乐鑫重磅开源 ESP-Claw：把 Agent 塞进了 ESP32

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：

• • 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

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. 1. 打开乐鑫网页刷写工具
2. 2. 选择芯片型号
3. 3. 点击刷入
4. 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

四层架构：

1. 1. 应用组装层 — 启动入口、网络配置、Web 配置页
2. 2. 能力层 — IM 通信、MCP、Lua 运行时、调度等
3. 3. 运行时核心层 — 核心上下文、能力注册、事件路由、记忆管理
4. 4. 设备扩展层 — 显示屏、摄像头、音频、GPIO 等外设暴露给 Lua 和 Agent

写在最后

OpenClaw 是跑在 PC 和服务器上的 AI 智能体网关——通过 IM 聊天连接用户、调度大模型、管理工具与记忆。

ESP-Claw 要解决的是同一个问题：如何把这套能力从 PC 环境延伸到实体物理世界？

乐鑫给出的答案很直接——把 Agent 塞进 ESP32，让设备自己能看、能想、能干。

这不是又一个"语音控制开关"的玩具，而是一个真正让 IoT 设备具备自主决策能力的基础设施。

当聊天就能开发智能设备成为现实，IoT 开发门槛会被拉到多低？

GitHub：https://github.com/espressif/esp-claw