借助小鸿 AI 的硬件能力，猫哥给AI Agent装上了耳朵和嘴巴，从此属于我的贾维斯活啦！
还在用某猫精灵？对着它喊"放首歌"，它放一首固定的歌，然后就没有然后了。早过时了。
小鸿 AI 这块硬件，我给它换了个活法------它现在不是"智能音箱"，它是 AI Agent 的耳朵和嘴巴。说话有人听，命令有人干，一句话就能指挥一个真正的 AI 干活。
1. 项目愿景与核心定义
在当前的 AI 生态中，传统智能音箱正面临"功能锁死"的困境，其 I/O 链路往往被封闭在特定的云端后台中，难以适配快速演进的 AI Agent。小鸿 AI 的核心使命是实现从"封闭式云端音箱"到"通用语音外设"的职能转变。
本方案旨在解放硬件、撬开云端锁扣，将硬件底层的感知能力与上层的逻辑决策深度解耦。小鸿 AI 被定义为 AI Agent 的"耳朵"（麦克风+唤醒词检测+流式 ASR）与"嘴巴"（流式播放+TTS），通过标准化的接口，让 AI Agent 能够跨越屏幕限制，成为办公桌上具备物理存在感的实体助手。
2. 硬件架构组成
小鸿 AI 基于国产高性能芯片方案，通过紧凑的硬件选型构建了高可靠的语音交互基座。
|-------------------|---------|----------------------------------------|
| 组件名称 | 核心功能 | 技术参数/作用 |
| CI1302 芯片 | 拾音与前端处理 | 负责麦克风拾音、**"你好小鸿"**硬件级唤醒词检测及音频硬件解码。 |
| WS63 无线模组 | 网络通信链路 | 提供 WiFi 联网能力，确保低延迟的局域网/广域网数据交互。 |
| 240x240 LCD 屏 | 交互可视化 | 实时呈现系统状态、音量、对话内容，解决传统音箱"不可视"的痛点。 |
| 实体按键 | 物理逻辑接口 | 提供音量调节、手动唤醒、配网触发等必要的底层物理控制。 |
3. 核心设计思想：硬件能力抽象化
为确保与不同架构的 AI Agent 实现无缝集成，小鸿 AI 将复杂的底层信号处理封装为 6 个标准的 MCP (Model Context Protocol) 工具。
voice_speak: 驱动硬件执行语音播报任务。voice_listen: 强制开启麦克风监听模式。voice_wait_input: 关键同步工具，允许 Agent 在异步交互中挂起并等待用户语音输入，有效桥接 LLM 的推理节奏。voice_status: 实时查询硬件在线状态、音量及运行负载。voice_abort: 打断工具，实现 Full Duplex（全双工）式的交互体验，确保"说停就停"。voice_play_audio: 播放音乐或高比特率音频流文件。
传输标准与可集成性： 系统原生支持 stdio （适配 AtomCode 等本地终端 Agent）、HTTP (Streamable) 与 SSE （服务器发送事件）三种传输协议。特别是对于 stdio 模式，系统实现了 notifications/voice_input 事件推送机制，使 Agent 无需轮询即可实时捕获语音输入。
- MCP Server 项目地址： xiaohong-mcp-server:基于 MCP 协议的语音交互服务项目 - AtomGit
- 终端侧精简固件： xiaohong-fbb_ws63:基于FBB框架的2.4GHz Wi-Fi 6 星闪多模解决方案项目 - AtomGit
4. 关键技术实现与链路优化
作为高级架构师，我们在链路优化上侧重于实时性与信号处理的精确度：
- 语音输入闭环（Event-Driven）： 当硬件检测到唤醒词后，自动触发流式音频上传。服务端集成了 Doubao（豆包）流式 ASR 与 Whisper，实现毫秒级的文字转译并自动推送至 Agent 侧，彻底替代键盘交互。
- 分块流式播放与信号处理： 针对播报延迟，系统采用"边下边解边播"的机制。通过 Opus 96kbps 高性能解码、sinc 重采样（Sinc Resampling） 以及高精度的**立体声混音（Stereo Mixing）**技术，确保即使是长达数分钟的音频流也能在极低内存占用下保持高保真回放。
- 响应灵敏的打断机制： 凭借
voice_abort逻辑，系统可随时中止当前的 TTS 播报或 ASR 监听，解决了传统硬件在复杂对话中"自说自话"的尴尬，实现了真正的双工对话。 - 实时可观测性： 内置基于 WebSocket 的 Web 调试面板，开发者可实时查阅协议收发日志及唤醒识别结果，使硬件链路的调试如同 Web 开发一样透明。
5. 典型应用场景：AI 编程助手 AtomCode
小鸿 AI 目前的最佳实践是与 AtomCode （atomcode:基于终端的 AI 编码代理项目 - AtomGit）集成。AtomCode 是 Claude Code 的开源替代方案，原本驻留在 CLI 终端内。
通过小鸿 AI 的 MCP 适配，开发者无需再频繁切换窗口输入指令。你可以直接对着桌上的小鸿说："帮我分析这个函数的死循环风险"，AtomCode 接收到推送的文字指令后立即执行代码扫描并由小鸿语音回传结果。这种集成让 CLI 工具获得了物理形态，使 AI 编程助手真正进化为"数字员工"。
技术实现方案框图：
6. 技术总结与前瞻
小鸿 AI 方案的意义在于其极低的接入门槛与高度的开放性。通过将硬件能力转化为标准化的工具集（MCP），我们不仅降低了开发者构建 AI 硬件的成本，更指明了未来个人 AI 助理的方向。
借助于这套开源技术栈，构建一个如"贾维斯"般响应敏捷的个人 AI 助理不再是复杂的科研课题，而是一个"周末项目"。随着 Agentic Workflow 的普及，标准化的语音外设将成为 AI 物理化落地的重要基础设施。