2026年ESP32-S3 部署 MimicLaw 完整教程：从零到成功调用 DeepSeek

大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。

一块 30 块钱的开发板 + 一个大模型 API，就能做出可以听懂人话的智能硬件。

最近我成功将开源项目 MimicLaw 部署到了 ESP32-S3 核心板上，并接入 DeepSeek API 运行成功。本文记录完整安装过程和踩坑经验，确保你跟着做就能跑通。

🔗 项目地址：https://github.com/memovai/mimiclaw

最新讯息可关注VX公众号”坏柠编程”

MimicLaw 本质是一个运行在 ESP32 上的 LLM 客户端框架，它可以：

🌐 连接 WiFi
🤖 调用大模型 API（OpenAI / Anthropic / DeepSeek 等）
📦 解析返回的 JSON
⚡ 本地执行逻辑（例如控制 GPIO / RGB 灯）

一句话概括：

它不是一个”聊天机器人”，而是一个让大模型驱动硬件的桥梁。

2.1 硬件

2.2 软件环境

2.3 DeepSeek API Key

MimicLaw 需要调用大模型 API，本文以 DeepSeek 为例。

获取方式：

访问 https://platform.deepseek.com
注册 / 登录
进入「API Keys」页面，创建一个新的 Key
复制保存好（只显示一次！）

💡 DeepSeek 注册后通常会送一些免费额度，足够测试使用。

本文使用的是 乐鑫官方安装脚本，不需要手动。

3.1 安装系统依赖

3.2 运行官方安装脚本

说明：这个步骤会配置 ESP-IDF v5.5 工具链，它是官方用于 ESP32 编译的框架。

💡 如果上述脚本方式不适用，也可以用以下方式：

cd ~ git clone -b v5.5.2 –recursive https://github.com/espressif/esp-idf.git esp-idf-v5.5.2 cd esp-idf-v5.5.2 ./install.sh esp32s3

安装完成后，ESP-IDF 默认位于：

3.3 加载 ESP-IDF 环境

⚠️ 每次打开新终端都需要执行这一步：

⚠️ 注意：不要直接复制网上带的路径，用代替，它会自动匹配你的用户目录。

验证是否加载成功：

输出类似即为成功。

ESP32-S3 部署 MimicLaw 完整教程：从零到成功调用 DeepSeek_#ai

如果提示，说明没有执行上面的。

3.4 可选：设置自动加载

每次手动执行比较麻烦，可以加到 shell 配置中：

在改代码之前，先确认你的 API Key 和网络没有问题。 这一步能帮你省去很多排查时间。

成功返回 类似以下 JSON，说明一切正常：

ESP32-S3 部署 MimicLaw 完整教程：从零到成功调用 DeepSeek_#ai_02

deepseek官网：

使用命令：可在Ubuntu临时赋值环境变量

如果失败，请排查：

⚠️ 确认 API 调通后再进行下一步。

💡 如果 GitHub 访问超时，可以使用加速镜像：

git clone https://ghproxy.com/https://github.com/memovai/mimiclaw.git

克隆完成后，查看项目结构：

确认能看到、目录等关键文件。

这个文件存放 WiFi 密码和 API Key 等敏感信息。

7.1 复制示例文件

如果找不到文件，用搜索一下它的实际位置。

7.2 编辑配置

修改为以下内容：

按保存，退出。

注意事项：

WiFi 必须是 2.4GHz（ESP32 不支持 5GHz）
Provider 填，因为 DeepSeek 兼容 OpenAI 协议

⚠️ 安全提醒： 包含你的密钥，绝对不要提交到 Git。建议确认项目的已包含该文件，或手动添加：

echo “mimi_secrets.h” >> .gitignore

8.1 为什么要改？

MimicLaw 的 provider 默认连接的是，而 DeepSeek 虽然兼容 OpenAI 协议，但域名和路径不同：

8.2 修改 API Host

打开文件：

修改为：

保存退出。

💡 更优雅的方式是在中添加 Host / Path 的宏定义，但这需要改动更多代码，本文先用最简单的方式。

9.1 加载 ESP-IDF 环境

如果当前终端还没执行过，先加载：

9.2 设置目标芯片

这一步会告诉编译系统，我们的目标芯片是 ESP32-S3（而不是 ESP32 / ESP32-C3 等）。

9.3 清理旧的编译缓存

为什么要执行这一步？因为在改完代码、换过 target 后，旧的缓存可能导致编译异常。会删除整个目录，确保干净编译。

9.4 编译

首次编译大约需要 5~15 分钟，取决于电脑性能。请耐心等待 ☕

编译成功会看到类似输出：

9.5 连接开发板并烧录

用 USB 数据线将 ESP32-S3 连接到电脑（虚拟机需要将 USB 设备接入到 Ubuntu）。

确认设备被识别：

看到之类的设备即可。

执行烧录 + 打开串口监视器：

或者直接

💡 是两个命令的合并，烧录完成后自动打开串口监视器，方便查看运行日志。

如果烧录时报错：

这是因为当前用户没有串口设备的访问权限。

解决：

然后必须重启（注销不够，要完全重启）：

重启后再次执行编译烧录即可。

💡 临时方案（不推荐长期使用）：在烧录命令前加。

串口监视器中应该依次看到：

ESP32-S3 部署 MimicLaw 完整教程：从零到成功调用 DeepSeek_#c语言_03

ESP32-S3 部署 MimicLaw 完整教程：从零到成功调用 DeepSeek_#ai_04

看到类似输出，说明你的 ESP32-S3 已经成功：

✅ 连接 WiFi
✅ 调用 DeepSeek API
✅ 接收并解析大模型回复

恭喜，部署成功！🎉

退出串口监视器：按

不要把它仅仅当聊天机器人。ESP32 + LLM 的核心价值在于：

LLM 作为决策层，MCU 作为执行层

几个可以立刻上手的方向：

🎨 自然语言控制 RGB 灯

🔌 LLM 驱动 GPIO

让大模型根据语义输出引脚电平控制指令。

🌡️ 语义物联网网关

ESP32 采集传感器数据，发送给 LLM 分析，根据分析结果自动执行操作。

🧠 边缘 AI 决策层

本地规则引擎 + LLM 远程决策，两者结合做更复杂的判断。

整个部署过程核心就是这几步：

装环境 — ESP-IDF
拿 Key — DeepSeek API
改两行代码 — Host 和 Path
编译烧录 — build + flash

一块几十块钱的开发板，就能跑通一个完整的 硬件 + 大模型 链路。

如果你做嵌入式开发，建议认真关注这个方向——用自然语言控制硬件，这不是 Demo，而是即将到到来的产品形态。

🔗 项目地址：https://github.com/memovai/mimiclaw

觉得有用？点赞、收藏、转发三连，就是对我最大的支持 👇