用 ESP32-S3 和 TinyGo，先搭个 AI 语音助手的小底座

最近想折腾一个硬件版的 AI 语音助手。

不是网页聊天框那种，而是一个能放在桌面上的小东西：按一下或者叫它一下，它能录音，把问题发给 AI，然后自己用扬声器说回来。

代码在这里：baiyuze/tinygo-ai

现在市面上已经有不少类似"小智 AI"的方案了，有成品，也有开源项目。我不是想说自己要从零做一个多厉害的东西，主要还是想自己走一遍流程。

先把 ESP32-S3、屏幕、配网、状态显示这些东西跑起来。哪怕最后只是个小玩具，也算是一个入门场景。后面真有什么想法，比如加录音、加喇叭、接不同的模型，也能直接在这个基础上继续试。

现在做到哪了

目前还没到"能听会说"的阶段。

这一步主要做的是设备启动后的基础部分：

开机初始化串口、WiFi、RGB 灯和 ST7789 屏幕。
屏幕会先刷红、绿、蓝，方便确认屏幕接线和驱动没问题。
设备会先读 Flash 里保存过的 WiFi 配置。
如果连不上，或者没有配置，就开一个 tinygo-s3-setup 热点。
手机连上这个热点后，访问 http://192.168.4.1/。
页面里可以填 WiFi 名称、密码和 AI API Key。
保存后会写进 Flash，下次开机继续用。
WiFi 连上后，RGB 灯变绿；配网模式是蓝色；出错是红色。
还有一个 /debug 页面，可以看当前模式、IP 和最近日志。

这些东西看起来比较"底层"，但硬件项目里还挺必要的。不然每次换 WiFi 都要重新烧录，或者设备卡住了只能看串口，会很难继续往下做。

想做成什么样

后面大概想做成这样的流程：

text 复制代码

按键/唤醒
  -> 麦克风录音
  -> ESP32-S3 通过 WiFi 发出去
  -> AI 做语音识别和回答
  -> TTS 合成语音
  -> 扬声器播放
  -> 屏幕和 RGB 灯显示状态

也就是一个很朴素的 AI 语音助手。

先不追求复杂交互，也不追求外观。能跑通一轮"人说话 -> AI 回答 -> 设备说话"，就已经挺有意思了。

硬件

现在用到的东西很少：

硬件	说明
ESP32-S3 开发板	主控，跑 TinyGo 固件
ST7789V2 屏幕	2.0 寸，240x320，SPI
WS2812 RGB 灯	用来显示状态，当前走 GPIO48
USB 数据线	烧录和看串口
杜邦线/排针	接屏幕

屏幕接线：

屏幕引脚	ESP32-S3 引脚
VCC	3V3
GND	GND
BL	3V3
CS	GPIO10
DC	GPIO11
RST	GPIO12
SCL/SCK	GPIO13
SDA/MOSI	GPIO14

其他引脚：

功能	引脚
BOOT 强制配网	GPIO0
RGB 状态灯	GPIO48

后面做语音的时候，还要加 I2S 麦克风、功放或者 DAC、扬声器，可能还会加一个按键用来控制录音。

代码结构

项目结构大概是这样：

text 复制代码

main.go
  -> app.Run()
      -> boot        BOOT 键长按检测
      -> rgb         WS2812 状态灯
      -> display     ST7789 屏幕、自检、调试面板
      -> wifi        WiFi STA/AP、DHCP、网络栈轮询
      -> portal      配网页面和 debug 页面
      -> store       Flash 读写，保存 WiFi 和 API Key
      -> diag        状态和日志

启动的时候，app.Run() 先把串口和 WiFi Radio 起起来，然后初始化 RGB 和屏幕。

屏幕初始化后会先做一个颜色自检。这个地方对硬件调试很有用，因为屏幕没亮的时候，很难判断是 SPI、引脚、背光还是驱动配置的问题。

然后检查 BOOT 键。如果按住 BOOT 大概 3 秒，就不管之前有没有保存 WiFi，直接进配网模式。这个功能主要是防止 WiFi 写错后设备一直连不上。

正常情况下，它会先读 Flash 里的配置，能连上就进入 STA 模式。连不上就开 AP 模式，让手机来配。

配网

配网流程现在比较简单：

text 复制代码

开机
  -> 读 Flash
  -> 有配置就尝试连 WiFi
  -> 失败就开热点 tinygo-s3-setup
  -> 手机打开 192.168.4.1
  -> 填 WiFi 和 API Key
  -> 保存到 Flash
  -> 再尝试连 WiFi

AP 模式下，ESP32-S3 自己开热点，也自己跑 DHCP。手机连上之后访问：

text 复制代码

http://192.168.4.1/

页面只有几个输入框：

WiFi 名称
WiFi 密码
AI API Key

保存以后，设备会把内容写进 Flash。下次启动时会优先用这份配置。

还有一个调试页面：

text 复制代码

http://设备IP/debug

或者在 AP 模式下：

text 复制代码

http://192.168.4.1/debug

这个页面能看到当前模式、SSID、IP、缓存状态、最近 HTTP 请求和日志。设备不插电脑的时候，这个页面挺方便。

Flash 里怎么存

现在没有上什么复杂存储，就用了 Flash 最后一个 4KB 扇区。

里面放：

SSID
Password
API Key

为了避免乱读，还加了几个字段：

magic
version
长度
checksum

这块目前够原型用了。

不过 API Key 现在是明文写 Flash 的，这点要注意。自己玩没问题，如果后面真要长期用，肯定要重新考虑安全性。

屏幕和灯

硬件调试里，屏幕和灯真的能省不少时间。

当前屏幕会显示：

WiFi 状态
SSID
IP
最近日志
缓存状态
错误信息

RGB 灯目前只有三种状态：

颜色	状态
蓝色	配网模式
绿色	WiFi 已连接
红色	出错

后面如果做语音交互，灯效可以继续加，比如录音、思考、播放回答这些状态。

烧录

项目用 Go + TinyGo。

依赖主要是这些：

tinygo.org/x/espradio
tinygo.org/x/drivers
tinygo.org/x/tinyfont
github.com/soypat/lneto

烧录命令：

bash 复制代码

go mod download
tinygo flash -target=ESP32-S3-generetor -port=/dev/tty.usbmodemXXXX .

看串口：

bash 复制代码

screen /dev/tty.usbmodemXXXX 115200

这里的 -target 要按自己的硬件来。我这块板子用的是 ESP32-S3-generetor。

大概成本

按散件算，不带外壳的话成本不高：

项目	估算
ESP32-S3 开发板	25-60 元
2.0 寸 ST7789V2 屏幕	18-45 元
杜邦线/排针/面包板	5-20 元
外接 WS2812 灯	1-5 元
外壳/亚克力/3D 打印	10-50 元

现在这个阶段，大概 50-130 元可以玩起来。后面加麦克风、功放、扬声器，还会再多一点。

AI 调用费用另算。目前只是把 API Key 填进去和存起来，还没真正开始请求模型。

后面准备做什么

接下来会继续往"能听会说"走：

接 I2S 麦克风，先把录音搞定。
决定录音触发方式，可能先用按键。
把音频发给 AI 服务做识别和回答。
接 TTS，把回答转成语音。
接功放和扬声器，让设备能播放出来。
屏幕上显示识别文字、回答摘要和当前状态。
把断线重连、错误提示这些补一补。

先这样

代码仓库：baiyuze/tinygo-ai

目前它还不是一个真正的 AI 语音助手，只是先把配网、显示、缓存和调试这些基础部分跑起来了。

但这一步做完之后，后面就比较好继续了。至少现在有一个能联网、能保存配置、能显示状态的小硬件了。接下来再把麦克风和扬声器接上，慢慢把它做成一个能说话的小玩具。