乐鑫 ESP-Claw 聊天造物 AI 智能体框架：让 MCU 级芯片跑起边缘智能体

2026 年 7 月 17 日，乐鑫信息科技发布 ESP-Claw 全新升级版本，新增 Skills Lab 技能商店、多 Agent 协同执行、增强的上下文管理、Lua 异步运行时、更丰富的外设支持与在线刷机能力。ESP-Claw 是乐鑫面向 AIoT 设备的 Chat Coding AI Agent 框架，采用 LLM 与 Lua 混合架构，用自然语言定义设备行为，在 ESP SoC 上完成感知、推理、决策与执行的闭环。该框架受 OpenClaw 概念启发、以 C 语言重新实现，把智能体运行时直接下沉到 MCU。

官方文档用一张对比表划清了它与传统物联网的分界：传统 IoT 用预设静态规则处理，执行引擎是规则引擎，控制中心在云端，记忆存在云端数据存储，交互限于 App 与控制面板，协议是 MQTT、Matter 或私有 SDK；ESP-Claw 则是 LLM 动态决策加 Lua 确定性规则，控制中心落在边缘节点，记忆改为芯片端结构化记忆，交互入口换成即时通讯软件，协议扩展为 MCP 统一语言与多协议桥接。

第一项能力是聊天造物。设备通过 IM 聊天加 Lua 动态加载，普通用户用自然语言即可定义设备行为；经模型确认的脚本固化为本地 Lua 规则，断网时同样可用。官方兼容 OpenAI 风格与 Anthropic 风格接口，原生支持 GPT、Qwen、Claude、DeepSeek 等模型并允许自定义端点，IM 侧支持 Telegram、QQ、飞书与微信，也可继续扩展。

第二项能力是事件驱动。设备不再轮询，而是由本地事件总线驱动 Lua 规则处理传感器数据与触发事件，官方给出的响应量级是毫秒级；只有事件未匹配本地规则时才自动调用大模型，固定逻辑全程不需要模型参与，把延迟与成本压到最低。执行引擎被拆成 Router 与 LLM、Lua 三级事件处理，确定性留在本地，弹性留给模型。

第三项能力是 MCP 双向互联。设备通过 MCP 自声明能力，取代逐个外设逐一适配的做法：ESP-Claw 同时具备 MCP Server 与 MCP Client 身份，既能被外部智能体调用、把硬件能力对外开放，也能主动调用外部服务，设备的能力边界不再由固件写死。

第四项能力是芯片端的结构化长期记忆。记忆采用摘要标签与按需召回机制，以 JSONL 组织，不依赖向量数据库，更契合 MCU 的资源条件；用户偏好从对话和事件中自动提取并留在本地，隐私不上云。配合 /session 创建、查看、切换与删除会话，天气屏开发、传感器监控与外设调试分属不同上下文，互不干扰。

落到硬件，官方支持列表是 ESP32-S3、ESP32-P4、ESP32-C5 与 ESP32-S31 四个平台，并明确要求至少 8MB Flash 与 8MB PSRAM。通过 ESP Board Manager 与社区贡献，适配开发板已扩展到 20 多款，含乐鑫官方板与 M5Stack、DFRobot、LilyGO、Waveshare 等生态板；官方仓库提供在线烧录与浏览器内配置，无需本地编译，未列入在线列表的开发板以及 ESP32-P4 则通过本地编译烧录支持。

落到具体设备形态，ESP-Claw 的价值在几类终端上体现得最为直接。在桌面 AI 助手与随身智能终端上，ESP-Ditto 把触摸屏、麦克风、扬声器、摄像头与姿态传感器集于一体，事件驱动让拿起即唤醒、触摸即交互成为可能，对话经记忆系统沉淀为个人偏好，选本地智能体的理由正是低延迟与隐私。在带屏情感交互终端上，官方语音方案矩阵覆盖 ESP-VoCat 的 1.85 英寸圆屏双麦阵列与 ESP-Eyemoji、ESP-Gogo 的双屏形态，ESP-Claw 可直接接管对话与表情控制逻辑。在摄像头视觉应用上，USB 摄像头配合运动检测类 Skill 即可完成画面预览与人体活动判断，再通过 MCP 把能力开放给外部智能体。在家庭自动化与传感器节点上，温湿度、人体存在与门窗状态上报的事件先由本地 Lua 规则处理，匹配即执行，断网时依旧按既定逻辑工作，取数展示则由 HTTP Client 脚本拉取天气或行情。在舵机、小车与四足机器人上，MCPWM 负责驱动、异步任务负责仪表显示与动画，官方 Skill 商店中的四足机器狗控制可作现成参考。

升级中最具想象力的部分，是全新的 Skills Lab 技能商店。开发者可浏览、搜索、安装与分享 ESP-Claw Skill，也可让设备直接从云端安装。一个 Skill 不只是描述，还封装 Lua 脚本、静态资源、调用示例、外设依赖与能力声明，使模型理解它的适用场景、输入参数与调用方式。目前已覆盖游戏、工具、网络、媒体、传感器、AI、UI 与硬件等类别，官方示例包括摄像头预览、运动检测、天气查询、网络电台与四足机器狗控制，UI 类 Skill 支持网页端在线体验。

Agent Core 的升级带来多 Agent 执行能力，主 Agent 可把搜索、调试、代码生成与硬件验证拆给子 Agent 并汇总结果，界面可实时跟踪子 Agent 进度。上下文管理同步增强：按需构建提示词、优化前缀一致性以提升缓存命中率、保留最近工具调用历史、上下文变长时自动压缩，异常退出后的上下文与工作状态可恢复，长链路、多步骤任务因此更稳定。

Lua Runtime 从演示走向工程化：动画渲染、音频播放、传感器监听与屏幕仪表盘等长期任务可以异步 Job 方式启动，支持状态查询、停止任务与查看执行日志；升级引入基于 PSRAM 的 RAMfs 虚拟文件系统，降低 Flash I/O 延迟与磨损，并在分区故障时自动恢复关键文件，运行时兼容 ESP-IDF v5.5.4 与 v6。外设侧，Lua 可直接访问 I2C、UART、MCPWM、PCNT、RMT、ADC、USB 与 BLE HID，支持 USB 摄像头、USB 麦克风与扬声器、LCD 显示、触摸输入、WS2812 灯带、红外、IMU、环境传感器、磁力计与电池电量计，新增 LVGL 图形界面能力；联网侧支持 HTTP Client 与 HTTP Server，可在设备端启动网页控制面板。

配套硬件同样已经落地。官方推荐新推出的 ESP-Ditto，它是围绕 ESP-Claw 打造的智能硬件平台，搭载 ESP32-C5，集成屏幕、扬声器、麦克风与摄像头等外设并提供多种扩展接口，定位为面向桌面场景的全能型智能终端；ESP-Ditto-Lite 配备电池与磁吸结构，更轻巧便携，面向户外与移动场景。从官方公布的硬件资料看，ESP-Ditto 主控采用 ESP32-C5-WROOM-1-N16R8 模组，标准版配 1.83 英寸触摸屏与可折叠 SPI 摄像头，集成 BMI270 六轴 IMU 与三轴地磁计，背部扩展接口还能外接拓展器与云台底座。

那么不同形态的产品该选哪颗芯片？官方 LLM 方案矩阵给出了参考坐标：语音与带屏交互终端以 ESP32-S3 为首选，双核 LX7 240MHz、最多 512KB SRAM 加 PSRAM、内置触摸传感器、支持多麦克风与 AEC 回声消除，可接 SPI、DVP 与 USB 摄像头；ESP32-C5 具备 2.4GHz 与 5GHz 双频 Wi-Fi 6、蓝牙 5 与 802.15.4，芯片 29 个 GPIO、384KB SRAM 并支持 PSRAM，适合作为桌面智能终端与双频联网设备主控；ESP32-S31 双核 320MHz、512KB SRAM 与 DDR PSRAM，配合千兆以太网 MAC 与 LE Audio，可承载更高端的带屏 AI 终端；ESP32-P4 双核 RISC-V 400MHz、MIPI-CSI 与 MIPI-DSI，是高分辨率视觉方案主力，但其无内置无线，需搭配无线模组。

工程化上还有两点值得提前留意。官方仓库明确 ESP-Claw 目前仍处于活跃开发阶段，可通过 Issue、在线问卷与官方 TODO 清单参与特性排序，这既是开放度，也是版本节奏的提示；芯片端记忆不上云并不等于数据不出网，调用云端大模型的环节仍需评估数据外发范围与合规要求，把本地规则、云端模型与外部 MCP 服务的边界划清。

在方案落地环节，飞睿科技作为乐鑫科技一级代理商，可提供料号选型建议、开发板与样片支持、原厂技术对接与射频设计评审，并在从方案评估到量产导入的全程配合中保障稳定供货，帮助客户在芯片平台、存储配置与开发节奏之间做出稳妥判断，缩短边缘智能产品的落地周期。