mimiclaw
MimiClaw 是一款将廉价硬件转化为个人 AI 助手的开源项目。它能让一块仅需 5 美元的 ESP32-S3 芯片变身成为你的专属智能代理,无需依赖 Linux 操作系统、Node.js 环境,也不需要树莓派或云服务器。用户只需通过 USB 供电并连接 WiFi,即可在 Telegram 中与其对话,让它处理各类任务。
该项目主要解决了传统 AI 助手部署成本高、资源占用大以及依赖复杂软件栈的痛点。MimiClaw 摒弃了臃肿的系统层,仅用纯 C 语言编写,实现了极低功耗(0.5W)下的 7x24 小时运行。其独特的技术亮点在于构建了基于本地闪存记忆的“硬件智能体操作系统”,不仅支持在运行时切换 Anthropic (Claude) 和 OpenAI (GPT) 等大模型服务商,还能在断电重启后保留记忆,持续进化。
MimiClaw 非常适合喜欢动手的开发者、嵌入式系统爱好者以及希望低成本探索本地化 AI 应用的研究人员。对于想要拥有私有化、低功耗且无需维护服务器的小型智能助理的极客用户来说,这是一个极具创意且实用的选择。它证明了强大的 AI 交互能力不再局限于高性能计算机,微小的芯片也能承载聪明的智慧。
使用场景
独居老人张大爷希望有一个能随时对话、记住往事且无需复杂操作的智能陪伴助手,但苦于现有方案门槛过高。
没有 mimiclaw 时
- 硬件成本高昂:必须购买树莓派、Mac mini 或租用云服务器,初期投入数百至上千元,且每月需支付维护费。
- 系统维护繁琐:需要安装 Linux 操作系统、配置 Node.js 环境并处理各种依赖冲突,对非技术人员简直是噩梦。
- 隐私与记忆缺失:数据存储在云端或易失性内存中,断电后对话记忆清零,且个人谈话内容存在泄露风险。
- 能耗与噪音问题:传统设备需风扇散热且功耗较高,无法实现真正的 24 小时静音待机。
使用 mimiclaw 后
- 极致低成本:仅需一块 5 美元的 ESP32-S3 芯片和 USB 供电,总成本不到一杯咖啡钱,即可拥有专属硬件。
- 零系统负担:基于纯 C 语言运行,无需 Linux 或 Node.js,刷入固件即插即用,彻底告别环境配置焦虑。
- 本地持久记忆:利用板载 Flash 存储对话历史,断电重启后依然记得张大爷的喜好和往事,数据完全本地化保障隐私。
- 无感静音运行:功耗仅 0.5W,无风扇设计完全静音,通过 Telegram 即可随时交互,真正融入日常生活。
mimiclaw 将昂贵的云端 AI 能力压缩进拇指大小的芯片,让每个人都能以极低成本拥有私有化、长记忆的贴身智能助手。
运行环境要求
- Linux (Ubuntu 22.04/24.04)
- macOS (12/13/14)
不需要 GPU,运行于 ESP32-S3 微控制器芯片
开发环境未明确说明;目标硬件需 8 MB PSRAM

快速开始
MimiClaw:基于5美元芯片的口袋AI助手
全球首款运行在5美元芯片上的AI助手(OpenClaw)。无需Linux,无需Node.js,纯C语言实现。
MimiClaw可以将一块小巧的ESP32-S3开发板变成你的私人AI助手。只需接入USB电源、连接WiFi,并通过Telegram与它对话——无论你提出什么任务,它都能轻松应对,并且会利用本地存储不断学习进化,这一切都仅靠一颗拇指大小的芯片完成。
认识MimiClaw
- 微型 — 无Linux,无Node.js,无臃肿软件,纯C代码
- 便捷 — 通过Telegram发送消息,剩下的交由它处理
- 忠诚 — 基于内存学习,重启后仍能记住信息
- 高效 — USB供电,功耗仅0.5W,可全天候运行
- 亲民 — 仅需一块ESP32-S3开发板,成本约5美元,无需其他配件
工作原理

当你在Telegram上发送消息时,ESP32-S3通过WiFi接收该消息,将其输入到代理循环中——LLM进行思考、调用工具、读取记忆——然后将回复发回给你。支持Anthropic(Claude)和OpenAI(GPT)两种模型提供商,可在运行时切换。所有操作均在一块仅需5美元的芯片上完成,数据完全存储在本地闪存中。
快速入门
所需材料
- 一块带有16MB闪存和8MB PSRAM的ESP32-S3开发板(例如Xiaozhi AI板,约10美元)
- 一根USB Type-C数据线
- 一个Telegram机器人Token — 可在Telegram上联系@BotFather获取
- 一个Anthropic API密钥 — 从console.anthropic.com获取,或一个OpenAI API密钥 — 从platform.openai.com获取
安装步骤
# 首先需要安装ESP-IDF v5.5及以上版本:
# https://docs.espressif.com/projects/esp-idf/en/v5.5.2/esp32s3/get-started/
git clone https://github.com/memovai/mimiclaw.git
cd mimiclaw
idf.py set-target esp32s3
Ubuntu安装指南
推荐环境:
- Ubuntu 22.04/24.04
- Python >= 3.10
- CMake >= 3.16
- Ninja >= 1.10
- Git >= 2.34
- flex >= 2.6
- bison >= 3.8
- gperf >= 3.1
- dfu-util >= 0.11
libusb-1.0-0、libffi-dev、libssl-dev
在Ubuntu上安装并编译:
sudo apt-get update
sudo apt-get install -y git wget flex bison gperf python3 python3-pip python3-venv \
cmake ninja-build ccache libffi-dev libssl-dev dfu-util libusb-1.0-0
./scripts/setup_idf_ubuntu.sh
./scripts/build_ubuntu.sh
macOS安装指南
推荐环境:
- macOS 12/13/14
- Xcode命令行工具
- Homebrew
- Python >= 3.10
- CMake >= 3.16
- Ninja >= 1.10
- Git >= 2.34
- flex >= 2.6
- bison >= 3.8
- gperf >= 3.1
- dfu-util >= 0.11
libusb、libffi、openssl
在macOS上安装并编译:
xcode-select --install
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
./scripts/setup_idf_macos.sh
./scripts/build_macos.sh
配置
MimiClaw采用两层配置系统:编译时默认值存储在mimi_secrets.h中,运行时可通过串口CLI进行覆盖。CLI设置会保存到NVS闪存中,优先级高于编译时的默认值。
cp main/mimi_secrets.h.example main/mimi_secrets.h
编辑main/mimi_secrets.h文件:
#define MIMI_SECRET_WIFI_SSID "YourWiFiName"
#define MIMI_SECRET_WIFI_PASS "YourWiFiPassword"
#define MIMI_SECRET_TG_TOKEN "123456:ABC-DEF1234ghIkl-zyx57W2v1u123ew11"
#define MIMI_SECRET_API_KEY "sk-ant-api03-xxxxx"
#define MIMI_SECRET_MODEL_PROVIDER "anthropic" // "anthropic" 或 "openai"
#define MIMI_SECRET_SEARCH_KEY "" // 可选:Brave Search API密钥
#define MIMI_SECRET_TAVILY_KEY "" // 可选:Tavily API密钥(推荐)
#define MIMI_SECRET_PROXY_HOST "" // 可选:例如 "10.0.0.1"
#define MIMI_SECRET_PROXY_PORT "" // 可选:例如 "7897"
随后进行编译和烧录:
# 清理构建(每次修改mimi_secrets.h后必须执行)
idf.py fullclean && idf.py build
# 查找串口设备
ls /dev/cu.usb* # macOS
ls /dev/ttyACM* # Linux
# 烧录并监视(将PORT替换为你的串口)
# USB适配器:通常是/macOS上的/dev/cu.usbmodem11401或/Linux上的/dev/ttyACM0
idf.py -p PORT flash monitor
重要提示:请务必插入正确的USB端口! 大多数ESP32-S3开发板配备两个USB-C接口。你必须使用标有USB(原生USB串口/JTAG)的那一端,而不能使用标有COM(外部UART桥接)的那一端。如果插错端口,会导致烧录或监视失败。
参考图片
![]()
CLI命令(通过UART/COM端口)
通过串口连接以进行配置或调试。配置命令允许你在不重新编译的情况下更改设置——只需随时插入USB线即可。
运行时配置(保存至NVS,会覆盖编译时默认值):
mimi> wifi_set MySSID MyPassword # 更改WiFi网络
mimi> set_tg_token 123456:ABC... # 更改Telegram机器人Token
mimi> set_api_key sk-ant-api03-... # 更改API密钥(Anthropic或OpenAI)
mimi> set_model_provider openai # 切换模型提供商(anthropic|openai)
mimi> set_model gpt-4o # 更改LLM模型
mimi> set_proxy 127.0.0.1 7897 # 设置HTTP代理
mimi> clear_proxy # 移除代理
mimi> set_search_key BSA... # 设置Brave Search API密钥
mimi> set_tavily_key tvly-... # 设置Tavily API密钥(推荐)
mimi> config_show # 显示所有配置(已加密)
mimi> config_reset # 清除NVS,恢复为编译时默认值
调试与维护:
mimi> wifi_status # 我是否已连接WiFi?
mimi> memory_read # 查看机器人当前的记忆内容
mimi> memory_write "content" # 向MEMORY.md写入内容
mimi> heap_info # 当前剩余多少RAM?
mimi> session_list # 列出所有聊天会话
mimi> session_clear 12345 # 清除指定会话
mimi> heartbeat_trigger # 手动触发心跳检查
mimi> cron_start # 立即启动定时任务调度器
mimi> restart # 重启设备
USB(JTAG)与 UART:各端口的用途
大多数 ESP32-S3 开发板都提供了 两个 USB-C 端口:
| 端口 | 用途 |
|---|---|
| USB(JTAG) | idf.py flash、JTAG 调试 |
| COM(UART) | REPL CLI、串行控制台 |
REPL 需要使用 UART(COM)端口。 USB(JTAG)端口不支持交互式 REPL 输入。
端口详情及推荐工作流程
| 端口 | 标签 | 协议 |
|---|---|---|
| USB | USB / JTAG | 原生 USB 串口/JTAG |
| COM | UART / COM | 外置 UART 桥接芯片(CP2102/CH340) |
ESP-IDF 控制台/REPL 默认配置为使用 UART(CONFIG_ESP_CONSOLE_UART_DEFAULT=y)。
如果同时连接了两个端口:
- USB(JTAG)负责固件烧录和下载,并提供辅助串行输出
- UART(COM)则作为 REPL 的主要交互式控制台
- macOS:两者都会显示为
/dev/cu.usbmodem*或/dev/cu.usbserial-*— 可运行ls /dev/cu.usb*来识别 - Linux:USB(JTAG)→
/dev/ttyACM0,UART →/dev/ttyUSB0
推荐的工作流程如下:
# 通过 USB(JTAG)端口烧录
idf.py -p /dev/cu.usbmodem11401 flash
# 通过 UART(COM)端口打开 REPL
idf.py -p /dev/cu.usbserial-110 monitor
# 或者使用任何串口终端:screen、minicom、PuTTY,波特率设置为 115200
内存
MimiClaw 将所有内容存储为纯文本文件,您可以直接阅读和编辑:
| 文件 | 内容 |
|---|---|
SOUL.md |
机器人的个性——编辑此文件可改变其行为方式 |
USER.md |
您的个人信息——姓名、偏好、语言等 |
MEMORY.md |
长期记忆——机器人应始终记住的内容 |
HEARTBEAT.md |
任务列表——机器人会定期检查并自主执行的任务 |
cron.json |
定时任务——由 AI 创建的周期性或一次性任务 |
2026-02-05.md |
每日笔记——当天发生的事情 |
tg_12345.jsonl |
对话历史——您与机器人的聊天记录 |
工具
MimiClaw 同时支持 Anthropic 和 OpenAI 的工具调用——LLM 可以在对话过程中调用工具,并循环执行直到任务完成(ReAct 模式)。
| 工具 | 描述 |
|---|---|
web_search |
使用 Tavily(首选)或 Brave 搜索网络以获取最新信息 |
get_current_time |
通过 HTTP 获取当前日期/时间并同步系统时钟 |
cron_add |
设置周期性或一次性任务(LLM 可自行创建 cron 作业) |
cron_list |
列出所有已安排的 cron 作业 |
cron_remove |
根据 ID 删除一个 cron 作业 |
要启用网页搜索功能,请通过 MIMI_SECRET_TAVILY_KEY 设置 [Tavily API 密钥](https://app.tavily.com/home),这是首选方式;或者通过 MIMI_SECRET_SEARCH_KEY 在 mimi_secrets.h 中设置 [Brave Search API 密钥](https://brave.com/search/api/)。
Cron 任务
MimiClaw 内置了一个 cron 定时器,允许 AI 自动安排自己的任务。LLM 可以通过 cron_add 工具创建周期性任务(“每隔 N 秒”)或一次性任务(“在某个 Unix 时间戳”)。当任务触发时,其消息会被注入到代理循环中——因此 AI 会醒来、处理任务并作出响应。
这些任务会持久化到 SPIFFS(cron.json)中,即使重启也能保留。典型应用场景包括每日总结、定期提醒以及定时检查等。
心跳机制
心跳服务会定期从 SPIFFS 中读取 HEARTBEAT.md 文件,并检查其中是否有待办事项。如果发现未完成的任务(非空行、标题或已勾选的 - [x] 方框),它会向代理循环发送提示,让 AI 自主执行这些任务。
这使得 MimiClaw 成为一个主动型助手——只需将任务写入 HEARTBEAT.md,机器人就会在下一次心跳周期(默认每 30 分钟)自动处理它们。
其他功能
- WebSocket 网关,位于端口 18789——可通过任何 WebSocket 客户端从您的局域网连接
- OTA 更新——无需 USB,即可通过 WiFi 烧录新固件
- 双核架构——网络 I/O 和 AI 处理分别运行在不同的 CPU 核心上
- HTTP 代理——支持 CONNECT 隧道,适用于受限网络
- 多提供商支持——同时支持 Anthropic(Claude)和 OpenAI(GPT),可在运行时切换
- Cron 定时器——AI 可以自主安排周期性和一次性任务,且重启后仍能保留
- 心跳机制——定期检查任务文件,并提示 AI 自主行动
- 工具调用——ReAct 代理循环,支持两家提供商的工具调用
针对开发者
技术细节请参阅 docs/ 文件夹:
- docs/ARCHITECTURE.md——系统设计、模块图、任务布局、内存预算、协议、闪存分区
- docs/TODO.md——功能差距跟踪与路线图
- docs/WIFI_ONBOARDING_AP.md——本地
MimiClaw-XXXX入网/管理 AP 流程的工作原理 - docs/tool-setup/——外部服务集成(如 Tavily 等)的配置指南
贡献说明
在提交问题或拉取请求之前,请先阅读 CONTRIBUTING.md。
贡献者
感谢所有为 MimiClaw 做出贡献的人。
许可证
MIT 许可证
致谢
受 OpenClaw 和 Nanobot 的启发。MimiClaw 重新实现了面向嵌入式硬件的核心 AI 代理架构——无需 Linux,无需服务器,仅需一块价值 5 美元的芯片。
星标历史
版本历史
v0.1.12026/03/17v0.1.02026/02/09常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备
Deep-Live-Cam
Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具,用户仅需一张静态照片,即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点,让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界,更因其极简的操作逻辑(仅需三步:选脸、选摄像头、启动),广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换,还是制作趣味短视频和直播互动,Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力,支持口型遮罩(Mouth Mask)以保留使用者原始的嘴部动作,确保表情自然精准;同时具备“人脸映射”功能,可同时对画面中的多个主体应用不同面孔。此外,项目内置了严格的内容安全过滤机制,自动拦截涉及裸露、暴力等不当素材,并倡导用户在获得授权及明确标注的前提下合规使用,体现了技术发展与伦理责任的平衡。