夜雨聆风早就听说虾哥开源了一个基于 ESP32 的小智 AI 聊天助手，一直没机会认真研究一下。赶一下边缘ai的热潮。这次有机会通过 Moji2.0 硬件来学习一下。
源码获取
先去 GitHub 上扒下来源码：
https://github.com/78/xiaozhi-esp32
下载后解压，里面主要是 4 个文件夹，分别是文档、程序、Flash 分区表配置、脚本。
主要看程序这一块，结构分布大致是这样：
main/
├── application.h/cc # 主应用类
├── assets.h/cc # 资源管理
├── ota.h # OTA升级
├── settings.h # 配置管理
├── system_info.h # 系统信息
├── device_state.h # 设备状态枚举
├── device_state_machine.h # 状态机
├── mcp_server.h # MCP服务器（机器人控制）
├── audio/ # 音频服务
│ ├── audio_service.h/cc
│ ├── audio_processor.h
│ ├── audio_codec.h
│ ├── wake_word.h
│ ├── processors/ # 音频处理器（AFE等）
│ ├── codecs/ # 音频编解码器驱动
│ └── wake_words/ # 唤醒词引擎
├── display/ # 显示模块
│ ├── display.h
│ ├── lvgl_display/ # LVGL图形库
│ ├── oled_display.h
│ └── emote_display.h # Emote显示协议
├── protocols/ # 网络协议
│ ├── protocol.h
│ ├── mqtt_protocol.h/cc
│ └── websocket_protocol.h/cc
├── led/ # LED控制
│ ├── led.h
│ ├── single_led.h
│ └── circular_strip.h
└── boards/ # 硬件板级支持
├── common/ # 通用板类
│ ├── board.h
│ ├── wifi_board.h
│ └── ml307_board.h # 4G模块支持
├── esp-box-3/ # 具体板卡配置
├── electron-bot/ # 机器人平台
└── ... (30+种板卡)
整体架构
从结构上来看，这个项目的层级是这么划分的：
- Application（主应用层）
：状态管理、事件处理、网络协调、OTA升级、MCP服务 - Core Services（核心服务层）
：音频服务、网络协议、资源管理、显示输出 - Board Abstraction（硬件抽象层）
：音频编解码、指示灯、网络接口、摄像头 - ESP32 Hardware（底层硬件）
设计的架构相当清晰，各个模块的职责划分得很清楚。而且相关资料也很丰富，小智有个类似官网百科全书的地址：
https://my.feishu.cn/wiki/F5krwD16viZoF0kKkvDcrZNYnhb 这里有很多相关技术文档。还有专门帮助入门的，比较友好
上手操作
如果用的小智官方已经支持的硬件，那流程很简单：搭建好编译下载环境后，去 boards 文件夹找到对应的板子文件夹，然后让 AI 根据这个文件夹内容帮你编译下载就行了。
烧录好程序后，根据配网流程完成网络设置。然后可以在小智的控制后台进行各种配置：
这里可以配置模型、设计人设、声纹识别，甚至还能自定义界面UI。
改点东西
基础流程跑通之后，就该动动自己的需求了。我这次主要想实现两个功能：
增加一个 ADC 温度采集 重新设计待机界面
用 Cursor 配合 AI 基本上就能搞定。这种硬件层面的改动，主要是在板级文件夹下操作就行。
不过有个忠告：如果像我一样对这个项目还不太熟悉，建议先别动框架内的核心代码，哪怕是用 AI 生成代码也要克制。我一开始试着改了改框架里的一些东西，结果出现了各种奇葩问题——内存溢出、声音突然消失、界面卡顿等。这些问题排查起来还挺耗时。
所以想动 AI 相关部分的话，建议先花点时间把项目结构理解透彻再动手。
最终效果
最后展示一下这次修改后的效果，包括自定义的 UI 界面，以及其他功能，小智 AI 整体表现还是很流畅的。
