XiaoClaw AI语音助手 xiaoclaw

Local AI Agent firmware running on ESP32-S3, integrating offline voice wake-up with cloud TTS, supporting local LLM infe

XiaoClaw 是一个运行在 ESP32-S3 芯片上的 AI 语音助手固件，它将语音交互与本地 AI Agent 大脑融为一体，在单个低功耗设备上实现了从“听到”到“思考”再到“行动”的完整闭环。项目核心由两层构成：语音 I/O 层（xiaozhi）负责离线唤醒词检测、流式语音识别与合成、OLED/LCD 显示以及 Wi-Fi 通信；Agent 大脑层（mimiclaw）则集成了 LLM 推理、工具调用、记忆管理和自主任务执行引擎。XiaoClaw 最突出的特点是具备自学习能力——多步骤任务会被自动结晶为可复用的技能，并按照 L0 到 L4 的层级进行记忆管理。它还内置了 Cron 定时调度器，支持自主执行周期性任务，并通过 MCP 客户端动态接入远程工具。技术栈方面，项目基于 ESP-IDF 框架开发，语音部分使用了 ESP-SR 离线唤醒和 OPUS 音频编解码，Agent 层支持 Anthropic Claude 和 OpenAI GPT 等主流大模型，记忆系统基于 SPIFFS 文件系统实现长期存储。XiaoClaw 解决了传统智能音箱依赖云端、响应延迟高、隐私风险大等问题，特别适合需要本地化、低延迟、高隐私保护的智能家居控制、个人助理和边缘计算场景。硬件上要求 ESP32-S3 开发板搭配 32MB Flash 和 8MB PSRAM，兼容 70 多种主流开发板，如 ESP32-S3-BOX3、M5Stack CoreS3 等，开发者可通过 menuconfig 快速配置 Wi-Fi 和 API 密钥，上手门槛低。