAG 感到困惑：HardwareRag 和 Memory 检索到底分别做什么？下面快速梳理，

程序	用途	位置	是否带 embedding?
HardwareRag - src/rag/mod.rs 不带 embedding，纯关键词检索。
Memory - 用于对话/知识检索，src/memory/retrieval.rs + sqlite.rs 可选。按理说，带 embedding 支持 vector hybridembedding。可按需开启，
关键差异与工程取舍表格略…，
工程取舍点：
- HardwareRag 不上 embedding — 数据手册量小。省去启动时跑 embedding 开销，端上启动更快。 - Memory 默认 Noop embedding — 最小部署不依赖外部 API；使用者开启 OpenAI 后才进入 vector 阶段。 - 三阶段顺序设计 — cache 命中 ms / FTS 命中 ms级 / vector 几十/几百 ms，先便宜后贵。 - FTS 早停门槛；BM25 已高则跳过向量阶段省 latency 与 embedding API 调用。话说回来， - SQLite bundled — 单二进制即可分发。无网络依赖，

你是否在想 “为什么不用直接把所有 datasheet 写进代码？” HardwarRag 就是为此而生——让你无需改代码即可加入新板卡或更新手册。怎么说呢，

基本功能

• 索引：
• 检索：
• 注入：
• 结果：

特色点：

• No vector/embedding/重排。一切纯关键词搜索，这代表着启动快且占内存低。
• tag 为 “Keyword retrieval or semantic search via embeddings ” —— 当前实现仅 keyword。老实说，
• =peripherals 启用并配置 datasheet_dir 时触发；完全本地单进程，无网络需求。

使用原因与痛点对照表格 '宽度:35%;'>原因 'background:#dcdcdc;'> < td rowspan=''align=center>'LLM 知识滞后''细节精度不足''版本差异问题' < tdrowspan=''aligncenter'>'维护困难'' 性差''灵活性低'  ​  ​ ​ ​ ​ ​ ​ ​ ​​ -->/tfoot

痛点类别
		'width:30%;'>硬件知识局限性	'width:35%;'>LLM 知识滞后/细节不足
'硬件文档复杂性'	'引脚映射繁琐'	'寄存器配置繁琐'
'协议规范严格'
Deno‑Sage 使用案例方法:
MVP: 实时本地文档检索 + 上下文提高 + 安全验证流程实现.		EVAL: 性能测评 & 安全测试.

• `HardwarRag` 把权威资料变成可即时查询的数据源，让 LLM 的输出不再受训练集限制而失真。`Memory` 则负责整体会话记忆，为多轮对话提供上下文延续。`两套 RAG` 并行工作，但互不调用，使得程序既轻量又功能完整。怎么说呢，​  

具体使用场景举例

A. Arduino 开发场景

 • 场景描述：使用者连接 Arduino Uno 想要控制内置 LED
• RAG 执行步骤：
• 从 arduino‑uno.md 获取引脚13对应内置 LED 信息
• 将该信息注入 LLM 上下文
• LLM 输出针对引脚13 的 GPIO 控制代码
• 使用者体验：“说‘打开 LED’就能立即看到灯亮”

rust
// 自动生成的 Rust 示例代码
fn set_led {
// 假设 GPIO13 为输出引脚
gpio_write;老实说，}
 


0x03 HardwarRag 实现细节