【花雕动手做】ESP-Mosaico Claw 设置面板深度解析｜换大脑、换遥控器，板端不再是天花板

标签：*ESP-Mosaico  VibeMode  Mosaico-Claw  ChatCoding  OpenAI兼容  MCP协议  硬件在环 HIL  具身智能*

## 导读：别只把板子当成一个“带屏幕的玩具”

很多创客刚上手 ESP-Mosaico，只会对着板子麦克风喊话，局限在“现场对着屏幕写代码”的玩法里。

但如果你深入 Mosaico-Claw 的 Settings（设置面板），就会发现这套平台真正的架构野心：LLM 后端解耦 + 多 IM 原生交互入口。

它把“AI 推理大脑”、“人机交互入口”和“硬件执行底座”彻底拆成了独立模块。你不需要改底层固件，也不需要自己写复杂的转发网关，动动手指扫码，就能给 Claw 换一个更聪明的模型，或者远程下发 ChatCoding 指令，实现跨设备的硬件在环调试，把电脑或手机变成远程遥控器。

今天，这里通过三张设置界面的实拍拆解，看透这套为具身智能打造的底层底座。

## 一、SETTINGS 总设置主页：架构解耦的缩影

配图 1：Claw 设置总主页

(界面包含：AI Model - Bound, IM Channels - Bound, Network - zhz3, Display - 100%)

这是设置的总入口，这四个选项背后藏着三层解耦设计：

AI Model（Bound/已绑定）：换大脑。 决定 Claw 用哪个大模型来理解需求、生成 Lua 脚本。

IM Channels（Bound/已绑定）：换遥控器。 绑定即时通讯软件后，电脑PC端或者手机端消息直接成为 Claw 的输入指令。

Network（zhz3）：显示当前 WiFi。注意：AI 模型配置、IM 绑定、网页控制台全靠局域网，断网则远程失效。

Display（100%）：屏幕亮度与息屏设置。

核心思想：交互层（语音/屏幕/微信飞书）、推理层（AI Model）、执行层（Vibe Mode MCP）在这里被彻底解耦。无论你用哪种方式发指令，最终都会流入同一套会话和硬件调用逻辑。

注：这里的 Bound 指的是参数已保存生效，而非当前的实时在线状态。

## 二、图 2：AI Model 后端配置 —— 摆脱束缚，自由“换脑”

配图 2：AI Model 后端配置页

(界面显示：Backend: openai_compatible, Model: device-chat, Base URL: Not configured, Capabilities: Tools On · Vision On)

这里是 Claw 的动力源泉，也是为什么我之前能顺利接入 DeepSeek 的核心原因。

Backend：openai_compatible
打破厂商锁定。只要服务端遵循 OpenAI 接口规范，无论是 DeepSeek、通义千问还是豆包，统统都能接入。这意味着当你嫌弃官方模型额度不够、或者写代码总超时时（比如前面翻车的 10 款表盘案例），你可以随时换一个更强大的后端。

Model：device-chat
这是一个内置标记，提示后端：“当前是硬件对话场景，请优先输出可执行的 Lua 脚本和工具调用，别跟我废话闲聊。”

Capabilities（核心开关）：

Tools On：这就是 MCP（Model Context Protocol）的命门。只有打开它，大模型才有权限调用底层能力（扫模块、读 IMU、控屏幕、下发脚本）。如果关掉，它瞬间变成只会聊天的“哑巴 AI”，ChatCoding 直接废掉。

Vision On：视觉链路开关。配合摄像头子板，可进行图像分析。平时关掉能省 Token。

局域网配置网页（http://.../#llm）：贴心设计，电脑或手机扫码填 API Key，完美规避在板子小屏幕上敲长密钥的痛苦。

## 三、图 3：IM Channels 远程通道 —— 手机秒变“硬件遥控器”

配图 3：IM Channels 远程通道配置页

(界面显示：支持 WeChat / QQ / Feishu / Telegram，提供局域网绑定二维码)

很多人以为这只是个消息转发，但它其实是原生的交互入口，且与本地语音共享生命线。

不用自研网关：市面上很多 ESP32 远程方案需要自己写服务端做消息透传。而 Vibe Mode 内置了 IM 调度模块，底层做好了路由和回传，扫码即用。

跨设备的上下文无缝衔接：这才是最杀手级的功能。在板子上写了 3 款表盘，卡壳了；放下板子，拿起手机在微信里发一句：“接着上回，再加 2 款表盘”。AI 能接住这轮上下文继续干活，绝不串戏。

完整的远程硬件在环（HIL）闭环
结合设置面板，一条从手机到硬件的完整闭环链路浮出水面：

这是 ESP‑Mosaico 原生 IM 远程 ChatCoding 完整**硬件在环（HIL）闭环链路**：

1. 用户在微信 / 飞书等 IM 发送自然语言需求，消息送入 Claw 会话层，**和板子本地语音、屏幕输入共用同一套会话记忆**，增量调试上下文不会断裂；

2. Claw 携带当前硬件快照（已识别的磁吸模块、硬件状态），把对话送入配置好的 LLM 后端；

3. LLM 依靠 MCP 工具能力，输出硬件调用指令或 Lua 脚本；

4. MCP 协议层做硬件权限、总线资源管控，将脚本下发到板载 Lua 沙箱；

5. 脚本在 ESP‑Mosaico 真机本地热部署运行，驱动屏幕、IMU、摄像头等真实外设；

6. 硬件产生的传感器读数、运行日志、报错信息沿着原链路反向回传，最终推送回手机 IM，用户基于反馈继续迭代调试。

> 核心要点：所有代码在板子本地真机执行，不是云端仿真；更换大模型、切换交互入口（本地语音 / 远程 IM），都复用这套 HIL 闭环。

## 四、三图联动：看懂这套架构的野心

如果只把 ESP-Mosaico 当成一块开箱即用的开发板，就太可惜了。

> 精简远程 HIL 链路：手机 IM 下发指令 → Claw 维护会话上下文 → LLM 生成脚本 → MCP 调度、Lua 沙箱真机运行 → 硬件反馈原路回传手机，形成硬件在环闭环。

### 适用场景与局限

优势：现场调试不方便、板子放在工作台，手机远程下发指令快速验证想法；多人协作，不同设备接入同一个 Claw 会话。

局限：默认仅支持局域网；想要公网远程，需要内网穿透。IM 通道只是输入通道，**脚本依然在板子本地 Lua 沙箱运行，不是云端仿真**，是标准硬件在环。

三张界面串联起来，完整展示了 Mosaico-Claw 的设计范式：

1. 【SETTINGS 总页】统一管理所有能力开关
2. 【AI Model 页】换大脑：自由选择大模型，控制工具、视觉能力开关
3. 【IM Channels 页】换交互入口：不限定于板子麦克风屏幕，手机 IM 随时接入

传统 ESP 项目、Arduino 项目，交互入口固定、模型固定；而 ESP-Mosaico 这套架构，是专门面向具身智能 Agent 设计：硬件是执行终端，AI 后端可替换，交互入口可以任意扩展。

这也是 Vibe Coding、ChatCoding 两条开发路线的底层底座：不管是板端语音 ChatCoding，还是电脑端 Agent VibeCoding，都基于这套可配置的后端 + MCP 硬件接口体系。

这就是面向具身智能（Embodied AI）设计的系统底座。理解了这三张设置页，你才算真正捏住了 Mosaico-Claw 的七寸。下一步，就是去自定义你的专属 Agent 了！