MateClaw 吃多少内存？装之前先算一笔硬件账
| 项目 | 内容 |
|---|---|
| 软件 | MateClaw |
| 版本 | 1.5.0 |
| 平台 | Android APK |
| 体积 | 93.75M |
| 分类 | 办公商务 |
| 开发商 | 北京点字成画科技有限公司 |
| 包名 | com.eylktot.anplki |
| 官网 | MateClaw 官网 |
| 下载一 | MateClaw 下载，MateClaw 下载 |
| 下载二 | MateClaw 下载，MateClaw 下载 |
| 文档 | MateClaw 文档 |
| 介绍 | 93.75M 安装包背后跑的是 Java 17 + Spring Boot 栈，Dreaming 后台整合、Wiki 知识图谱、本地模型推理各自吃多少资源，不同设备档位怎么选，一笔账算清楚。 |
先讲清楚 MateClaw 是什么
MateClaw 是一款 AI 智能体应用——你可以把它理解成一个能自动执行复杂任务的数字员工。手机上一键部署云端环境，告诉它做什么，它就在后台持续跑：自动收发邮件、写文案、处理数据、管理知识库。安卓 APK 93.75M，版本 1.5.0，开发商是北京点字成画科技有限公司。
为什么占用值得单独写一篇？因为它不是普通聊天机器人——背后跑的是 Spring Boot JAR 服务，默认用 H2 文件数据库，支持 Ollama 本地 GPU 推理，还有 Dreaming 定时后台整合。这些东西叠加起来，资源消耗的弹性非常大，低配设备跑起来可能卡成狗。
静态账：装完它占多少空间
先看硬数字。安装包 93.75M，这个是采集数据里明确给的。但装完不等于 93.75M——安卓应用装完会解压出 DEX、native 库、资源文件，通常膨胀到安装包的 1.5~2 倍。所以装完至少 150M 起。
如果你启用了本地 Ollama 推理，那体积就不止翻几倍了。Ollama 的模型文件本身就是 GB 级的——一个 7B 参数模型大约 4~6GB，13B 就是 8~10GB。MateClaw 启动时自动探测 localhost:11434，意味着如果你手机上还装了 Ollama APK，两个应用加起来轻松吃掉 10GB 以上存储空间。
再加上 Dreaming 机制每天凌晨跑对话整合，对话历史存在 H2 数据库里——用得越久，data/mateclaw.mv.db 文件越大。几个月不清理可能上百兆。
动态账：哪些场景吃资源最凶
静态是一锤子买卖，动态才是真考验。我拆几个关键场景讲。
Dreaming 后台整合。 默认每天凌晨 2 点触发，跑完大概 5~10 分钟——这段时间 CPU 占用会拉起来，因为要读当天所有对话、提炼摘要、跨对话关联、更新记忆文件。但好处是它在你睡觉的时候跑，不影响白天使用。手动触发的话就得等它跑完再干别的。另外 MateClaw 刻意把模型供应商配置放在 UI 里的 Settings → Models，不读环境变量——这点跟很多需要改 YAML 的 AI 应用不一样，换模型一次点击，省了不少折腾。
Wiki 知识图谱渲染。 Wiki 浏览页一屏显示知识图谱、消化流水线状态、死链列表——如果你的知识库有几百上千个页面，知识图谱的可视化渲染会吃掉不少内存。安卓设备上浏览器端渲染复杂 SVG 图谱本身就挺吃内存，再加上 MateClaw 的 JAR 服务在后台跑着，双重消耗。而且 Wiki 搜索不是简单全文匹配——它同时走标题精确匹配、内容向量检索、实体图谱检索三条路，每一条都在拉 CPU 和内存。
本地 Ollama 推理。 这是最吃的场景。模型加载到 GPU 显存里就是几个 GB，推理时 CPU 也会拉满。手机端如果是骁龙 8 Gen 2 或同级以上芯片还能跑，中端芯片大概率发热降频。反而云端模型接入十一家供应商（DashScope、OpenAI、Anthropic、Gemini、DeepSeek、Kimi、MiniMax、智谱 AI、OpenRouter、Ollama、ChatGPT OAuth），推理全在云端，本地只做网络请求，基本不吃资源。
多 Agent 并发运行。 每个 Agent 都是独立的执行上下文。虽然底层是单 JAR 服务，但多 Agent 同时处理任务时，线程池会扩容、数据库连接数会增多、内存里的对话缓存也会翻倍。日常一两个 Agent 还好，一口气开五六个就得掂量。
设备分档：什么档位跑得动
整理成表格，每档给具体理由。
| 设备档位 | 运行情况 | 说明 |
|---|---|---|
| 旗舰（骁龙 8 Gen 3 / 天玑 9300+，12GB+ RAM） | 流畅无压力 | JAR 服务后台常驻不杀，Dreaming 跑完无感，Wiki 图谱秒渲染。本地 7B Ollama 模型也能跑起来 |
| 中端（骁龙 7+ Gen 2 / 天玑 8200，8GB RAM） | 日常够用、重负载吃力 | 单 Agent + 云端模型没问题。开本地 Ollama 或多 Agent 并发时会掉后台、发热。Dreaming 有时被系统中断 |
| 入门（骁龙 6 系 / 天玑 7000 以下，6GB 及以下 RAM） | 不推荐 | 8GB 以下 RAM 的安卓设备，JAR 服务大概率被系统回收，跑本地模型想都别想。H2 数据库锁错误可能频繁出现 |
PC 端跑 JAR 的话门槛低很多——Java 17+ 就行，4 核 8GB 内存就能流畅运行，换 PostgreSQL 或 MySQL 数据库比 H2 更稳，默认端口 18088，JAR 本身就包含 Vue 前端的 build 产物，一个包同时跑后端 API 和前端页面。
减负手段：设置里哪些开关能省资源
从样本里整理出几个省资源的操作，不编造。
默认走云端模型，别碰本地 Ollama。 DashScope、DeepSeek、Kimi 这些 API Key 接入后，推理全在云端跑，本地只做网络请求和 UI 渲染——省下来的内存和电量不是一点半点。如果没有 API Key，OpenRouter 免费档能一站式访问 200+ 模型，ChatGPT OAuth 有订阅就能走浏览器流程，不需要 Key 也能跑。
Dreaming 手动触发比等着凌晨跑更省。 如果你睡觉前没什么对话，手动触发一次然后让它跑完就行，系统低负载时跑效率更高。重启 MateClaw 时也会自动跑一轮——重启是最粗暴的触发方式，顺便还能清掉后台的对话缓存。
知识库别建太大。 Wiki 页面超过几百个之后，知识图谱的渲染和搜索都会变慢。Wiki 浏览页的信息密度很高：一屏里显示所有知识库列表、每个库的页面数和状态、某个知识库的知识图谱可视化、消化流水线状态、WikiLink 死链列表——控制在 200 页以内体感最好。
H2 数据库定期清理。 默认 H2 文件数据库零配置好用，但长期运行会膨胀。样本里明确提到「H2 数据库锁错误多见于桌面端/开发模式——删掉 data/mateclaw.mv.db.lock，或者直接清空 data/ 目录重新开始」。这招安卓端也能用——定期清空 data 目录让它重建，能省不少存储空间。
JAR 裸机跑比 Electron 桌面壳省。 如果你在 PC 上部署，Java 17 + Spring Boot JAR 是最轻量的方式——没有 Electron 的额外内存开销，一个 JAR 同时跑后端 API 和前端页面，默认端口 18088。Maven 构建也简单：源码构建时前端 pnpm build 的产物会自动复制到后端 JAR 的 static/ 目录。
结论
MateClaw 本质上是一个跑在手机上的 Spring Boot 服务，它的资源消耗弹性极大——纯云端模式用 8GB RAM 中端机就能跑舒服，开本地 Ollama 就得旗舰。一句话建议：只用来托管日常琐事、走云端 API 的话，8GB RAM 手机够用；想跑本地模型或管理大型知识库，上 PC 端跑 JAR 更划算。
本文为个人基于网络公开资料整理编写，非官方内容，仅供学习交流参考；软件版权归原作者所有，请支持正版；使用过程中遇到问题请查阅官方渠道，本文不承担任何责任。
