MimiClaw - 高度な実行環境を必要としない、オープンソースの超軽量AIアシスタント。 - AiBoss

ミミクローとは何ですか？

ミミクローはESP32-S3チップをベースにしています。の超軽量AIアシスタント純粋なC言語で書かれているため、ベアメタル上で直接実行できます。Linux、Node.js、オペレーティングシステムは不要です。MimiClawは24時間365日オンラインアクセスを提供し、TelegramまたはWebSocket経由でClaude/GPTインテリジェントサービスを提供します。MimiClawは、永続メモリシステム（SOUL.md/USER.md/MEMORY.md）、検索/スケジュールタスクをサポートするツール呼び出し、およびハードウェア制御機能を備えています。すべてのデータはプライバシーを最優先にローカルに保存され、エッジAIとエージェントハードウェア化の究極のエンジニアリング手法を体現しています。

ミミクローの主な機能

知的な対話Telegram BotまたはWebSocketを介したClaude/GPTモデルとのリアルタイムチャット。デュアルプロバイダーのランタイム切り替えをサポート。
ローカルメモリMimiClawは、AIの個性、ユーザー情報、長期記憶をMarkdownファイル形式で永続的に保存することで、停電や再起動時にもそれらが失われないようにしています。
自律的なスケジューリング内蔵のCronスケジューラとハートビート機構を備えており、AIがスケジュールされたタスクを作成し、保留中の項目を積極的に確認して実行することを可能にします。
ツール呼び出しReActモードでエージェントループを実装するために、ネットワーク検索、時間取得、GPIOハードウェア制御などのツールをサポートします。
無線機器の運用と保守OTAファームウェアアップデートとHTTPプロキシをサポートしており、物理的な接続なしで展開とネットワーク適応が可能です。

MimiClawの技術原理

ベアメタルアーキテクチャESP-IDFフレームワークをベースに純粋なC言語で開発されたこのライブラリは、LinuxやNode.jsランタイムを必要とせず、ESP32-S3ハードウェア上で直接動作します。依存関係を削減することで、コードサイズは16MBのフラッシュメモリ内に収まっています。
デュアルコアタスク割り当てESP32-S3のデュアルコアXtensa LX7プロセッサを使用することで、ネットワークI/OプロトコルスタックはCPU0にバインドされ、エージェント推論とツール実行はCPU1に配置され、並行処理を実現してブロッキングを回避します。
ストリーミングメモリ管理512KBのSRAM制限に対処するため、HTTPストリーミングとチャンク分割JSON解析を採用し、大きなレスポンスを一度に読み込むことによるメモリオーバーフローを回避しています。さらに、一時データはPSRAMを使用して保存されます。
ReActステートマシン純粋なC言語でReAct（推論-行動-観察）ループ状態マシンを実装し、複数ターンの対話コンテキストを維持し、LLMから返されるJSONツール呼び出し命令を解析し、ローカルツールの実行を制御します。
SPIFFSの持続性フラッシュメモリ上にSPIFFSファイルシステムを構築し、メモリ、設定、タスクキューをプレーンテキスト形式で保存することで、依存関係のないデータ永続性と人間による編集可能性を実現します。

MimiClawプロジェクトの住所

プロジェクト公式サイト：https://mimiclaw.io/
GitHubリポジトリ：https://github.com/memovai/mimiclaw

MimiClawの応用事例

パーソナルアシスタントポケットサイズのAIコンパニオンとして、モバイルバッテリーや車のUSBポートに接続すれば、24時間365日オンライン状態を維持できます。スマートフォンの処理能力やクラウドサービスに頼ることなく、Telegramを通じていつでもスケジュールを確認したり、インスピレーションを録音したり、アドバイスを得たりできます。
スマートホームハブ低消費電力のホームゲートウェイとして、温度・湿度センサーやリレーなどのGPIOデバイスに接続し、自然言語コマンドで家電製品を制御し、ユーザーの習慣をローカルに記憶することで、パーソナライズされた自動化を実現します。
産業用エッジノード工場や農場などの現場に設置され、定期的に機器データを収集し、異常を自律的に判定します。ハートビートメカニズムを通じて積極的に状況を報告します。消費電力は0.5Wと低く、太陽光発電による無人環境に適しています。
教育開発プラットフォームオープンソースのベアメタルコードは、組み込みシステムを学ぶ学生にエージェントエンジニアリングの実践例を提供し、低コストのハードウェアはAIoT開発の障壁を下げるため、大学のIoTおよびエッジコンピューティングのコースに適しています。