ESP-Claw：乐鑫科技开源的「对话编程」AI Agent 框架，边缘智能的新思路

发表于 更新于 分类于

引子

当你花几块钱买了一块 ESP32-S3 开发板，除了点灯、跑 MQTT、接传感器，还能做什么？

乐鑫科技（Espressif）给出了一个让人眼前一亮的答案：ESP-Claw——一个运行在 ESP32 芯片上的「Chat Coding」AI Agent 框架，让设备不仅能联网，还能思考、决策、执行。

传统物联网止步于「连接」——设备能上网、能接收命令，但不会主动思考。ESP-Claw 把 Agent 运行时下沉到边缘芯片，让几美元的硬件具备了与大模型协作的能力。

项目简介

ESP-Claw 是乐鑫科技开源的 AI Agent 框架，专为 IoT 设备设计。它通过对话定义设备行为，在 ESP32 芯片上本地完成感知→推理→决策→执行的全链路。

核心特点：

  • 「对话即编程」：用 IM 聊天 + 动态 Lua 加载，普通人也能定义设备行为
  • 事件驱动：毫秒级响应，事件触发 Agent 循环
  • 双向 MCP：设备既是被外部 Agent 调用的 MCP Server，也是主动调用外部服务的 MCP Client
  • 本地记忆：结构化长期记忆，隐私留在本地

项目地址：espressif/esp-claw，⭐ 699

架构分析

整体架构

ESP-Claw 采用分层设计，从上到下依次为：

graph TB
    subgraph 应用层
        IM[IM 聊天界面<br/>Telegram/微信/飞书]
        Web[Web 控制台]
        ExtAgent[外部 Agent]
    end
    
    subgraph Agent 运行时
        ChatCoding[对话编程引擎]
        EventRouter[事件路由器]
        Memory[本地记忆模块]
        MCPLayer[MCP 通信层]
    end
    
    subgraph 执行层
        LuaEngine[Lua 执行引擎]
        LLM[LLM 云端推理]
        Native[原生外设驱动]
    end
    
    subgraph 硬件层
        ESP32[ESP32-S3 系列芯片]
        Sensors[传感器/执行器]
    end
    
    IM --> ChatCoding
    Web --> ChatCoding
    ExtAgent --> MCPLayer
    MCPLayer --> EventRouter
    ChatCoding --> EventRouter
    EventRouter --> Memory
    EventRouter --> LuaEngine
    EventRouter --> LLM
    LuaEngine --> Native
    LLM --> Native
    Native --> ESP32
    ESP32 --> Sensors

三层事件处理机制

ESP-Claw 的核心决策引擎采用 LLM + Lua + Router 三层架构：

flowchart LR
    Event[事件输入]
    
    subgraph Router层["Router 层（优先路由）"]
        Static[静态规则匹配]
    end
    
    subgraph Lua层["Lua 层（确定性规则）"]
        LuaScript[用户定义 Lua 脚本]
    end
    
    subgraph LLM层["LLM 层（智能推理）"]
        CloudLLM[云端大模型]
    end
    
    Event --> Router
    Router -->|规则命中| LuaScript
    Router -->|无规则| LLM
    LuaScript -->|执行动作| Action1[动作输出]
    LLM -->|生成决策| Action2[动作输出]
    
    style Router层 fill:#e1f5fe
    style Lua层 fill:#fff3e0
    style LLM层 fill:#f3e5f5
层级职责适用场景
Router静态规则快速匹配定时任务、简单条件触发
Lua用户自定义确定性逻辑复杂但可预测的业务流程
LLM模糊推理、开放域决策需要理解自然语言的场景

双向 MCP 架构

ESP-Claw 支持 MCP（Model Context Protocol） 双向通信：

sequenceDiagram
    participant ExtAgent as 外部 Agent
    participant ESPClaw as ESP-Claw设备
    participant Cloud as 云端服务
    participant Sensor as 传感器/执行器
    
    ExtAgent->>ESPClaw: 调用工具 (MCP Client→Server)
    ESPClaw->>Sensor: 读取传感器/执行动作
    Sensor-->>ESPClaw: 返回数据
    ESPClaw-->>ExtAgent: 工具执行结果
    
    ESPClaw->>Cloud: 主动调用外部 API (MCP Server→Client)
    Cloud-->>ESPClaw: 返回结果
    ESPClaw->>Sensor: 根据结果执行动作

这意味着 ESP-Claw 设备既可以被 Claude、OpenAI 等外部 Agent 调用，也可以主动调用外部服务。

本地记忆模块

ESP-Claw 的记忆系统采用 JSONL + 标签摘要 的轻量级方案：

graph LR
    subgraph 记忆存储
        JSONL[(JSONL 文件<br/>持久化存储)]
        Index[(标签索引)]
    end
    
    subgraph 记忆操作
        Write[写入记忆]
        Retrieve[检索记忆]
        Summarize[自动摘要]
    end
    
    Write --> JSONL
    Write --> Index
    JSONL --> Summarize
    Summarize --> Index
    Retrieve --> Index
    Index --> JSONL

关键设计：

  • 隐私优先：所有记忆存在本地，不上传云端
  • 轻量索引：基于标签的检索，无需向量数据库
  • 自动摘要：防止记忆文件无限膨胀

核心机制详解

Chat Coding 工作流

用户通过 IM 聊天定义设备行为，ESP-Claw 动态加载 Lua 脚本执行：

flowchart TD
    User[用户发送自然语言指令]
    LLM[LLM 理解意图]
    LuaGen[生成 Lua 代码片段]
    Validate[语法验证]
    Load[动态加载到 ESP32]
    Persist[持久化为确定性规则]
    
    User --> LLM
    LLM --> LuaGen
    LuaGen --> Validate
    Validate -->|通过| Load
    Validate -->|失败| LLM
    Load --> Persist
    Persist --> EventRouter[事件路由器]
    
    EventRouter -->|后续同类事件| LuaEngine[Lua 引擎执行]

事件驱动与毫秒响应

传统物联网依赖云端决策，网络延迟往往在 100ms 以上。ESP-Claw 的事件驱动架构实现了本地毫秒级响应：

  • 事件来源：传感器数据、定时器、外部 API 回调、IM 消息
  • 响应路径：事件 → Router 规则匹配 → 就近执行
  • 降级策略：规则未命中时才调用 LLM
graph LR
    subgraph 快速路径
        E1[事件] --> R1[Router 规则匹配]
        R1 -->|命中| A1[本地执行<br/>&lt;10ms]
    end
    
    subgraph 智能路径
        E2[事件] --> R2[Router 规则匹配]
        R2 -->|未命中| L[LLM 推理<br/>100-500ms]
        L --> A2[云端决策执行]
    end
    
    style 快速路径 fill:#c8e6c9
    style 智能路径 fill:#fff9c4

对比分析

ESP-Claw vs 传统物联网

维度传统物联网（云端中心化）ESP-Claw（边缘 AI）
处理逻辑预设静态规则（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
控制中心云端服务器边缘节点（ESP 芯片）
设备协议MQTT / Matter / 私有 SDKMCP 统一语言 + 多协议桥接
记忆管理云端数据存储本地结构化记忆（JSONL + 标签）
交互模式App / 控制面板IM 聊天（Telegram/微信/飞书）
智能化程度预设自动化LLM + 本地规则（持续演进）

ESP-Claw vs 其他边缘 Agent 框架

框架硬件要求本地推理MCP 支持编程方式
ESP-ClawESP32-S3 (~$5)❌ 依赖云端 LLM✅ 双向对话 + Lua
Hub180树莓派/网关⚠️ 部分支持❌配置文件
AWS IoT GreengrassARM 网关 (~$50+)✅ 本地 Lambda❌云端定义

ESP-Claw 的核心优势在于极低的硬件成本和对话式编程的易用性，但受限于 ESP32 的算力，本地推理仍需依赖云端 LLM。

使用指南

快速开始：在线烧录

ESP-Claw 支持浏览器在线烧录，无需搭建开发环境：

  1. 访问 esp-claw.com/en/flash/
  2. 选择开发板（ESP32-S3 系列支持 Breadboard、M5Stack CoreS3 等）
  3. 连接设备，一键烧录最新固件
  4. 配置 WiFi 和 LLM Provider（Telegram/微信/飞书）

本地构建

1
2
3
4
5
6
7
8
9
10
11
12
13
# 克隆仓库
git clone https://github.com/espressif/esp-claw.git
cd esp-claw

# 安装 ESP-IDF（乐鑫官方 SDK）
./install.sh

# 配置项目
idf.py set-target esp32s3
idf.py menuconfig

# 编译烧录
idf.py build flash monitor

第一个 Agent 程序

通过飞书向设备发送：

1
当温度大于30度时，打开风扇，并回复我"已开启风扇"

ESP-Claw 会：

  1. 调用 LLM 理解意图
  2. 生成 Lua 脚本
  3. 加载到事件路由器
  4. 后续温度事件自动触发执行

趋势与思考

边缘 Agent 的演进方向

ESP-Claw 代表了边缘智能的一个有趣方向：

  1. 成本革命：用 $5 硬件实现过去需要 $50+ 网关的能力
  2. 交互革命：从配置文件到自然语言，降低了 IoT 开发门槛
  3. 隐私革命：记忆本地化，敏感数据不经过云端

现存挑战

  • 算力瓶颈：ESP32 无法跑本地 LLM，仍依赖云端
  • 实时性：需要 LLM 决策的场景仍有网络延迟
  • 生态成熟度：刚开源不久，周边生态（如可视化调试工具）有待完善

展望

随着芯片算力提升（如 ESP32-P4 支持更多 AI 加速特性），未来 ESP-Claw 有望实现真正的本地 LLM 推理，届时边缘 Agent 将迎来更大爆发。

相关链接：