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

Ne0inhk

23 Mar 2026 — 3 min read

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。

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。
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。
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

论文笔记：Point Cloud Forecasting as a Proxy for 4D Occupancy Forecasting(1)

方法车队会记录大量未标注的序列LiDAR点云X−T:T\textbf{X}_{-T:T}X−T:T ，同时记录每一帧的传感器位置o−T:T\textbf{o}_{-T:T}o−T:T ，我们将X−T:0\textbf{X}_{-T:0}X−T:0 和o−T:0\textbf{o}_{-T:0}o−T:0 记录为历史部分，X1:T\textbf{X}_{1:T}X1:T

近五年体内微/纳米机器人赋能肿瘤精准治疗综述：以 GBM 为重点

摘要实体瘤治疗长期受制于递送效率低、肿瘤组织渗透不足以及免疫抑制与耐药等问题。传统纳米药物多依赖被动累积与扩散，难以在肿瘤内部形成均匀有效的药物浓度分布。2021–2025 年，体内微/纳米机器人（包括外场驱动微型机器人、自驱动纳米马达以及生物混合机器人）围绕“运动能力”形成了三条相互收敛的技术路线：其一，通过磁驱、声驱、光/化学自驱等方式实现运动增强递药与深层渗透，将治疗从“被动到达”推进到“主动进入”；其二，与免疫治疗深度融合，实现原位免疫唤醒与肿瘤微环境重塑；其三，针对胶质母细胞瘤（glioblastoma, GBM）等难治肿瘤，研究趋势转向“跨屏障递送（BBB/BBTB）+ 成像/外场闭环操控 + 时空可控释放”的系统工程。本文围绕“运动—分布—疗效”的因果链条，总结 2021–2025 年代表性研究与关键评价指标，讨论临床转化所需的安全性、

OpenClaw实战系列01：OpenClaw接入飞书机器人全接入指南 + Ollama本地大模型

文章目录 * 引言 * 第一步：环境准备与核心思想 * 第二步：部署Ollama——把大模型“养”在本地 * 1. 安装 Ollama * 2. 拉取并运行模型 * 3. 确认API可用性 * 第三步：安装OpenClaw——AI大脑的“躯干” * 1. 安装Node.js * 2. 一键安装 OpenClaw * 3. 验证安装 * 第四步：打通飞书——创建并配置机器人 * 1. 创建飞书应用 * 2. 配置机器人能力 * 3. 发布应用 * 第五步：OpenClaw与飞书“握手” * 方法一：使用 onboard 向导重新配置（推荐最新版） * 方法二：手动添加渠道 * 批准配对 * 第六步：实战测试与玩法拓展

Flutter 组件 upnp_client 的鸿蒙适配实战 - 实现跨设备服务发现、智能家居自动关联与多媒体投屏协议控制

欢迎加入开源鸿蒙跨平台社区：https://openharmonycrossplatform.ZEEKLOG.net Flutter 组件 upnp_client 的鸿蒙适配实战 - 实现跨设备服务发现、智能家居自动关联与多媒体投屏协议控制前言在“万物互联”的愿景下，鸿蒙系统（OpenHarmony）最核心的武器就是跨设备协同能力。然而，如何让你的 Flutter 应用在复杂的家庭或办公内网中，自动发现并操控那些非鸿蒙生态但同样广泛分布的设备（如：DLNA 智能电视、家用路由器、网络打印机、甚至是 NAS 存储）？ UPnP（Universal Plug and Play）协议此时扮演了全局搜索的关键角色。作为一套基于 SSDP 和 HTTP 处理发现与控制的老牌协议，它依然是局域网互联互通的“基础设施”。 upnp_client 为 Flutter