在ESP32-S3部署mimiclaw,基于deepseek并用飞书机器人开展对话-feishu

在ESP32-S3部署mimiclaw,基于deepseek并用飞书机器人开展对话-feishu

最近mimiclaw火爆,其开发团队也在密集更新,我看3天前已经可以用“飞书机器人”对话交互了。

目前网络上能查到的部署资料相对滞后,现在将飞书机器人的部署整理如下:

1. 前提

已经安装好ESP-IDF,并支持vscode编译esp32固件。

2. api-key准备

  • 注册deepseek,
  • 创建APIkey,
  • 并充值,新注册的用户余额为零,无法使用

3. 飞书机器人

我是在飞书个人版中,创建的机器人。

  1. 访问飞书开放平台,单击创建企业自建应用,填写应用名称和描述,选择应用图标,单击创建
  2. 左侧导航栏单击凭证与基础信息 页面,复制App ID(格式如 cli_xxx)和App Secret
  3. 配置事件订阅。
    1. 在飞书开放平台左侧导航栏单击事件与回调,在事件配置页签中单击订阅方式,选择使用 长连接 接收事件,单击保存
    2. 在事件配置页面,单击添加事件,搜索事件im.message.receive_v1(接收消息),单击确认添加

左侧导航栏中单击添加应用能力, 选择按能力添加页签,找到机器人卡片,单击配置

4. 启用网页搜索 api key

官方推荐使用Tavily API key,其官网: Tavily API 平台  https://app.tavily.com/home,

注册成功后,主页即有默认的APIkey。

5. 下载固件

github地址:memovai/mimiclaw: MimiClaw: Run OpenClaw on a $5 chip. No OS(Linux). No Node.js. No Mac mini. No Raspberry Pi. No VPS. Hardware agents OS.https://github.com/memovai/mimiclaw

下载固件后直接用vscode打开,打开main目录下的mimi_config.h文件

#ifndef MIMI_SECRET_WIFI_SSID #define MIMI_SECRET_WIFI_SSID "your wifi ssid" #endif #ifndef MIMI_SECRET_WIFI_PASS #define MIMI_SECRET_WIFI_PASS "your wifi password" #endif #ifndef MIMI_SECRET_TG_TOKEN #define MIMI_SECRET_TG_TOKEN "" #endif #ifndef MIMI_SECRET_API_KEY #define MIMI_SECRET_API_KEY "sk-bdb85222222222222222" //deep-seek的api-key #endif #ifndef MIMI_SECRET_MODEL #define MIMI_SECRET_MODEL "deepseek-chat" #endif #ifndef MIMI_SECRET_MODEL_PROVIDER #define MIMI_SECRET_MODEL_PROVIDER "openai" #endif #ifndef MIMI_SECRET_FEISHU_APP_ID #define MIMI_SECRET_FEISHU_APP_ID "cli_a92038b7" //飞书机器人的app-id #endif #ifndef MIMI_SECRET_FEISHU_APP_SECRET #define MIMI_SECRET_FEISHU_APP_SECRET "Md0gW97OP76" //飞书机器人的app-secret #endif #ifndef MIMI_SECRET_SEARCH_KEY #define MIMI_SECRET_SEARCH_KEY "tvly-dev-2jdvwG-am" //启用网页搜索,Tavily API key #endif //定义deep-seek的api请求地址 #define MIMI_OPENAI_API_URL "https://api.deepseek.com/v1/chat/completions" 

6. 烧录固件

先清除配置,再编译,再烧录。

7. 飞书机器人对话

8.参考资料

ESP32-S3 部署 MimicLaw 完整教程:从零到成功调用 DeepSeek-ZEEKLOG博客

mimiclaw GitHub主页说明资料:

mimiclaw/README_CN.md at main · memovai/mimiclaw

mimiclaw/main/channels/feishu/README.md at main · memovai/mimiclaw

Read more

【AI副业思路】小龙虾到底怎么赚钱?10 个真实案例分享|小白可上手

【AI副业思路】小龙虾到底怎么赚钱?10 个真实案例分享|小白可上手

10 个龙虾赚钱案例,很简单,但真能赚。 18 岁小伙,周末做了个一键部署小龙虾工具,3 天进账 7,000 美元。 上线 2 周,700 人订阅,总收入超过 4 万美元。 这只小龙虾,名叫 OpenClaw,刚出生就刷屏。 短短几周,暴涨 20 万星标,因为太火被 Anthropic 施压,改名 2 次, 后来直接被 OpenAI 收购。 它到底有啥魔力?谁在赚钱?又是怎么赚的? 本期视频,我拆解了 10 个小龙虾赚钱案例。 全部来自社区和媒体报道,收入数据都公开可验证。 另外,我会补充国内的一些变现案例,最后再分享两种国内可用的部署方法。 小龙虾上线不到

Trae AI编辑器完全教程:字节跳动出品的AI编程神器(2026最新版)

Trae是字节跳动推出的AI原生代码编辑器,内置Doubao等AI模型,可以让你的编程效率翻倍。本文将详细介绍Trae的安装和使用方法。 一、Trae是什么? Trae是字节跳动开发的AI原生代码编辑器,核心功能: AI代码补全:根据上下文智能补全代码 AI对话:在编辑器内直接与AI对话 代码生成:自然语言描述生成代码 代码解释:选中代码让AI解释 Bug修复:AI帮你发现和修复Bug 二、安装Trae 步骤1:下载Trae 访问官网下载对应系统的版本: Windows:.exe安装包 macOS:.dmg安装包 Linux:.AppImage或.deb包 步骤2:安装 Windows:双击.exe文件安装 macOS:拖拽到Applications文件夹 Linux: sudo dpkg -i trae_x.x.x_amd64.deb 步骤3:登录 安装完成后,

人工智能:深度学习模型的优化策略与实战调参

人工智能:深度学习模型的优化策略与实战调参

人工智能:深度学习模型的优化策略与实战调参 💡 学习目标:掌握深度学习模型的核心优化方法,理解调参的底层逻辑,能够独立完成模型从欠拟合到高性能的调优过程。 💡 学习重点:正则化技术的应用、优化器的选择与参数调整、批量大小与学习率的匹配策略。 48.1 模型优化的核心目标与常见问题 在深度学习项目中,我们训练的模型往往会出现欠拟合或过拟合两种问题。优化的核心目标就是让模型在训练集和测试集上都能达到理想的性能,实现泛化能力的最大化。 ⚠️ 注意:模型优化不是一次性操作,而是一个“诊断-调整-验证”的循环过程,需要结合数据特性和任务需求逐步迭代。 48.1.1 欠拟合的识别与特征 欠拟合是指模型无法捕捉数据中的潜在规律,表现为训练集和测试集的准确率都偏低。 出现欠拟合的常见原因有以下3点: 1. 模型结构过于简单,无法拟合复杂的数据分布。 2. 训练数据量不足,或者数据特征维度太低。 3. 训练轮次不够,模型还未充分学习到数据的特征。 48.1.2 过拟合的识别与特征 过拟合是指模型在训练集上表现极好,但在测试集上性能大幅下降。 出现过拟合的常见原因有以下3点:

Obsidian+Claude Code打造本地AI知识库

Claudian + Obsidian Skills 1. 核心组件 * Claudian: Obsidian 第三方插件(暂未上架官方市场),适配 Claude Code。 * Obsidian Skills: 由 Obsidian CEO (Kepano) 发布的 Skill 包,赋予 AI 处理 Canvas、Markdown 及数据库的能力。 2. 环境部署流程 2.1 安装 Claudian 插件 (手动旁加载) 1. 获取文件: 访问 GitHub 仓库 claudian,下载以下三个核心文件: * main.js * manifest.json * styles.css 2. 放置插件: