ESP32-S3 AI 语音助手 — 语音 I/O + 本地 LLM Agent
🌐 官方网站
XiaoClaw 是一个统一的 ESP32-S3 固件，将语音交互与本地 AI Agent 大脑结合在一起。它整合了：
- xiaozhi-esp32 — 语音 I/O 层：音频录制、播放、唤醒词检测、显示屏、网络通信
- mimiclaw — Agent 大脑：LLM 推理、工具调用、记忆管理、自主任务执行
核心特性：
- 本地唤醒词检测的语音 I/O
- 本地 LLM 推理，采用 ReAct Agent 循环
- 自我学习：多步骤任务自动结晶为可复用技能
- L0-L4 记忆层级的技能系统
- 定时任务调度器
- MCP 客户端支持动态远程工具
所有功能运行在单个 ESP32-S3 芯片上，配备 32MB Flash 和 8MB PSRAM。
graph TB
subgraph Firmware["<b>🏗️ XiaoClaw 固件</b>"]
subgraph VoiceIO["<b>🎤 语音 I/O 层</b><br/><sub>xiaozhi</sub>"]
A["👂 唤醒词"]
B["📝 ASR 服务器"]
C["🔊 TTS 播放"]
D["📺 显示屏"]
E["📡 WiFi"]
A --> B --> C
B -.-> D
B -.-> E
end
subgraph Bridge["<b>🌉 Bridge 层</b>"]
BR["📥 输入"] --> BC["⚙️ 路由"] --> BG["📤 输出"]
end
subgraph Agent["<b>🧠 Agent 大脑</b><br/><sub>mimiclaw</sub>"]
F["🤖 LLM API"]
G["🔧 工具调用"]
H["💾 记忆"]
I["📋 会话"]
J["⏰ 定时"]
K["🌐 搜索"]
F --> G
F --> H
F --> I
F --> J
F --> K
end
end
VoiceIO -->|"文本"| Bridge -->|"指令"| Agent
Agent -.->|"响应"| Bridge
style Firmware fill:#f8f9fa,stroke:#495057,stroke-width:4px,radius:20px
style VoiceIO fill:#e3f2fd,stroke:#1565c0,stroke-width:3px,radius:15px
style Bridge fill:#fff8e1,stroke:#f57c00,stroke-width:4px,radius:15px
style Agent fill:#f3e5f5,stroke:#7b1fa2,stroke-width:3px,radius:15px
style A fill:#1976d2,stroke:#0d47a1,color:#fff
style B fill:#1565c0,stroke:#0d47a1,color:#fff
style C fill:#1976d2,stroke:#0d47a1,color:#fff
style D fill:#42a5f5,stroke:#1565c0,color:#fff
style E fill:#42a5f5,stroke:#1565c0,color:#fff
style F fill:#7b1fa2,stroke:#4a148c,color:#fff
style G fill:#9c27b0,stroke:#6a1b9a,color:#fff
style H fill:#ab47bc,stroke:#7b1fa2,color:#fff
style I fill:#ba68c8,stroke:#8e24aa,color:#fff
style J fill:#7b1fa2,stroke:#4a148c,color:#fff
style K fill:#9575cd,stroke:#7b1fa2,color:#fff
style BR fill:#ff9800,stroke:#f57c00,color:#fff
style BC fill:#ffa726,stroke:#fb8c00,color:#fff
style BG fill:#ff9800,stroke:#f57c00,color:#fff
- 离线语音唤醒 (ESP-SR)
- 通过服务器连接实现流式 ASR + TTS
- OPUS 音频编解码
- OLED / LCD 显示屏，支持表情显示
- 电池和电源管理
- 多语言支持（中文、英文、日文）
- WebSocket / MQTT 协议支持
- LLM API 集成 (Anthropic Claude / OpenAI GPT)
- 模块化 ReAct Agent 循环，
AgentRunner执行引擎 - Hook 系统支持迭代/工具回调 (
before_iteration,after_iteration,on_tool_result,before_tool_execute) - Checkpoint 系统用于崩溃恢复
- Context Builder 模块化系统 prompt 构建
- Session 合并压缩，自动历史整理
- 长期记忆 (基于 SPIFFS)
- 基于游标的会话历史追踪
- 定时任务调度器
- 网络搜索能力 (Tavily / Brave)
- ESP32-S3 开发板
- 32MB Flash（最低 16MB）
- 8MB PSRAM（推荐 8线 PSRAM）
- 音频编解码器（带麦克风和扬声器）
- 可选：LCD/OLED 显示屏
XiaoClaw 继承了 xiaozhi-esp32 的开发板支持，包括：
- ESP32-S3-BOX3
- M5Stack CoreS3 / AtomS3R
- 立创实战派 ESP32-S3 开发板
- LILYGO T-Circle-S3
- 以及 70+ 更多开发板...
- ESP-IDF v5.5 或更高版本
- Python 3.10+
- CMake 3.16+
# 克隆仓库
git clone https://github.com/your-repo/xiaoclaw.git
cd xiaoclaw
# 设置目标芯片
idf.py set-target esp32s3
# 配置（可选）
idf.py menuconfig
# 编译
idf.py build# 烧录并监控
idf.py -p PORT flash monitor
# 仅烧录 app 分区（跳过 SPIFFS，保留数据）
esptool.py -p PORT write_flash 0x20000 ./build/xiaozhi.bin通过 idf.py menuconfig 在 Xiaozhi Assistant → Secret Configuration 下配置：
| 选项 | 说明 |
|---|---|
CONFIG_MIMI_SECRET_WIFI_SSID |
WiFi 名称 |
CONFIG_MIMI_SECRET_WIFI_PASS |
WiFi 密码 |
CONFIG_MIMI_SECRET_API_KEY |
LLM API 密钥 |
CONFIG_MIMI_SECRET_MODEL_PROVIDER |
模型提供商：anthropic 或 openai |
CONFIG_MIMI_SECRET_MODEL |
模型名称（如 MiniMax-M2.5、claude-opus-4-5） |
CONFIG_MIMI_SECRET_OPENAI_API_URL |
OpenAI 兼容 API 地址 |
CONFIG_MIMI_SECRET_ANTHROPIC_API_URL |
Anthropic API 地址（可选） |
CONFIG_MIMI_SECRET_SEARCH_KEY |
Brave Search API 密钥（可选） |
CONFIG_MIMI_SECRET_TAVILY_KEY |
Tavily Search API 密钥（可选） |
示例：阿里云通义灵码:
CONFIG_MIMI_SECRET_MODEL_PROVIDER="openai"
CONFIG_MIMI_SECRET_MODEL="MiniMax-M2.5"
CONFIG_MIMI_SECRET_OPENAI_API_URL="https://coding.dashscope.aliyuncs.com/v1/chat/completions"
CONFIG_MIMI_SECRET_API_KEY="your-api-key"
Bridge 层连接语音 I/O 层与 Agent 大脑：
flowchart TB
subgraph Voice["<b>🔊 语音输入层</b>"]
A["🎤 用户语音"] --> B["👂 唤醒词检测"]
B --> C["📝 ASR 服务器"]
C --> D["📄 文本输出"]
end
subgraph Bridge["<b>🌉 Bridge 层</b>"]
E["📥 接收"] --> F["⚙️ 路由分发"] --> G["📤 发送"]
end
subgraph Agent["<b>🤖 Agent 大脑</b>"]
H["🧠 LLM 推理"]
I["🔧 工具调用"]
J["📋 响应生成"]
K["💾 记忆读取"]
H --> I
H --> K
I --> J
end
subgraph TTS["<b>🔊 语音输出层</b>"]
L["📝 TTS 合成"] --> M["🔊 播放"] --> N["🎵 扬声器"]
end
D -->|文本| E
G -->|指令| H
J -->|文本| G
G -->|文本| L
style Voice fill:#e3f2fd,stroke:#1565c0,stroke-width:3px,radius:15px
style Bridge fill:#fff8e1,stroke:#f57c00,stroke-width:4px,radius:15px
style Agent fill:#f3e5f5,stroke:#7b1fa2,stroke-width:3px,radius:15px
style TTS fill:#e8f5e9,stroke:#388e3c,stroke-width:3px,radius:15px
style A fill:#1976d2,stroke:#0d47a1,color:#fff
style B fill:#1565c0,stroke:#0d47a1,color:#fff
style C fill:#1976d2,stroke:#0d47a1,color:#fff
style D fill:#42a5f5,stroke:#1565c0,color:#fff
style E fill:#f57c00,stroke:#e65100,color:#fff
style F fill:#ff9800,stroke:#f57c00,color:#fff
style G fill:#f57c00,stroke:#e65100,color:#fff
style H fill:#7b1fa2,stroke:#4a148c,color:#fff
style I fill:#9c27b0,stroke:#6a1b9a,color:#fff
style J fill:#ab47bc,stroke:#7b1fa2,color:#fff
style K fill:#ba68c8,stroke:#8e24aa,color:#fff
style L fill:#388e3c,stroke:#1b5e20,color:#fff
style M fill:#43a047,stroke:#2e7d32,color:#fff
style N fill:#66bb6a,stroke:#388e3c,color:#fff
| 分区 | 大小 | 用途 |
|---|---|---|
| nvs | 32KB | 非易失性存储 |
| otadata | 8KB | OTA 数据 |
| phy_init | 4KB | 物理初始化数据 |
| ota_0 | 5MB | 主固件 |
| ota_1 | 5MB | OTA 备份 |
| assets | 5MB | 模型资源（唤醒词等） |
| model | 5MB | AI 模型存储 |
| fatfs | ~12MB | 记忆、会话、技能 |
| 任务 | 核心 | 优先级 | 栈大小 | 功能 |
|---|---|---|---|---|
| agent_loop | 1 | 6 | 24KB | LLM 处理 |
| tg_poll | 0 | 5 | 12KB | Telegram 机器人 |
| feishu_ws | 0 | 5 | 12KB | 飞书机器人 |
| cron | any | 4 | 8KB | 定时任务 |
Agent 可以使用多种工具：
| 工具 | 描述 |
|---|---|
web_search |
搜索网络获取最新信息 |
get_datetime |
获取当前日期/时间 |
get_unix_timestamp |
获取当前 Unix 时间戳 |
lua_eval |
直接执行 Lua 代码 |
lua_run |
从 FATFS 执行 Lua 脚本 |
mcp_connect |
连接 MCP 服务器 |
mcp_disconnect |
断开 MCP 服务器连接 |
mcp_server.tools_list |
列出可用远程工具 |
mcp_server.tools_call |
调用远程工具 |
cron_add |
创建定时任务 |
cron_list |
列出定时任务 |
cron_remove |
删除定时任务 |
read_file |
从 FATFS 读取文件 |
write_file |
写入文件到 FATFS |
edit_file |
编辑文件（查找替换） |
list_dir |
列出目录中的文件 |
XiaoClaw 支持连接远程 MCP 服务器，动态发现并调用工具。
配置方式：
- Kconfig（推荐）：在
main/Kconfig.projbuild中设置CONFIG_MIMI_MCP_REMOTE_HOST、CONFIG_MIMI_MCP_REMOTE_PORT等 - SKILL.md（legacy fallback）：
/fatfs/skills/mcp-servers/SKILL.md
Kconfig 选项：
| 选项 | 描述 | 默认值 |
|---|---|---|
CONFIG_MIMI_MCP_CLIENT_ENABLE |
启用 MCP 客户端 | n |
CONFIG_MIMI_MCP_REMOTE_HOST |
服务器主机名/IP | "" |
CONFIG_MIMI_MCP_REMOTE_PORT |
服务器端口 | 8080 |
CONFIG_MIMI_MCP_REMOTE_EP |
HTTP 端点名称 | mcp_server |
CONFIG_MIMI_MCP_TIMEOUT_MS |
工具调用超时(ms) | 10000 |
可用工具：
| 工具 | 描述 |
|---|---|
mcp_connect |
按名称连接 MCP 服务器 |
mcp_disconnect |
断开当前服务器连接 |
mcp_server.tools_list |
列出可用远程工具 |
mcp_server.tools_call |
调用远程工具 |
Python MCP 服务器示例： scripts/mcp_server.py
pip install "mcp[cli]"
python scripts/mcp_server.py --port 8000连接后远程工具以实际名称注册。
mcp-servers SKILL.md (/fatfs/skills/mcp-servers/SKILL.md)：
---
name: mcp-servers
description: Connect to MCP servers and use remote tools
always: true
---工作流程：
- 通过 Kconfig 或 SKILL.md 配置服务器
- 使用
mcp_connect连接，参数{"server_name": "default"} - 使用
mcp_server.tools_list发现可用工具 - 使用
mcp_server.tools_call执行远程工具
XiaoClaw 支持 Lua 脚本，可用于自定义逻辑和 HTTP 请求。脚本存储在 /fatfs/lua/ 目录。
内置函数：
| 函数 | 描述 |
|---|---|
print(...) |
打印输出到日志 |
http_get(url) |
HTTP GET 请求，返回 response, status |
http_post(url, body, content_type) |
HTTP POST 请求 |
http_put(url, body, content_type) |
HTTP PUT 请求 |
http_delete(url) |
HTTP DELETE 请求 |
示例脚本： /fatfs/lua/hello.lua
local greeting = "Hello from Lua!"
local timestamp = os.time()
return string.format("%s (timestamp: %d)", greeting, timestamp)HTTP 示例： /fatfs/lua/http_example.lua
local response, status = http_get("https://example.com")
print("Status:", status)
print("Response:", response)脚本可以返回值，会被序列化为 JSON 返回给 Agent。
XiaoClaw 在 FATFS 上以纯文本文件存储数据，支持会话合并压缩：
| 路径 | 用途 |
| /fatfs/config/SOUL.md | AI 人格 |
| /fatfs/config/USER.md | 用户信息 |
| /fatfs/memory/MEMORY.md | 长期记忆 (L2) |
| /fatfs/memory/skill_index.json | 技能索引 (L1) |
| /fatfs/skills/auto/ | 自动结晶技能 (L3) |
| /fatfs/sessions/ | 会话 + 归档 (L4) |
| 层级 | 内容 | 存储 | 备注 | | L0 | 系统约束 | 硬编码 | 基础规则 | | L1 | 技能索引 | skill_index.json | 自动更新 | | L2 | 用户事实 | MEMORY.md | 长期 | | L3 | 自动技能 | /skills/auto/ | 所有可用 | | L4 | 归档 | /sessions/ | 已摘要 |
- 游标追踪: 每个会话通过游标跟踪已读取位置，高效遍历历史
- 合并压缩: 当会话超过
max_history（默认 50）条消息时，最旧consolidate_batch（默认 20）条消息归档到/fatfs/sessions/ - LRU 缓存: 活跃会话缓存在内存中（最多 8 个会话）快速访问
- 检查点恢复: Agent 崩溃后可从上一个检查点恢复
Skills 从 /fatfs/skills/ 目录加载，支持 YAML frontmatter。
目录结构：
/fatfs/skills/
├── lua-scripts/SKILL.md # 手动技能
├── mcp-servers/SKILL.md # 手动技能 (always=true)
└── auto/ # 自动结晶技能
└── auto_<name>_<hash>/SKILL.md
技能元数据存储在 /fatfs/memory/skill_index.json：
{
"skills": [
{
"name": "auto_light_ctrl_a3f2_7d2e",
"path": "/fatfs/skills/auto/auto_light_ctrl_a3f2_7d2e/SKILL.md",
"usage_count": 5,
"success_rate": 0.8,
"last_used": 1745678901
}
],
"last_updated": 1745678901
}| 字段 | 描述 |
|---|---|
name |
技能标识符 |
path |
SKILL.md 完整路径 |
usage_count |
使用次数 |
success_rate |
计算得出的成功率 |
last_used |
最后使用的 Unix 时间戳 |
当多步骤任务成功完成时，系统自动创建技能。
结晶条件：
- 任务成功完成
- 至少 2 次工具调用
- 不存在相似技能
创建流程：
- 任务成功结束且有 2+ 次工具调用
learning_hook_on_task_end()触发结晶- 创建
/fatfs/skills/auto/auto_<intent>_<hash>/SKILL.md - 添加条目到
skill_index.json
flowchart TD
subgraph Input["<b>📥 输入</b>"]
A["🎯 任务完成<br/>2+ 次工具调用"]
end
subgraph Validation["<b>✅ 验证</b>"]
direction TB
B{成功?}
D{"🔍 存在相似技能?"}
end
subgraph Creation["<b>⚙️ 技能创建</b>"]
direction TB
E["📁 创建目录"]
F["📝 写入 SKILL.md"]
G["📋 更新索引"]
end
subgraph Output["<b>📤 输出</b>"]
I["✅ 技能就绪"]
end
C["❌ 跳过"]
A --> B
B -->|否| C
B -->|是| D
D -->|是| C
D -->|否| E
E --> F --> G --> I
style Input fill:#e3f2fd,stroke:#1565c0,stroke-width:3px,radius:15px
style Validation fill:#fff8e1,stroke:#f57c00,stroke-width:3px,radius:15px
style Creation fill:#e8f5e9,stroke:#388e3c,stroke-width:3px,radius:15px
style Output fill:#f3e5f5,stroke:#7b1fa2,stroke-width:3px,radius:15px
style A fill:#1976d2,stroke:#0d47a1,stroke-width:2px,color:#fff
style B fill:#ff9800,stroke:#f57c00,stroke-width:2px,color:#fff
style C fill:#ef5350,stroke:#c62828,stroke-width:2px,color:#fff
style D fill:#ffa726,stroke:#fb8c00,stroke-width:2px,color:#fff
style E fill:#42a5f5,stroke:#1565c0,stroke-width:2px,color:#fff
style F fill:#66bb6a,stroke:#388e3c,stroke-width:2px,color:#fff
style G fill:#26a69a,stroke:#00796b,stroke-width:2px,color:#fff
style I fill:#7b1fa2,stroke:#4a148c,stroke-width:2px,color:#fff
自动技能：
/fatfs/skills/auto/下的所有自动技能都可使用- usage_count 越高的技能使用越频繁
- 技能通过匹配 Tool Sequence 来调用
flowchart LR
subgraph Trigger["<b>🔧 触发</b>"]
A["工具调用"]
end
subgraph Match["<b>🔗 匹配</b>"]
B{"匹配<br/>Tool Sequence?"}
end
subgraph Track["<b>📈 追踪</b>"]
C["记录使用"]
D["usage_count++"]
end
Z["➖ 不追踪"]
A --> B
B -->|否| Z
B -->|是| C --> D
style Trigger fill:#f3e5f5,stroke:#7b1fa2,stroke-width:3px,radius:15px
style Match fill:#fff8e1,stroke:#f57c00,stroke-width:3px,radius:15px
style Track fill:#e8f5e9,stroke:#388e3c,stroke-width:3px,radius:15px
style A fill:#7b1fa2,stroke:#4a148c,stroke-width:2px,color:#fff
style B fill:#ff9800,stroke:#f57c00,stroke-width:2px,color:#fff
style C fill:#66bb6a,stroke:#388e3c,stroke-width:2px,color:#fff
style D fill:#26a69a,stroke:#00796b,stroke-width:2px,color:#fff
style Z fill:#ef5350,stroke:#c62828,stroke-width:2px,color:#fff
注意：当工具调用匹配某个自动技能的 Tool Sequence 模式时，该技能的 usage_count 递增。
手动技能：
---
name: skill-name
description: 技能功能简要描述
always: false # true = 始终注入 system prompt
---
# 技能内容
...自动结晶技能：
---
name: auto_light_ctrl_a3f2_7d2e
description: Auto-generated skill for: turn on the bedroom light
always: false
auto: true
created_from: 3 tool calls
step_count: 3
success_rate: 1.0
---
# Auto Skill: auto_light_ctrl_a3f2_7d2e
## Intent
turn on the bedroom light
## Tool Sequence
1. tool_name({"arg": "value"})
2. another_tool({"arg": "value"})
## Pitfalls
- Auto-generated from multi-step task execution| 层 | 内容 | 存储 | 说明 |
|---|---|---|---|
| L1 | 技能索引 | skill_index.json | 所有技能元数据 |
| L3 | 自动技能 | /skills/auto/ | 所有自动技能可用 |
System Prompt 中的内容：
- L1: 技能索引显示为 "Available Skills"（仅名称）
- L3: 所有自动技能完整内容可用
- Always:
always: true的技能始终注入
xiaoclaw/
├── main/
│ ├── mimi/ # Agent 大脑（来自 mimiclaw）
│ │ ├── agent/ # Agent 循环、runner、hooks、checkpoint
│ │ │ ├── agent_loop.c # Agent 主任务循环
│ │ │ ├── runner.c # ReAct 执行引擎
│ │ │ ├── context_builder.c # 系统 prompt 构建
│ │ │ ├── hook.c # Agent hooks 实现
│ │ │ ├── learning_hooks.c # 自动学习/结晶 hooks
│ │ │ └── checkpoint.c # 崩溃恢复检查点
│ │ ├── bus/ # 消息总线
│ │ ├── channels/ # Telegram、飞书机器人集成
│ │ │ ├── telegram/
│ │ │ └── feishu/
│ │ ├── cron/ # Cron 调度器服务
│ │ ├── gateway/ # WebSocket 服务器
│ │ ├── heartbeat/ # 自主任务心跳
│ │ ├── llm/ # LLM 代理
│ │ ├── memory/ # 记忆存储、会话管理器、合并器
│ │ │ ├── memory_store.c # 长期记忆
│ │ │ ├── session_manager.c # 带游标/合并的会话
│ │ │ ├── consolidator.c # 自动历史压缩
│ │ │ └── hierarchy.c # 记忆层级管理
│ │ ├── ota/ # OTA 更新
│ │ ├── proxy/ # HTTP 代理
│ │ ├── skills/ # 技能加载器
│ │ │ ├── skill_loader.c # 技能加载（frontmatter）
│ │ │ ├── skill_meta.c # 技能元数据
│ │ │ └── skill_crystallize.c # 自动结晶
│ │ ├── tools/ # 工具注册表
│ │ │ ├── tool_registry.c # 工具注册
│ │ │ ├── tool_cron.c # Cron 工具
│ │ │ ├── tool_files.c # 文件操作工具
│ │ │ ├── tool_get_time.c # 时间工具
│ │ │ ├── tool_lua.c # Lua 执行工具
│ │ │ ├── tool_mcp_client.c # MCP 客户端工具
│ │ │ └── tool_web_search.c # 网页搜索工具
│ │ ├── util/ # 工具函数
│ │ │ └── fatfs_util.c
│ │ ├── mimi.c/h # 模块入口
│ │ ├── mimi_config.h # 配置文件
│ │ └── mimi_secrets.h # 密钥配置
│ ├── audio/ # 语音 I/O（来自 xiaozhi）
│ │ ├── audio_codec.cc/h
│ │ ├── audio_service.cc/h
│ │ ├── codecs/ # 音频编解码器
│ │ ├── demuxer/ # 音频解封装
│ │ ├── processors/ # 音频处理（AFE 等）
│ │ └── wake_words/ # 唤醒词检测
│ ├── bridge/ # Bridge 层（语音 ↔ Agent）
│ ├── display/ # 显示驱动
│ │ ├── display.cc/h
│ │ ├── lcd_display.cc/h
│ │ ├── oled_display.cc/h
│ │ ├── emote_display.cc/h
│ │ └── lvgl_display/ # LVGL 图形库
│ ├── protocols/ # 通信协议
│ │ ├── websocket_protocol.cc/h
│ │ └── mqtt_protocol.cc/h
│ ├── boards/ # 开发板支持（70+ 板级配置）
│ │ ├── common/ # 通用组件
│ │ └── <board-name>/ # 各板级配置
│ ├── led/ # LED 控制
│ ├── application.cc/h # 主应用入口
│ ├── device_state.h # 设备状态
│ ├── device_state_machine.cc/h # 状态机
│ ├── main.cc # 入口点
│ ├── mcp_server.cc/h # MCP 服务器
│ ├── ota.cc/h # OTA 更新
│ ├── settings.cc/h # 设置管理
│ ├── system_info.cc/h # 系统信息
│ ├── assets.cc/h # 资源管理
│ └── idf_component.yml # 组件清单
├── fatfs_data/ # FATFS 内容（烧录到 /fatfs 分区）
│ ├── config/
│ │ ├── SOUL.md # AI 人格定义
│ │ └── USER.md # 用户信息
│ ├── lua/ # Lua 脚本
│ │ ├── hello.lua
│ │ └── http_example.lua
│ ├── memory/
│ │ ├── MEMORY.md # 长期记忆
│ │ ├── facts.json # 事实库
│ │ └── skill_index.json # 技能索引
│ ├── skills/ # 技能目录
│ │ ├── lua-scripts/
│ │ └── mcp-servers/
│ ├── HEARTBEAT.md # 运行时心跳任务
│ └── cron.json # 定时任务配置
├── CMakeLists.txt
└── sdkconfig.defaults.esp32s3
XiaoClaw 基于以下优秀项目构建：
- xiaozhi-esp32 — 语音交互框架
- mimiclaw — ESP32 AI Agent
MIT License
- xiaozhi-esp32 团队的语音交互框架
- mimiclaw 团队的嵌入式 AI Agent 架构
- 乐鑫的 ESP-IDF 和 ESP-SR