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。
打造桌面贾维斯：小鸿_AI_项目解析
先认识一下小鸿 AI硬件
小鸿 AI（XiaoHong AI）是一款国产智能语音硬件，麻雀虽小五脏俱全：
- CI1302 语音芯片：负责麦克风拾音、唤醒词检测（喊一声"你好小鸿"它就醒）、音频解码播放，是"耳朵和嘴巴"的硬件底座
- WS63 无线模组：提供 WiFi 联网能力，让硬件可以连上局域网里的任何服务
- 240×240 LCD 屏：显示状态、音量、对话内容，不再是一块"瞎"硬件
- 实体按键：音量加减、唤醒/配网快捷键
它原来被绑定在一个固定的云端聊天后台里——问天气、放歌，功能就锁死在那几样上。硬件底子是好的，却被软件锁住了。这个项目要做的事，就是把这把锁撬开。
开源项目地址：https://atomgit.com/xiaohong-ai
这个项目是什么
一句话：把小鸿 AI 从云端后台里解放出来，变成一个通用的"语音外设"，通过 MCP Server 接到任何一个 AI Agent 上。
它不再是"智能音箱"，也不再是聊天机器人，而是 AI Agent 的耳朵（麦克风 + 唤醒 + ASR 识别）和嘴巴（TTS 播报）。从此 AI 有了感官：
你说话 → 小鸿听到 → Agent 听懂 → Agent 干活 → 小鸿开口回答
不用打字，不用点鼠标，开口就是命令。
项目地址
- MCP Server 主项目：https://atomgit.com/qq8864/xiaohong-mcp-server
- 小鸿 AI 终端侧配套（精简固件）：https://atomgit.com/xiaohong-ai/xiaohong-fbb_ws63
- 主推配合的 AI Agent — AtomCode：https://atomgit.com/atomgit_atomcode/atomcode
实现方案与思路
设计思想
核心思路就三步：
架构框图
几个值得一提的实现
- 语音输入闭环：你喊唤醒词 → 小鸿自动进入监听（不需要 Agent 下发指令）→ 音频流式上传 → 豆包流式 ASR 转文字 → 文字推送给 Agent（stdio 推 notifications/voice_input / HTTP SSE 推事件 / voice_wait_input 工具等待）。Agent 收到就能接话，替代键盘打字。
- 分块流式播放：音乐不是等整个文件解码完才播，而是边下边解边播，启动快、内存低，4 分钟的长音频也流畅，音质走 opus 96kbps + sinc 重采样 + 正确立体声混音，能听。
- 说停就停：播放/监听中随时 voice_abort，立刻打断，不像某些音箱喊破喉咙还在自嗨。
- 可在线调试：Web 面板实时显示 WS 收发日志和每一次唤醒识别结果，链路哪里断了，一眼看出来。
音乐播放这一项，就能玩一整天
给它一个链接，它就能放：本地音乐、网络音频 URL（mp3/wav/flac/aac 都行）。
4 分钟的长歌流畅播放，音质认真做过。更爽的是说停就停。
主推搭配：AtomCode
这个项目的"大脑"我主推 AtomCode——一个住在终端里的开源 AI 编码助手，Claude Code 的开源替代方案：
- 极致性能：用 Rust 构建，启动快、响应快、资源占用低
- 连接任意大模型：AtomGit OAuth 一键登录，或任意 OpenAI 兼容 API Key，想用哪家模型用哪家
- 全自动干活：给它一个自然语言任务，自主读取、编辑、运行、自我验证，把活干完
- 好玩的开源生态：斜杠命令、会话撤销、Skills 扩展、Plugin 系统（与 Claude Code 生态兼容），30+ 内置命令
- 完美配合本项目：通过 .mcp.json 一行配置就能把 6 个语音工具挂进去
{
"mcpServers": {
"xiaohong": {
"url": "http://127.0.0.1:8080/mcp"
}
}
}
配好后，AtomCode 就有了耳朵和嘴巴——它问你问题，你直接开口答；它想放首歌，让它自己放。更多好玩玩法待你探索！
接入哪个 Agent 都行
项目不挑食，任何支持 MCP 的 Agent 都能接：AtomCode、Claude、Cline……或者自己写个 Python 脚本调 MCP 接口。想用哪家 AI，就用哪家 AI。小鸿只是"感官"，大脑随便换。
折腾的过程，本身就是乐趣
整个项目开源可改：固件端有精简版（把 OTA、字库下载这些没用的全砍了，只留核心），Server 端 Web 面板在线改配置不用重启，ASR/TTS 随时换。看着小鸿第一次听懂你说的话、第一次开口回你，那种感觉，比任何智能音箱都有成就感。
还有哪些好玩的可以探索？
将小鸿 AI 从传统的“智能聊天机器人”解放，并接入 MCP（模型上下文协议）后，好玩的事情变多啦。
1. 全语音驱动的“指挥官”模式
你可以彻底摆脱键盘和鼠标，通过AtomCode等 AI Agent 实现全自动化的工作流。
- 自动化编程：对着小鸿说出自然语言任务，让 AtomCode 自主完成代码的读取、编辑、运行及自我验证。
- 多任务并发：利用小鸿的语音输入事件推送，你可以在干别的事情时，随时开口下达新指令，指挥 Agent 在后台干活。
2. 定制化多媒体与信息枢纽
借助 voice_play_audio 工具，小鸿不再只能播放固定的歌曲：
- 全格式音频流：支持本地或网络上的 mp3、wav、flac、aac 等多种格式。你可以让 Agent 帮你搜寻最新的播客或新闻流并直接播放。
- 高音质流式体验：项目采用了 opus 96kbps 编码和 sinc 重采样，即使是 4 分钟的长音频也能流畅播放，且音质有保障。
- 绝对掌控感：利用 voice_abort 机制，你可以随时“喊停”，Agent 会立刻中断当前播放或监听，反应速度远超普通智能音箱。
3. 跨空间的“口袋贾维斯”
由于小鸿通过 WS63 无线模组连接局域网，你可以探索更灵活的使用场景：
- 远程控制：将小鸿 AI 装入口袋，无论你身在何处，只要有网络，就能指挥家里或办公室电脑上的 Agent 执行任务。
- 环境状态监测：通过 LCD 屏幕实时观察 Agent 的工作状态、音量或对话内容，即使不看电脑屏幕也能掌控全局。
4. 灵活切换“大脑”
小鸿只是 AI 的“感官”，它的“大脑”是可以随心更换的：
- 多模型实验：你可以尝试将小鸿接入不同的 Agent（如 Claude、Cline 等），对比不同大语言模型在语音交互下的性格差异和任务处理能力。
- 自研 MCP 扩展：由于 MCP Server 是通用的，你可以自己写 Python 脚本，将更多奇怪的工具（如控制家电、查股票）挂载到这套语音系统上。
5. 硬件级的极客改造
作为一个完全开源的项目，硬件本身也充满了探索空间：
- 固件精简与优化：你可以折腾精简版固件，砍掉不需要的功能，只保留最核心的语音通路，追求极致的响应速度。
- UI 与交互自定义：针对那块 240×240 的 LCD 屏，你可以编写代码显示更丰富的信息，比如代码进度条、AI 的心情符号等。
6.控制家电或其他设备
接入控制其他硬件。小鸿 AI 在此场景中充当了 “感官”，它解决了“听”和“说”的问题。而控制家电的具体“动作”，则可通过 MCP 协议将 Agent 连接到对应的智能家居 API（如 Home Assistant 或自定义脚本）来实现。这样模块化的设计，使得你可以通过小鸿AI一句话指挥 AI 干任何活，而不仅仅局限于音箱原有的功能。
总之，小鸿 AI 的意义在于它打破了厂商的软件锁，让你能用语音这一最自然的方式，与目前最先进的 AI Agent 产生物理层面的连接。
推荐关注：猫哥的 CSDN 博客
项目作者猫哥在 CSDN 上记录了大量智能硬件与 AI Agent 结合的折腾笔记，从硬件接线、固件改造到 MCP 接入的完整实战，一步步怎么踩坑、怎么解决都写得清清楚楚。
猫哥的博客： https://blog.csdn.net/qq8864
想从零开始复刻一台自己的"语音贾维斯"，跟着博客走就行。还用敲键盘？从此你的AI Agent，直接语音对话就可以干活啦，还能给你唱歌，放新闻。或者可以把小鸿AI装入口袋，无论何时何地，都能指挥远端电脑上的Agent干活。
意义在哪
往小了说，这是一块旧硬件的"第二次生命"——把厂商锁死的功能解锁，变成自己的东西。
往大了说，AI Agent 从此有了耳朵和嘴巴。Agent 不再只是屏幕里的对话窗口，它可以站在你的桌子上，听你说话、回答你、给你放歌、帮你干活。贾维斯不是科幻，是周末加几个晚上就能搭出来的东西。
小鸿 AI 硬件从此有了新玩法。还在用某猫精灵？它只会放那几首歌。我的小鸿，会听我说话，会替我干活，会和我聊天——它是活的。
打造一个能听、会说话、会干活的贾维斯，就从这里开始。
