MimiClaw：用 5 美元 ESP32 跑一台 OpenClaw AI 助理

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

在 AI 隨身硬體動輒上百美元的年代，一台 5 美元的 ESP32 晶片能做什麼？開源專案 MimiClaw 給了一個具體的方向：它把 OpenClaw 這套 AI agent 框架，用純 C 語言塞進一片拇指大小的 ESP32-S3 晶片裡，插上 USB 電源、連好 Wi-Fi，就能透過 Telegram 跟它對話，讓它幫你處理任務、還會把記憶存在晶片上、斷電不消失。這不是把晶片當成把語音轉發到雲端的傳聲筒，而是讓 agent 邏輯真正在晶片上跑起來。

這類「邊緣 AI agent」是近期開源圈一個值得觀察的方向：把 agent 的決策、記憶與工具呼叫做成低成本硬體型態，隨插隨用。MimiClaw 是其中一個代表，掛在 OpenClaw 生態下，MIT 授權、純 C 實作。下面拆解它實際在做什麼、要怎麼上手、以及幾個動手前該先知道的事。

Pin

它實際在做什麼

MimiClaw 的核心，是把一個 agent 迴圈搬上 ESP32-S3 晶片。流程是這樣的：你在 Telegram 傳訊息給它，ESP32 透過 Wi-Fi 收到訊息，丟進晶片上的 agent 迴圈，這個迴圈會讓大型語言模型思考、視需要呼叫工具（例如查時間、查網頁）、讀取本地記憶，再把回覆送回 Telegram。整個 agent 的調度邏輯跑在晶片上，而不是把所有事都轉發到外部伺服器處理。

Pin

它支援兩種大型語言模型供應商：Anthropic 的 Claude 與 OpenAI 的 GPT，兩者可以在執行時切換，帶哪一家的 API Key 就用哪家。記憶則以純文字形式存在晶片的 Flash 裡，所以即便拔掉電源再插回，它還記得你的名字與過去的對話。和市售那種只能照表操課的智慧音箱相比，它能視情境自己判斷該不該主動呼叫工具，agent 的調度與記憶都留在本地晶片；功耗也只有 0.5 瓦，插在路由器的 USB 供電上就能二十四小時待命。

動手前要準備什麼

把 MimiClaw 跑起來需要三類東西。硬體方面，要一塊帶 16MB Flash 與 8MB PSRAM 的 ESP32-S3 開發板，README 推薦的 Xiaozhi AI 板大約 10 美元上下；5 美元指的是 ESP32-S3 晶片本身的身價，實際買到能用的開發板會高一點。環境方面，需要先裝好 ESP-IDF v5.5 以上的開發框架，整個專案是純 C 語言寫的，沒有 Linux、沒有 Node.js，這也是它能塞進資源有限的微控制器的前提。

服務方面，你需要一組 Telegram Bot Token（向 BotFather 申請），以及一組 Anthropic 或 OpenAI 的 API Key。也就是說，晶片本身雖然便宜，但它背後的「大腦」是雲端的大型語言模型，要靠你自己的 API 額度運作，這一點會在後面「隱私與成本」再細談。

燒錄與設定的流程

實際把它跑起來，大致是幾個步驟。先照 ESP-IDF 的官方文件把開發環境裝好，這是純 C 嵌入式開發的標準前置作業；接著把 MimiClaw 的原始碼抓下來，設定好 Wi-Fi 帳密、Telegram Bot Token 與 API Key 這些環境變數，然後用 ESP-IDF 的工具鏈把韌體編譯、燒錄到 ESP32-S3 上。剛開始跑通常會在網路連線與記憶體配置上花點時間排查，屬於嵌入式開發常見的摸索期。

燒錄完成、接上電源後，ESP32 會連上你設定的 Wi-Fi，開始監聽 Telegram 訊息；這時你在 Telegram 上跟它說話，就會觸發前述的 agent 迴圈。值得一提的是，整個設定過程都需要看文件、動手改設定檔，目前沒有一鍵安裝的圖形介面，這也是它被定位為「給願意折騰硬體的開發者」而非一般消費者的原因。

「完全私有」這句話要拆開看

MimiClaw 標榜「去中心化、低功耗、完全私有」，這句話要拆兩層才準確。私有的那一層是真的：agent 的調度邏輯、你的記憶與對話歷史，都存在你自己那片晶片的 Flash 上，不經過第三方伺服器存放。但另一層要說清楚：你傳給它的訊息，最終還是會送到 Anthropic 或 OpenAI 的雲端 API 做推論，模型本身不在晶片上。換句話說，私有的是 agent 執行環境與本地資料，不是語言模型的推論過程。

這種「本地 agent 加雲端模型」的架構，其實是當前邊緣 AI 工具共同的樣貌，並不是 MimiClaw 獨有的取捨。如果你處理的是特別敏感的內容，要明白對話內容會經過你選的那家 API 供應商；真正的「完全離線推論」需要把模型也搬上裝置，那會是另一個完全不同等級的硬體需求，通常得靠算力更強的邊緣運算板才辦得到。也因此，把 MimiClaw 想成「私人 agent 執行環境＋你自己選的雲端大腦」會比把它想成「完全不上雲的 AI」更貼近它真實的樣貌，挑選 API 供應商時，等於也決定了你的對話內容交給誰處理。

跟 PicoClaw 放在一起看

把 MimiClaw 放到同類邊緣 AI agent 裡看，會更清楚它的位置。同樣把 AI agent 做成低成本硬體的，還有 PicoClaw 邊緣 AI agent，它走的是 Go 語言單一二進位、跑在 Sipeed 等邊緣運算硬體上，定位偏多架構的邊緣運算；MimiClaw 則更極端，直接用純 C 把 agent 收進一片幾美元的 ESP32，體積與功耗都壓到更低。兩者可以視為「邊緣 AI agent」這個新品類底下，不同硬體等級與語言選擇的兩個範本，也各自適合不同類型的開發者。

它們也都掛在 OpenClaw 生態下。TechMoon 先前介紹過這個生態的幾個面向：ClawX 把 OpenClaw 包成桌面圖形介面，第三方一鍵部署腳本負責快速架站，而 MimiClaw 負責的是「把 OpenClaw 塞進最小最便宜的硬體」這一環。同一套 agent 框架，從伺服器、桌面到微控制器，各有人在做對應的載體。

實際能用來做什麼

把它放進生活裡，最直接的用法是當一個二十四小時待命的私人助手：插在路由器的 USB 供電上，你在任何裝置打開 Telegram 就能跟它對話，問問題、請它幫忙整理資訊、或設定要它記住的偏好，它會把這些內容寫進晶片裡的本地記憶，下次對話時還記得。因為它具備工具呼叫能力，也能在對話過程中主動去查時間、查網頁資訊，而不是只能憑訓練資料回答。

對開發者來說，更大的價值在於它是一套可拆開來研究的硬體 agent 樣板。你可以拿它理解「agent 迴圈＋本地記憶＋工具呼叫」這套架構，怎麼在資源極度有限的微控制器上實現；熟悉之後，換掉 API 供應商、加上新的工具、或接上其他感測器與周邊，都能在這個基礎上繼續擴充。換句話說，它不只是成品，更像一個讓你練手、再長出自己版本的起點。

限制與該留意的事

動手前有幾個現實限制要先知道。PSRAM 不可省：大型語言模型回傳的 JSON 體積很大，少了 PSRAM 擴充，晶片會記憶體不足而反覆重啟，所以一定要挑 N16R8 這類帶 PSRAM 的版本，別只看晶片便宜就買錯規格。API 成本也要留意，硬體雖然只要幾美元，但模型推論按 token 計費，加上它具備工具呼叫能力，一次對話可能觸發多次模型來回，實際花費會比單純問答高一點；建議在程式裡設好 max_tokens 上限，剛開始先觀察幾天用量，再決定要不要放寬或換用計費較低的模型。

網路與專案活躍度也值得放進考量。ESP32 需要能連到 Claude、Telegram 這些 API 服務，在部分地區得透過代理才能穩定使用；台灣本地連這些服務大致直接，但仍建議先確認網路環境與 API 可用性，尤其是 Telegram 在少數網路環境下會被限制，會直接影響這套以 Telegram 為介面的助手能不能用。另外，這個專案雖然累積了五千多顆星，但最近一次更新停在 2026 年 4 月、版本也還在 v0.1.x，屬於早期階段，後續維護節奏值得觀察，把它當成可學習的硬體 agent 範本、而非成熟的量產方案會更踏實；若決定長期使用，建議定期留意倉庫的更新與 issue 動態，並把自己的修改保留一份，避免上游停更後接手困難。

適合誰動手

MimiClaw 適合喜歡折騰硬體、追求本地 AI、而且願意看文件自己動手的開發者。如果你本來就對嵌入式開發、ESP-IDF、或 OpenClaw 生態有感，把它當成一個可拆解、可擴充的硬體 agent 樣板來玩會很有收穫。相對地，如果你期待的是插上電就能用、不想碰韌體燒錄與設定的現成產品，那 MimiClaw 目前離那個狀態還有距離，像 Rabbit R1 這類消費級 AI 隨身裝置會更對你的胃口。不過也正因為它門檻低、可拆解，對想親眼看到 AI agent 怎麼在資源極有限的硬體上落地的人來說，它提供的是一個很難從現成產品上得到的學習視角，這份動手理解的過程，本身就是它最大的價值之一。

常見問題

MimiClaw 是完全離線運作的嗎？ 不是。agent 邏輯與記憶在晶片上跑，但語言模型推論是透過 Anthropic 或 OpenAI 的雲端 API，需要網路與 API Key。真正的離線推論需要把模型也搬上裝置，硬體需求完全不同。

硬體真的只要 5 美元嗎？ 5 美元是 ESP32-S3 晶片本身的價格，實際能用的開發板（帶 16MB Flash 與 8MB PSRAM）大約 10 美元上下，仍屬非常便宜的硬體 AI 方案，門檻比多數人想像的低。

它只能接 Claude 嗎？ 不是，支援 Anthropic Claude 與 OpenAI GPT 兩種供應商，可在執行時切換，帶哪一家 API Key 就用哪一家。

為什麼一定要 PSRAM 版本？ 大型語言模型回傳的 JSON 資料量大，沒有 PSRAM 晶片會記憶體溢出並反覆重啟，所以必須挑 N16R8 這類帶 PSRAM 的開發板。

這個專案還在持續更新嗎？ 它累積了五千多顆星、MIT 開源，但最近一次更新停在 2026 年 4 月，版本仍在 v0.1.x 早期階段，後續維護節奏需要觀察，建議當作學習用範本而非成熟方案，想長期依賴的話，記得定期回倉庫看看維護狀況。

想動手玩的話

如果你對邊緣 AI agent 有興趣，又願意花一個週末折騰韌體與設定，MimiClaw 是成本極低、且能讓你把整套 agent 架構摸過一遍的入場券。先到它的 GitHub 倉庫 把 README 與硬體需求看清楚，備好帶 PSRAM 的 ESP32-S3 開發板、Telegram Bot Token 與一家模型的 API Key，就能照文件燒錄試跑。把它當成一個會成長的硬體助手、同時也是一套可拆解學習的範本，會比期待它開箱即用更接近它現在真正的模樣。一旦跑通了第一次，你會發現手上這片幾美元的小板子，能裝下的想法遠比它迷你的體積所暗示的還要多。對願意花時間拆解的人來說，這會是一個比帳面規格有趣得多的實驗起點，也讓你對「AI agent 究竟能在多小的裝置上落地」有第一手的體會。