当前位置：首页 > news >正文

【GitHub项目推荐--RT-Claw：让 AI 助手重回“白菜价”的嵌入式智能体】

news 2026/7/23 15:49:53

简介

RT-Claw 是一个受 OpenClaw 启发的开源项目，旨在将智能 AI 助手（Agent）部署在成本仅 1 美元的极低成本嵌入式设备上。它通过 OSAL（操作系统抽象层）技术，实现了在 FreeRTOS、RT-Thread 及 Linux 等多种嵌入式系统上的“一次编写，到处运行”，让微控制器也能具备大语言模型（LLM）的对话与工具调用能力。

项目核心 slogan 是“Making AI Assistants Cheap Again”，致力于打破 AI 必须运行在云端或高性能 PC 的刻板印象，将智能带入真实的物理世界。

主要功能

极致成本控制：专为 ESP32-C3/S3、Zynq-A9 等廉价 MCU 设计，硬件成本可低至 1 美元，是真正的“边缘 AI”。
多 OS 抽象层（OSAL）：同一套应用代码无需修改即可在 FreeRTOS（ESP-IDF）、RT-Thread 和原生 Linux 上编译运行，极大降低了跨平台移植成本。
硬件工具链：内置 30+ 硬件交互工具，AI 可通过 Function Calling 直接控制 GPIO、LCD 屏幕、音频编解码器，实现“对话即控制”。
蜂群智能（Swarm）：支持多节点自动发现与组网，设备间可互相调用工具，形成分布式智能系统。
多模态交互：支持 Telegram、飞书（Lark）等 IM 工具集成，同时提供 UART Shell 命令行交互，方便在无屏环境下调试。

安装与配置

环境准备

硬件：ESP32-C3/S3 开发板（如 XIAO-ESP32C3）或 QEMU 模拟器。
软件：ESP-IDF 环境（可通过项目提供的setup-esp-env.sh一键安装）。

快速部署（以 QEMU 模拟器为例）

环境搭建：执行./scripts/setup-esp-env.sh安装 ESP-IDF 和 QEMU 工具链。
配置密钥：设置环境变量RTCLAW_AI_API_KEY为你的 LLM API Key（支持 Claude、OpenAI 格式）。
编译运行：执行make build-esp32c3-qemu编译，make run-esp32c3-qemu启动虚拟机。无需真实硬件即可体验完整功能。

实机部署（ESP32-S3）

修改claw_config.h配置 WiFi SSID/Password。
使用idf.py build flash烧录固件。
通过串口 Shell 或 Web 界面（规划中）进行模型切换与参数调整。

如何使用

基础对话：
- 上电后通过串口（波特率 115200）连接，输入文字即可与 AI 对话。
- 在飞书/Telegram 中 @ 机器人，实现远程控制。
硬件控制（无代码）：
- 利用内置 Skill 系统，直接对 AI 说：“点亮连接在 GPIO 12 上的 LED”，AI 会自动解析并调用gpio工具执行。
- 创建复杂工作流：如“检测到声音后拍照并上传”，AI 会组合audio、camera、http工具生成 Skill。
蜂群协同：
- 在多台设备部署 RT-Claw，它们会自动发现彼此。你可以从手机端向“客厅灯”节点发送指令，让它查询“温度传感器”节点的数据，实现跨设备联动。

应用场景实例

场景一：智能家居“零成本”改造

痛点：传统智能家居依赖云平台，断网即瘫痪，且中心化网关成本高。

RT-Claw 方案：在每个 ESP32-C3 模块（成本约 1 美元）上部署 RT-Claw。窗帘电机、台灯、插座各自成为独立 Agent。你可以直接对着手机（Telegram）说：“帮我把客厅灯调暗”，指令通过本地 WiFi 直接下发给对应的灯节点，无需经过任何云服务器，实现完全本地化、低延迟的智能控制。

场景二：工业现场“免编程”调试

痛点：工厂设备维护人员不擅长写代码，但需要频繁查询设备状态（如 PLC 寄存器值）。

RT-Claw 方案：在工控网关（Zynq-A9）上运行 RT-Claw，配置好modbus工具。维护人员只需在串口终端输入：“读取 192.168.1.10 站号1 的保持寄存器 40000-40005”，AI 会自动转换为 Modbus TCP 协议帧并返回解析结果，将复杂的协议交互简化为自然语言。

场景三：教育机器人“积木式”开发

痛点：学生想学习机器人编程，但被复杂的底层驱动和通信协议劝退。

RT-Claw 方案：利用 Skill 的“可组合性”，学生只需用自然语言描述功能：“做一个循迹避障小车”。AI 会生成一个组合了motor（电机驱动）、ir_sensor（红外传感）、ultrasonic（超声波）的 Skill 工作流。学生只需连接硬件，无需编写任何控制逻辑代码，即可快速验证机器人算法。