当前位置：首页 > 技术分享 > 正文内容

乐鑫重磅开源 ESP-Claw：把 Agent 塞进了 ESP32

Openclaw1小时前技术分享3

能联网却不能思考？能执行却不能决策？乐鑫把 Agent 塞进了 ESP32。

01 物联网的痛点

传统 IoT 设备有几个老毛病：

• 能联网，却不能思考
• 能执行，却不能决策
• 能记录，却不能学习
• 高度依赖云端，断网就变砖
• 控制方式要么是 App，要么是面板——多一个设备多装一个 App

一句话总结：设备是"傻"的，只会按预设规则执行，不会根据实际情况做判断。

最近，乐鑫正式开源了一个叫 ESP-Claw 的框架，把这个痛点解决了。

项目地址：https://github.com/espressif/esp-claw

02 ESP-Claw 是什么

ESP-Claw 是一个运行在 ESP32 芯片上的 AI 智能体框架，核心理念是 Chat Coding（聊天造物）。

简单说：你在 IM 里跟设备聊几句天，它就能自己学会怎么干活。

不用写代码，不用装 App，不用接云端平台。

设备在本地就能完成感知 → 推理 → 决策 → 执行的完整闭环。

03 四大核心能力

1. 对话定义设备行为（Chat Coding）

传统 IoT 开发流程：

选芯片 → 装 SDK → 写 C 代码 → 编译 → 刷固件 → 配网 → 装 App → 控制设备

ESP-Claw 的流程：

刷固件 → 连 Wi-Fi → 打开微信/飞书/Telegram → 跟设备聊天 → 搞定

比如你对设备说：

"每天早上 8 点，如果温度超过 28 度就打开风扇，同时给我发条消息。"

设备会自己理解你的意图，生成对应的逻辑并执行。

2. 设备端智能闭环

AI 不一定要跑在云端。

ESP-Claw 把 Agent Runtime 直接下沉到边缘芯片（ESP32），设备在本地就能：

• 感知：读取传感器数据（温度、光线、PIR 人体检测等）
• 推理：分析当前状态，判断该不该采取行动
• 决策：调用 LLM 做分析判断，或匹配本地 Lua 规则
• 执行：控制执行器（风扇、继电器、屏幕、摄像头等）

当任务超出本地算力范围时，设备会自动把数据上传给云端大模型处理，再把结果返回——云边协同。

3. LLM 动态决策 + Lua 确定性规则

纯靠 LLM 有个问题：不可控。

你说"温度高了开风扇"，但 LLM 可能今天判断开、明天判断不开，这在关键场景（比如报警联动）是不可接受的。

ESP-Claw 的解法很聪明：

三层事件处理架构：

层级	机制	响应速度	适用场景
第一层	Lua 确定性规则	毫秒级	报警联动、安全控制
第二层	LLM 动态决策	秒级	场景分析、用户意图理解
第三层	云端大模型	十秒级	复杂推理、图像识别

• 有匹配规则 → Lua 直接执行（断网也能跑）
• 没匹配规则 → LLM 分析判断
• 超出本地能力 → 交给云端大模型

灵活性和稳定性兼顾。

4. 本地记忆，隐私不上云

设备是有记忆的，而且记忆都在本地：

• 用户偏好："记住我喜欢 26 度"
• 行为习惯：作息时间、常用操作
• 关键事件：报警记录、异常状态
• 自动学习：从历史事件中发现规律，主动建议自动化方案

为了适配 MCU 的资源限制，ESP-Claw 引入了"摘要标签"机制：

平时只加载轻量级标签目录（如"饮食偏好""设备状态"），需要时再通过标签精确召回对应记忆。

记忆还会自动归并、淘汰与压缩，持续优化存储结构。

设备越用越聪明，而且你的隐私数据不用上传云端。

04 MCP 协议：让设备成为 AI 原生对象

这是 ESP-Claw 最让我兴奋的部分。

设备具备 MCP Server + MCP Client 双重身份：

作为 MCP Server（被调用方）：

• 把传感器读取、执行器控制封装为标准 MCP Tool
• 任何支持 MCP 的 Agent（OpenClaw、Claude、Codex）都能直接调用
• 比如：Claude Code 调用开发板摄像头拍照识别硬件

作为 MCP Client（调用方）：

• 主动调用网络上任何 MCP Server 暴露的服务
• 比如：调用高德地图查路况、调用飞书发会议提醒
• 设备从被动的"执行端"变成了主动的"智能节点"

这意味着什么？

设备之间可以直接对话，不需要经过云端中转。

05 和传统 IoT 方案的对比

对比维度	传统 IoT	ESP-Claw（边缘 AI）
核心场景	设备连接 + 远程控制	物理世界感知 + 决策 + 控制
处理逻辑	静态规则（IFTTT）	LLM 动态决策 + Lua 确定性规则
执行引擎	规则引擎	LLM + Lua + Router 三层架构
控制中心	云服务器	边缘节点（ESP 芯片）
设备协议	MQTT/Matter/私有 SDK	MCP 统一语言 + 多协议桥接
设备间通信	依赖云端中转	本地直连 + MCP 抽象
记忆管理	云端数据存储	本地结构化记忆（JSONL + 标签）
交互方式	App / 控制面板	IM 聊天（微信/飞书/Telegram）
扩展性	封闭生态，开发门槛高	即插即用 MCP Tools
智能程度	预设自动化	LLM + 本地规则形成物理闭环

06 实际能干什么

举几个场景：

场景 1：智能安防

• PIR 传感器检测到人 → 摄像头拍照 → 上传云端模型识别
• 判定为人员入侵 → IM 即时通知用户 + 附抓拍照片
• 判定为动物 → 静默记录，事后汇总："过去 3 小时过滤了 4 次动物事件"

场景 2：智能温控

• 用户说："我喜欢 26 度" → 记住偏好
• 温度超过 28 度 → 自动开风扇
• 发现用户每天下午 3 点手动调低温度 → 主动建议："要不要我下午 2 点自动调低？"

场景 3：硬件开发辅助

• Claude Code 调用开发板摄像头 → 拍照识别 PCB 元件
• 代码编译进度 → 实时显示在设备小屏幕上
• 编译报错 → IM 推送错误信息 + 建议修复方案

场景 4：办公自动化

• 设备检测到会议室有人但无人说话 → 自动关空调
• 调用飞书 API 发送会议提醒
• 调用高德地图查询通勤路况，提前提醒用户出门

07 快速上手

支持的芯片

• ✅ ESP32-S3
• ✅ ESP32-C5
• ✅ ESP32-P4

一块入门级 DevKitC 开发板即可开始体验。

方式 1：浏览器一键刷固件

1. 打开乐鑫网页刷写工具
2. 选择芯片型号
3. 点击刷入
4. 无需编程、无需安装额外开发工具

方式 2：源码编译

git clone https://github.com/espressif/esp-claw.git
cd esp-claw
# 使用 ESP-IDF 编译
idf.py build
idf.py flash

配置控制

• 连接 Wi-Fi 后，设备会提供一个 Web 配置页面
• 在 IM 里跟设备聊天即可控制
• 支持自由切换模型供应商（不依赖任何封闭生态）

08 项目架构

esp-claw/
├── application/
│   └── basic_demo/          # 示例应用
│       └── main/
│           ├── main.c                    # 固件入口
│           ├── app_claw.c                # 应用引导
│           ├── basic_demo_wifi.c         # Wi-Fi 连接
│           ├── config_http_server.c      # Web 配置服务
│           └── web/                      # 前端配置页面
├── components/
│   ├── claw_modules/                    # 运行时核心层
│   │   ├── claw_core/       # 核心上下文
│   │   ├── claw_cap/        # 能力注册
│   │   ├── claw_event/      # 事件路由
│   │   ├── claw_memory/     # 记忆管理
│   │   └── claw_skill/      # 技能管理
│   ├── claw_capabilities/               # 能力层
│   │   ├── IM 通信、MCP Client/Server
│   │   ├── Lua 运行时、调度
│   │   └── 文件、时间、网页搜索等
│   └── lua_modules/                     # 设备扩展层
│       └── 显示屏、摄像头、音频、GPIO 等