你想让一块单片机跟你聊天。
正常人的思路： ESP32 → WiFi → HTTP → 调 OpenAI API → 显示回复。这条路走通了也就那样——问一句答一句，没有记忆，关了电源就失忆。
MimiClaw[1] 不是这么干的。
这个 5.6k Star 的项目把一整套 AI Agent 系统塞进了一块 ESP32-S3 芯片里。双核 FreeRTOS 上跑着： ReAct 智能体循环、本地记忆持久化、网页搜索工具、 cron 定时任务、心跳周期性任务——全是纯 C 写的。没有 Linux ，没有 Node.js ，没有树莓派，没有云服务器。
你给它发一条 Telegram 消息，它调用 LLM 思考、查本地记忆、可能搜个网页、然后回复你——整条链路在一颗 $5 的芯片上闭环。
插上 USB 电就能跑，功耗 0.5W ， 7×24 小时在线。就问你卷不卷。
硬件：不是树莓派，不是 Mac mini ，是个拇指大的芯片
先说清楚这项目跑在什么硬件上。你只需要三样东西：
| 物料 | 规格 | 大约价格 |
|---|---|---|
| ESP32-S3 开发板 | 16MB Flash + 8MB PSRAM | ~$10 |
| USB Type-C 线 | 供电 + 刷固件 | 你有 |
| API Key | Anthropic 或 OpenAI | 按量付费 |
ESP32-S3 有一颗双核 Xtensa LX7 处理器、 8MB PSRAM 、 16MB Flash 。 MimiClaw 的工程把两颗核分配得清清楚楚：一颗核跑 WiFi 网络 I/O 和 Telegram 长轮询，另一颗核跑 AI 推理和工具调用。
你可能会问： ESP32 那点内存够干什么？
够。整个系统的常驻内存占用控制得很紧。 PSRAM 里跑 HTTP 客户端 + JSON 解析 + WebSocket ， Flash 里用 SPIFFS 存记忆文件和聊天记录——不进 DRAM 。关键路径上的内存分配全是静态的，没有 malloc 碎片。
这就是纯 C 在嵌入式上的底气。如果这项目用 Python 写——光一个解释器就先把内存吃光了。
它不是”问一句答一句”的聊天机器人
大多数 ESP32 + AI 项目做的事：发一条消息 → 调一次 API → 显示回复。完。
MimiClaw 做的是 ReAct 智能体循环（来源： GitHub README + 源码中的 agent loop 架构）：
用户消息 → LLM 思考 → 需要查记忆？→ 读 MEMORY.md → 需要搜索？ → 调 Tavily/Brave Search API → 需要设闹钟？→ 写 cron.json → 所有工具调用完成 → LLM 再次思考 → 生成最终回复 → 这次的对话和发现自动写入 MEMORY.md 和每日笔记 这是一套完整的”感知 → 思考 → 行动 → 记忆”闭环。代码跑在 ReAct 循环里，直到 LLM 觉得”这个任务我做完了”才退出循环输出回复。
说人话：你让它”每天早上八点搜一下嵌入式相关的 GitHub trending 项目，总结成一条消息发我”——它能干。
它会自己在 cron.json 里写一条定时任务，到时间触发、搜网页、总结、发 Telegram 。全程不需要你碰代码。
上手：克隆仓库，改个配置文件，烧进去
MimiClaw 的安装门槛比它做的事低得多。你只需要 ESP-IDF v5.5+ 环境。
git clone https://github.com/memovai/mimiclaw.git cd mimiclaw idf.py set-target esp32s3 然后复制配置文件，填四样东西：
// main/mimi_secrets.h #define MIMI_SECRET_WIFI_SSID "你的WiFi名" #define MIMI_SECRET_WIFI_PASS "WiFi密码" #define MIMI_SECRET_TG_TOKEN "123456:ABC-DEF..." // @BotFather 创建 #define MIMI_SECRET_API_KEY "sk-ant-api03-..." // Anthropic 或 OpenAI 可以选择性开启网页搜索（ Tavily 或 Brave Search API key ）。
然后：
idf.py fullclean && idf.py build idf.py -p /dev/ttyACM0 flash monitor 板子启动后自动连 WiFi 、连 Telegram 。你在手机 Telegram 上给你的 bot 发消息——它就回了。
有一个细节值得注意： MimiClaw 的 CLI 支持运行时改配置，不需要重新编译。把板子插上串口，敲：
mimi> set_model_provider openai # 从 Claude 切到 GPT mimi> set_model gpt-4o # 换模型 mimi> wifi_set 新WiFi 新密码 # 换网络 这些配置存在 NVS 里，断电不丢。这意味着你把固件烧好、板子装进外壳、扔到某个角落——以后想改配置，插根 USB 线敲串口就行。不需要重刷。
记忆系统：四份纯文本文件，全存在 Flash 里
MimiClaw 的记忆系统设计值得单独拿出来说。没有用 SQLite ，没有用嵌入式数据库——四份 Markdown 文件存在 SPIFFS 上：
| 文件 | 作用 | 谁写 |
|---|---|---|
SOUL.md |
机器人格——你编辑它， AI 按这人设行事 | 你 |
USER.md |
关于你的信息——名字、偏好、语言 | 你 |
MEMORY.md |
长期记忆——AI 把自己觉得重要的事写进来 | AI |
HEARTBEAT.md |
待办任务——AI 定期检查并按优先级行动 | 你和 AI |
cron.json |
定时任务——AI 自己创建和管理的调度表 | AI |
这套设计的妙处：你拿任何文本编辑器打开这些文件，就能直接读、直接改。 AI 写的记忆你看得懂，你写的指令 AI 读得懂。
一个真实的用例链条：
USER.md 里写：”我在做 STM32H7 的无人机飞控项目，用 C 和 Rust 。”MEMORY.md：”2026-07-29 发现在 GitHub 上有个新的 H7 飞控项目 XX…”第二天你问”上次那个 H7 飞控项目叫什么来着”——它查一下 MEMORY.md 就答出来了。
这套东西用 Node.js + SQLite 在树莓派上实现不稀奇。稀奇的是它跑在 8MB PSRAM 的 ESP32 上，纯 C ，全本地。
定时任务 + 心跳： AI 能自己安排自己的日程
MimiClaw 内置了一个 cron 调度器。你把 cron.json 当成一个微型 crontab——AI 通过 cron_add 工具自己往里写条目。
每一条可以设置重复间隔（”每 N 秒”）或一次性触发（”在 Unix 时间戳 X 触发”）。到时间后， cron 任务的消息被注入 agent loop——AI 醒过来、执行任务、回复你。
心跳服务是另一条线。它定时读 HEARTBEAT.md，发现有未完成的任务项就触发 agent loop 。默认 30 分钟检查一次。
结合起来你能做什么？
这些全都不需要写代码——你用自然语言告诉 bot ，它自己在 cron.json 里建任务。
这就是 Agent 和 Chatbot 的分界线。 Chatbot 是你找它才会说话。 Agent 是你没找它的时候它也在干活。
局限：哪些场景不适合
需要 16MB Flash + 8MB PSRAM 的 ESP32-S3 。 普通的 ESP32 （没有 PSRAM ）或者低配的 ESP32-C3 跑不了。项目推荐使用小智 AI 开发板等具体型号，买之前确认 Flash/PSRAM 规格。
依赖外部 LLM API 。 MimiClaw 自己不跑模型——它通过 HTTPS 调 Anthropic 或 OpenAI 的 API 。这意味着你的板子必须连外网，而且 API 按量收费。没有网络它就是一块砖。
不是本地推理。 所有智能来自云端 LLM 。 ESP32-S3 没有 NPU ，跑不了 Llama 或 Qwen 。如果你要做纯离线 AI 助手——这个方案不适合。看隔壁 esp-ai[2] 或者考虑带 NPU 的板子。
对话延迟取决于 API 响应。 板子本身只是桥接——你发消息 → ESP32 转发给 API → 等 API 返回 → 回复。所以响应速度完全取决于 Anthropic/OpenAI 那边的速度，跟板子没关系。在网络差的环境下体验会打折。
安全模型是”你信任你的 ESP32″。 所有对话、记忆、 API Key 都存在板子上。如果有人物理接触到你的板子，可以通过串口读配置。这不是 MimiClaw 的问题——这是所有物理可接触设备的通用安全问题。
它值不值得搞一块板子试
如果你在做嵌入式 + AI 的交叉领域， MimiClaw 值得花一个下午复现。
不是因为它的功能有多强——树莓派 + Python 能写一个更全的。是因为它用 $5 的芯片 × 纯 C × 全本地记忆 这种组合，证明了嵌入式 AI Agent 可以做到什么程度。
没有 OS 的裸金属 C 程序，内存管理全靠自己算——这本身就是嵌入式工程师最舒服的编程模型。
转发给你们硬件群。告诉他们：$5 的 ESP32 现在能跑 AI Agent 了，带记忆和工具的那种。
项目仓库[1] | 中文文档在 README_CN.md
参考链接
[1] MimiClaw: https://github.com/memovai/mimiclaw
[2] esp-ai: https://github.com/wangzongming/esp-ai
