FemtoClaw 微型龙虾智能体
你能在价格低于一杯咖啡的芯片上运行 AI 智能体吗？
微信 ezpoda免费咨询：AI编程 | AI模型微调| AI私有化部署 | Tripo 3D | Meshy AI
我发现了 Ziboyan Wang 开发的 MimiClaw —— 这是一个在 ESP32-S3 上运行 AI 智能体的精彩项目。MimiClaw 证明了你不需要 Linux 就能和 Claude 或 OpenAI 对话。你可以在裸机 C 语言环境中，在 FreeRTOS 任务上实现这一切。
但 MimiClaw 需要配备 8MB PSRAM 的 ESP32-S3 —— 一块价值 10 美元的开发板，而我手头有一块 ESP-WROOM-32，这是我在 2018 年买的。此外，它还需要 Claude 或 OpenAI 的 API 密钥，但我不想为此付费，因为 OpenClaw 和其他 Claws 项目支持 Ollama、vLLM 或 LM Studio 等本地模型。
ESP-WROOM-32 没有 PSRAM。在 WiFi 和 FreeRTOS 占用份额后，只剩下约 120KB 内部 SRAM。两个 TLS 连接（一个用于 Telegram，一个用于 LLM API）每个都要消耗约 120KB。基本上什么都没剩下。我尝试构建并烧录，但无法烧录到 ESP32，因为它需要 ESP32-S3，所以我遇到了阻碍！
我想在 ESP32 上实现这个目标。一块价值 4 美元的微控制器，拥有约 120KB 的可用内存，看看我能否在如此有限的设备上让它运行起来。我 fork 了 MimiClaw 并添加了 ESP32 支持，它成功了。我称之为 FemtoClaw。
1、FemtoClaw 实际上能做什么
FemtoClaw 是一个运行在裸机 ESP32 硬件上的完整 AI 智能体。以下是它的功能：
- 通过 Telegram 聊天 —— 从手机向它发送消息，获得由 Claude、GPT 或本地 LLM 模型（通过 Ollama 或 LM Studio 提供）驱动的响应
- 搜索网络 —— 使用 DuckDuckGo（零配置）或 Brave Search（需要 API 密钥）
- 记住事物 —— 长期记忆存储在闪存中的 markdown 文件里，重启后仍然保留
- 调度任务 —— AI 创建自己的 cron 作业并自主执行
- 心跳 —— 定期唤醒，检查任务列表，并在未被请求的情况下采取行动
- 读写文件 —— 在板载的 SPIFFS 文件系统上
- 在多个 LLM 提供商上运行 —— Anthropic (Claude)、OpenAI (GPT)、Ollama 和 LM Studio
所有这些功能都使用纯 C 语言实现，运行在 FreeRTOS 上，底层没有操作系统。
2、架构：将智能体塞进 120KB
以下是系统架构图：
设计将工作分配到两个 CPU 核心：
核心 0 处理所有 I/O —— Telegram 长轮询、WebSocket 服务器、串行 CLI、WiFi 事件和出站消息调度。
核心 1 完全专注于智能体循环。它从入站队列中取出消息，构建系统提示（从闪存加载个性、用户资料、长期记忆和日常笔记），构建消息数组，并进入 ReAct 循环。
ReAct 循环调用 LLM，检查响应是否包含工具调用，执行它们（网络搜索、文件操作、cron 管理），追加结果，然后再次循环 —— 最多 10 次迭代 —— 直到模型完成。
消息通过 FreeRTOS 队列流动。入站来自各个通道，出站来自智能体。清晰的分离，没有共享状态。
3、记忆系统
FemtoClaw 将所有内容作为纯文本文件存储在 SPIFFS 闪存上：
没有数据库。没有 Redis。只是闪存芯片上的 markdown 文件。事实证明这就是你所需要的一切。
4、困难的部分：在没有 PSRAM 的情况下让它工作
在 ESP32-S3（那块 10 美元的开发板）上，你有 8MB 的 PSRAM。这很容易。TLS 缓冲区、JSON 解析、会话历史 —— 把它们全部扔进 PSRAM 就可以继续了。
在 ESP-WROOM-32 上，你没有任何这些东西。以下是内存预算：
每个缓冲区都必须仔细调整大小。LLM 流缓冲区从 32KB (S3) 降到 8KB (ESP32)。上下文缓冲区从 16KB 降到 4KB。这些数字不是随意的 —— 它们是大量反复试验的结果。
femto_config.h 中的 #if CONFIG_SPIRAM 守卫处理这种分割：
#if CONFIG_SPIRAM
#define FEMTO_LLM_STREAM_BUF_SIZE (32 * 1024)
#else
#define FEMTO_LLM_STREAM_BUF_SIZE (8 * 1024)
#endif
它有效。
5、多提供商 LLM：不仅仅是 Claude
MimiClaw 只支持 Claude 或 OpenAI。我从一开始就想要的是提供商的灵活性以及对本地模型的支持。FemtoClaw 目前支持四个 LLM 后端：
你可以通过串行 CLI 在运行时切换提供商 —— 无需重新烧录：
femto> set_model_provider openai
femto> set_api_base_url http://192.168.1.100:11434
femto> set_model minimax-m2.5:cloud
LLM 代理自动处理所有格式差异。Anthropic 使用 system 作为顶级字段和 input_schema 作为工具。OpenAI 将系统提示放在消息数组中，并将工具包装在 function 对象中。代理在它们之间进行透明转换。
这意味着你可以完全离线地在本地网络上使用 Ollama 运行 FemtoClaw。一块 4 美元的芯片与本地 LLM 对话。无需云端。
6、零配置网络搜索：DuckDuckGo 来救场
MimiClaw 为所有功能都需要 API 密钥。我不想为网络搜索这样做。如果有人买了一块 4 美元的开发板并烧录了 FemtoClaw，网络搜索应该直接工作。
所以我构建了一个在 ESP32 本身上运行的 DuckDuckGo HTML 抓取器。它向 html.duckduckgo.com/html/ 发送 POST 请求，解析原始 HTML 响应，并提取标题、URL 和摘要。
棘手的部分？DuckDuckGo 的 HTML 页面在实际结果开始之前有大约 8KB 的样板代码。在具有 8KB 缓冲区的 ESP32 上，这意味着你的整个缓冲区被标题和导航填充 —— 没有结果。
修复方案是一个流式 HTML 解析器，它会跳过所有内容，直到找到 class="results"。只有那时它才开始写入缓冲区。这个单一优化使 DuckDuckGo 能够在 8KB RAM 上使用。
如果你确实有 Brave Search API 密钥，FemtoClaw 会改用它 —— JSON 解析更清晰、更快。但 DuckDuckGo 开箱即用，这很重要。
7、双目标：一个代码库，两个芯片
FemtoClaw 在同一个代码库中运行在 4 美元的 ESP-WROOM-32 和 10 美元的 ESP32-S3 上。ESP-IDF 构建系统处理目标选择：
idf.py set-target esp32 # $4 板
idf.py set-target esp32s3 # $10 板
S3 获得更大的缓冲区、PSRAM 分配，并有资格使用需要第三个 TLS 连接或更多闪存空间的功能。路线图根据硬件约束将每个计划的功能标记为"两者都支持"或"仅 S3"：
两者都支持（4 美元 + 10 美元）： 系统信息工具、Telegram 白名单、API 密钥轮换、模型故障转移、webhook 端点、天气工具、Gemini 提供商
仅 S3（10 美元）： HTTP 获取、会话压缩、Discord 机器人、Web 仪表板、从 URL 安装技能
ESP32 并没有被削弱 —— 它运行完整的智能体循环、网络搜索、cron、心跳和记忆系统。S3 只是解锁了需要更多 RAM 或闪存的额外功能。
8、我学到了什么
构建 FemtoClaw 教会了我一些代码中不会显现的东西：
限制催生创造力。 当你只有 120KB 时，你不添加功能 —— 你减少浪费。每次分配都会被质疑。每个缓冲区都会被测量。结果是软件只做它需要做的事情，不多不少。
Markdown 作为存储格式被低估了。 SOUL.md、MEMORY.md、日常笔记 —— AI 读写的是人类使用的相同格式。没有序列化层，没有 ORM，没有模式迁移。只是文本文件。
ReAct 模式出奇地可移植。 在云服务器上的 Python 中运行的相同观察-思考-行动循环，在微控制器上的 C 语言中也能运行。LLM 不在乎是什么在调用它。你只需要解析 JSON 和发出 HTTP 请求 —— ESP-IDF 两者都处理得很好。
4 美元的硬件惊人地强大。 ESP32 是为 IoT 传感器和 WiFi 小工具设计的。但通过精心设计，它运行一个完整的 AI 智能体。这感觉像是未来 —— 绝对边缘的智能，在硬件上足够便宜，可以嵌入任何地方。
9、自己试试
FemtoClaw 在 MIT 许可证下是开源的。你需要：
- 一块 ESP-WROOM-32（4 美元）或 ESP32-S3（10 美元）开发板
- 一个 Telegram 机器人令牌（从 BotFather 免费获得）
- 一个来自 Anthropic、OpenAI 或本地 Ollama/LM Studio 实例的 API 密钥
烧录它，发送一条 Telegram 消息，然后看着一块 4 美元的芯片思考。
10、接下来是什么
路线图包括会话压缩（总结旧消息以防止上下文丢失）、Discord 机器人、OTA 技能安装和 Web 仪表板 —— 所有这些都针对 ESP32-S3。对于 ESP32，重点是用现有功能的稳定性和效率。
我也在探索将 Gemini 作为第三个云端提供商和直接天气 API 集成，以减少网络搜索开销。
如果你对嵌入式 AI、边缘计算感兴趣，或者只是享受在不可能小的硬件上让事情工作的挑战 —— 我很乐意听到你的声音。提出问题、提交 PR，或者只是给仓库点星标并关注。
世界上最小的 AI 助手可以放在你的手掌中。而且它的成本比你早晨的咖啡还低。
原文链接: FemtoClaw: I Built the World's Smallest AI Assistant on a $4 Chip
汇智网翻译整理，转载请标明出处
