来源
- 原始链接：https://www.youtube.com/watch?v=akk6KRlcwW4
- 来源类型：视频逐字稿
- 来源标题：手中的 OpenClaw：构建一个实体 AI 终端
文本来源是 AI Engineer 频道视频《手中的 OpenClaw：构建一个实体 AI 终端》的修复版中文稿。下面按汉松兴趣画像优先保留机制解释、反常识判断和可复用工作流，而不是做普通摘要。
开头可以先抓住一句：这场来自 AI Engineer 频道的演讲介绍了 Lech Kalinowski 如何构建一个实体 AI 终端 OpenClaw：它用 OLED 与电子纸双屏、ESP32 微控制器、本地后端和开源 LLM，把一个手持设备变成可控制 Agent、访问 DGX Spark、运行文字 RPG 的安静型 AI 原生终端。
一、发现与设计动机
背景
演讲者用一个类似科幻开场的故事引出 OpenClaw，并说明真正目标是做一个实体 AI 原生设备。最初它只是用来远程控制 DGX Spark 上的 OpenClaw 实例，随后演化成一个双屏、低功耗、可读写 LLM 的手持终端。
一方面，我只是想做一个远程控制器；另一方面，市场上存在一个很细分的空白，也就是 AI 原生操作系统。当我更认真地思考它时，我意识到可以为自己的目的构建这样一个系统。但不是用超级强大的计算机，而是用小型微控制器。
演讲者用一个类似科幻开场的故事引出 OpenClaw，并说明真正目标是做一个实体 AI 原生设备。最初它只是用来远程控制 DGX Spark 上的 OpenClaw 实例，随后演化成一个双屏、低功耗、可读写 LLM 的手持终端。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
二、原型、显示系统与硬件架构
背景
这一段展示了设备原型和双屏交互方式：OLED 负责动态输入，电子纸负责稳定渲染。演讲者解释了固定缓冲区、一位图像渲染、无 Markdown 引擎、无 malloc 的 MCU 侧设计，也复盘了供电、I2C、GPIO、编码器和廉价元件带来的硬件问题。
我用尽可能优化的方式来服务这个模型，也就是使用 TensorRT 推理服务系统。我还暴露了 OpenAI 风格的接口，相当于一个 LLM 代理。原因是我在使用其他开源模型时撞了很多墙，因为并不是所有模型都符合 OpenAI API 的风格。
这一段展示了设备原型和双屏交互方式：OLED 负责动态输入，电子纸负责稳定渲染。演讲者解释了固定缓冲区、一位图像渲染、无 Markdown 引擎、无 malloc 的 MCU 侧设计，也复盘了供电、I2C、GPIO、编码器和廉价元件带来的硬件问题。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
三、RPG 模式与 AI 原生终端体验
背景
演讲者介绍了让他意外喜欢的 RPG 模式：用 LLM 生成世界、NPC、角色、地图和氛围，把手持终端变成文字角色扮演设备。他也指出，这类设备适合安静、无干扰的场景，和以音频、视频、摄像头为中心的 AI 设备形成差异。
还有一个有趣的点，关于这里的知识产权领域。我做了一些相关研究，发现大家都想围绕音频接口、视频捕获这类东西来构建设备。但在安静的场所，当你只想坐下来、保持平静、玩自己的 RPG 游戏时，你并不需要彩色而强大的显示屏，也不需要那些跳出来的颜色、干扰、广告、网页和其他东西。有时你只是想坐下来，用 OpenClaw 做该做的事，或者和你的 LLM 聊天，在安静环境中阅读和写作，不受任何干扰。这里存在一个市场空白。
演讲者介绍了让他意外喜欢的 RPG 模式：用 LLM 生成世界、NPC、角色、地图和氛围，把手持终端变成文字角色扮演设备。他也指出，这类设备适合安静、无干扰的场景，和以音频、视频、摄像头为中心的 AI 设备形成差异。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
四、项目规模、经验总结与演示开始
背景
这一段给出项目数字：约 3 个月、130 次提交、双显示屏、4 种模式、多个 RPG 世界、16 个类、单节锂聚合物电池供电。随后进入设备演示，包括启动、连接 Wi-Fi、帮助命令、教程，以及通过 OpenClaw Agent 检查 DGX Spark 磁盘空间。
也许还有一些评论和收获。让显示屏承担它该做的工作。市面上有很多显示屏可以选择。把模型放在金属之外，因为它真的很重。也就是说，到目前为止，我们还没有真正能在超小 MCU 上运行的这类模型，这里指的是 LLM。还要尝试叙事。上下文很重要，整体上比数字更重要。
这一段给出项目数字：约 3 个月、130 次提交、双显示屏、4 种模式、多个 RPG 世界、16 个类、单节锂聚合物电池供电。随后进入设备演示，包括启动、连接 Wi-Fi、帮助命令、教程，以及通过 OpenClaw Agent 检查 DGX Spark 磁盘空间。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
五、游戏演示与收尾
背景
最后一段展示 RPG 世界选择、角色选择和生成式内容。演讲者调侃说，一个安静的文字游戏竟然需要 DGX Spark 上强大的 NVIDIA 处理器支撑，并总结这场演讲表面上是手持 Agent 控制终端，本质上也是一个和 LLM 一起玩的 Game Boy。
所以，一个带文本界面的安静游戏，需要世界上最强大的计算机显卡。也许另一个点是，这场演讲讲的是一个手持设备，用来控制 Agent 和 OpenClaw，并配合本地 LLM 使用；但整体来说，它其实是在讲一个 Game Boy。
最后一段展示 RPG 世界选择、角色选择和生成式内容。演讲者调侃说，一个安静的文字游戏竟然需要 DGX Spark 上强大的 NVIDIA 处理器支撑，并总结这场演讲表面上是手持 Agent 控制终端，本质上也是一个和 LLM 一起玩的 Game Boy。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
整体判断
这篇最值得保留的不是某个单点技巧，而是它把「手中的 OpenClaw：构建一个实体 AI 终端」放进了更完整的工程框架里：发现与设计动机、原型、显示系统与硬件架构、RPG 模式与 AI 原生终端体验。这些内容可以作为汉松后续写 AI 工程、Agent 系统和团队工作流时的素材。
更重要的是，它提供了一种判断 AI 系统的方式：先看问题如何被拆成状态、动作、工具、评估和人的边界，再看模型能力如何嵌进去。只有这样，视频里的做法才会从一次演示变成可迁移的方法。