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

基于ROS的视觉导航系统实战:黑线循迹+激光笔跟随双模态实现(冰达机器人Nano改造)

基于ROS的视觉导航系统实战:黑线循迹+激光笔跟随双模态实现(冰达机器人Nano改造)

本篇内容是对另一篇文章《双轮智能平衡车基于图像识别技术探究道路自动驾驶理论模型与应用》的补充,有兴趣的同学可以先去那篇文章补一下课,再来看本篇文章效果更佳哦!!! 同时本次分享内容资源均同步上传至github与ZEEKLOG,想要深入学习的同学可以去下载学习!! (资源名称:基于ROS的视觉导航系统实战) 话不多说让我们进入正题吧!         在机器人室内导航场景中,视觉导航凭借低成本、高灵活性的优势成为教育机器人与服务机器人的主流方案。本文基于冰达机器人Nano系列进行硬件改造与软件开发,搭建了一套基于ROS的轻量级视觉导航系统,实现黑线循迹与红外激光笔动态跟随双模态功能。系统兼容ROS Melodic/Noetic版本,针对冰达机器人Nano的算力与底盘特性进行深度优化,低算力依赖、实时性强,非常适合入门级机器人开发者学习与二次拓展。本文将从项目设计、硬件改造、环境配置、代码实现、运行调试到扩展方向进行全流程精细讲解,并附上完整可运行代码与问题排查指南。 目录 1. 项目概述与核心亮点 2. 硬件配置与冰达机器人Nano改造方案 3. 软件环境配置(含版本适

FPGA中扇出数目是什么意思

FPGA中扇出数目是什么意思

目录 一、核心定义 二、一个生动的比喻 三、为什么扇出在FPGA中如此重要? 四、FPGA与ASIC在扇出处理上的区别 五、如何优化高扇出? 六、总结 一、核心定义 扇出 指的是:一个逻辑单元的输出信号,直接驱动多少个其他逻辑单元的输入。 简单来说,就是 “一个输出能带多少个负载(输入)”。 二、一个生动的比喻 你可以把一个逻辑单元(比如一个触发器的输出)想象成一个音响,而把它要驱动的其他逻辑单元的输入想象成耳机。 * 低扇出:就像这个音响只连接了2-3个耳机。每个耳机都能获得清晰、强劲的声音(信号),而且音响本身很轻松。 * 高扇出:就像这个音响通过一大堆分线器,同时连接了500个耳机。这时,每个耳机听到的声音都会变得非常微弱(信号变差),而且音响可能会因为负载过重而发热、失真甚至损坏。 在FPGA中,“声音微弱和失真”对应的就是 “信号延迟增加” 和 “信号波形变差(斜率下降)

OpenClaw机器人引爆天网,首次拥有记忆,逆天了!

OpenClaw机器人引爆天网,首次拥有记忆,逆天了!

手把手教你一键部署OpenClaw,连接微信、QQ、飞书、钉钉等,1分钟全搞定! OpenClaw这款开源机器人最近彻底火了,它让机器人第一次有了“记性”。这种原本只在科幻片里出现的“天网”级技术,居然直接在GitHub上公开了源代码。 就在刚刚,全球搞开源机器人的圈子被推特上的一条动态给点燃了! 手把手教你一键部署OpenClaw,连接微信、QQ、飞书、钉钉等,1分钟全搞定! 视频里,一台装了OpenClaw系统的宇树人形机器人在屋里四处走动。它全身上下都是传感器——激光雷达、双目视觉外加RGB相机,这些设备捕捉到的海量数据都被喂进了一个大脑里。 紧接着,奇迹发生了:这台宇树机器人竟然开始理解空间和时间了!这种事儿在以前的机器人身上压根没出现过。 手把手教你一键部署OpenClaw,连接微信、QQ、飞书、钉钉等,1分钟全搞定! 它不仅分得清房间、人和东西都在哪儿,甚至还记得在什么时间点发生了什么事。 开发团队给这种神技起名叫“空间智能体记忆”。简单来说,就是机器人从此以后也有了关于世界的“长期记忆”! 而把这种科幻照进现实的,正是最近在国际上大红大紫的开源项目OpenClaw。

使用trae进行本地ai对话机器人的构建

使用trae进行本地ai对话机器人的构建

前言 在人工智能技术快速发展的今天,构建本地AI对话机器人已成为开发者和技术爱好者的热门选择。使用 trae可以高效地实现这一目标,确保数据隐私和响应速度。本文将详细介绍如何利用 Trae 搭建本地AI对话机器人,涵盖环境配置、模型加载、对话逻辑实现以及优化技巧,帮助读者从零开始构建一个功能完整的AI助手。 本地化AI对话机器人的优势在于完全离线运行,避免网络延迟和数据泄露风险,同时支持自定义训练模型以适应特定场景需求。无论是用于个人助理、客服系统,还是智能家居控制,Trae 都能提供灵活的解决方案。 获取api相关信息 打开蓝耘进行登录,如果你是新人的话需要进行注册操作,输入你相关的信息就能进行注册成功 在平台顶部导航栏可以看到Maas平台,点击进入模型广场 来到模型广场可以看到很多的ai模型,比如就有我们的kimi k2模型 点击进去可以看到kimi k2模型的相关信息,我们将模型的id进行复制,等会儿我们是要用到的 /maas/kimi/Kimi-K2-Instruct 并且这里还具有在线体验的功能,生成回答速度快 https://archive.