AI 看图 · 你画我猜 你画我猜

一、先玩起来：让板子"长眼睛"

烧录 demo01_draw_guess（需要 WiFi + 密钥，见 README）。屏幕上是一张"白纸"，下面是两个按钮：蓝色 Guess（问号） 和 灰色 Clear（X）。

用指头在白纸上画一个太阳（一个大圆 + 周围几条短线），点一下蓝色 "Guess" 按钮。屏幕先变成深蓝、写着 "AI guessing..."，然后弹窗里出现 — 它猜出"太阳"了！还会开口念："我猜你画的是，太阳。"

别急着画下一张，先记三件事：

1. 点 Guess 后，屏幕先变成什么、再变成什么？
2. 猜出来的结果是中文还是英文？
3. 它念出来的那句，是不是"我猜你画的是，xxx"？

二、AI 是怎么"看见"的：记住"图要先变信"

AI 没有眼睛，它在云端的服务器里，看不见你的屏幕。它怎么知道你在画太阳？因为板子把你的画变了一封信（一串数据） 寄给它。这封信是这么做的：

flowchart LR
    A[1 内存画布<br/>画笔画进 PSRAM<br/>uint16_t canvas] --> B[2 缩图+包 PNG<br/>240x320 缩到 120x160<br/>RGB565→RGB888]
    B --> C[3 译成 base64<br/>图片变一长串<br/>字母数字]
    C --> D[4 塞进 HTTP 信封<br/>手动拼 JSON<br/>WiFi 寄给火山]
    D --> E[5 视觉模型猜画<br/>云端·看小图<br/>直接说答案]
    E --> F[6 显示+念出来<br/>中文字体+百度 TTS]
    style A fill:#22d3ee,color:#131a22
    style B fill:#22d3ee,color:#131a22
    style C fill:#22d3ee,color:#131a22
    style D fill:#22d3ee,color:#131a22
    style F fill:#22d3ee,color:#131a22
    style E fill:#f472b6,color:#131a22

看第 2、3 步——这是本课的命根子：板子把"像素点"变成了"一张真正的小图片"，再变成"一封信（文字）"。视觉模型不认识一堆像素数字，它只认"图片格式"，所以要把像素点打包成 PNG 再寄。

三、关键一棒：画为什么存在"内存画布"里，不在屏幕上？

你可能想问：屏幕上都画出来了，直接从屏幕"截"下来寄走不就行了吗？不行。 这里有块板的硬件小秘密：

这块屏幕有一条线（MISO）物理没接，所以从屏幕"回读"画面，只会读回一堆噪点。换句话说：屏幕只能"往外画"，不能"往里读"。

所以板子聪明的做法是：边画，边把画好的像素存进一块内存（画布）里。 寄信时，从这块内存里取画，不是去"截屏幕"。

一句话记住：屏幕负责"给人看"，内存画布负责"给机器用"。 AI 看的，是内存里那份画，不是屏幕上那份。屏幕负责"给人看"，内存画布负责"给机器用"。 AI 看的，是内存里那份画，不是屏幕上那份。

⚠️ 比喻的边界：说"从内存取画"像"从草稿本抄"，但它不是"抄"——是从第一笔起就画在内存这份草稿上。屏幕是展示板，内存才是真正的草稿纸。AI 看的一直是内存草稿纸。

四、让 AI"猜"而不是"描述"：那行提示词

同一张太阳图，提示词写法不同，AI 的回答差很多：

写法 A——让它"讲讲"：

请描述这幅画。

AI 可能回："图中有一个黄色圆形，周围有几条放射状线条……"——在描述，不猜。

写法 B——让它"直接说答案"（本课的写法）：

system：你是猜画游戏助手。用户画了简笔画，请直接说出答案，
回复尽量简短（几个字即可），不要解释、不要思考过程。

AI 会回："太阳。"——猜中了！

差别就在这四句话：

💡 这条提示词是第 26 课那个"提示词决定它怎么答"的延伸。想让 AI"干到点"的事，常常要同时告诉它"别干多余的"——"不要解释、不要思考过程"就是"负面指令"。你还可以在请求体里看到一句 "thinking":{"type":"disabled"}，是正式关掉它的思考模式，让它别"想太久"把答案挤没。（如果不关，它可能只思考、不给答案——踩坑 #6。）

五、动手做实验：它猜得准不准

实验一：画四个常见图

每次先写预测，再点 Guess 再对答案：

实验二：画一团"抽象"的线

随便乱涂一团线，点 Guess。三种都可能：猜个怪东西 / 说"不知道" / 像在脑补。都记下来。

实验三：空白画布就点 Guess

按一下灰色 "Clear" 擦白，啥也不画直接点 Guess。

这三个实验在帮你回答同一件事：AI 看见的，是它收到的那张缩略图。 画得越糊，它越"看不清"；画得清楚、常见，它越容易说中。

六、它猜错，是坏了吗？（拆台实验）

试着拔掉 WiFi，再点 Guess。

再连回网。记住：AI 猜错、说 "no idea"、念不出来，多半不是板子坏了——真正"看图说话"的是云端那个模型，板子只负责"把画包成信、寄出去、念回来"。想让它猜得准，就换一张更清楚、更常见的画。

试试把提示词从"直接说答案"改成"详细描述这幅画"，再点 Guess——它的口吻会由"猜"变"讲"。这又是一次"提示词说了算"。

七、想自己看懂一点点代码：两个名字就够

打开 demo01_draw_guess.ino（或问 AI 帮手），只看两个名字：

• canvas：内存里的那张纸。240×320、ps_malloc 开在 PSRAM。读画从它读，不 readRect（屏幕 MISO 没接，readRect 读回噪点）。
• captureAsBase64()：把纸变信的那一棒。缩图 → 转 RGB888 → 手动拼 PNG（CRC32 + adler32 + zlib stored 块）→ base64。图片几万字节，塞不进 JsonDocument（会被截断），所以请求体是手动拼字符串（踩坑 #5）。

中文伪代码（不用背）：

手指在画布区按下拖动：
    屏幕画一条线
    同时写进内存画布 canvas
    抬手 ：停止画

点蓝色 Guess：
    屏幕变深蓝 + "AI guessing..."
    captureAsBase64(120, 160)：
        画布缩成 120x160 像素 → 拼 PNG → base64
    askVision(base64)：
        手动拼 JSON（model + thinking disabled + 提示词 + 图片）
        HTTP 寄给火山 Ark
        读回 content
    showResult(答案)：
        中文字体居中显示
        百度 TTS 念"我猜你画的是，xxx"
    再点一下屏幕，回到画笔继续画

八、过关检查：自己讲一遍

不看答案，用自己的话说：

1. AI 没有眼睛，它靠哪几步"看到"你的画？
2. 为什么画要从内存画布取，不从屏幕"截"？屏幕哪个硬件原因导致的？
3. base64 是干什么的？为什么图要"翻译成文字"才能寄？
4. 提示词里"直接说答案、不要解释、不要思考过程"分别命令 AI 什么？
5. 拔掉 WiFi 再点 Guess，会发生什么？这证明了"看图说话"发生在哪一边？
6. AI 猜错是板子坏了吗？它到底"看见"了什么？

今天请留下三样东西：① 一个"你画了、AI 猜对了"的证据（画了什么 + 猜了什么）；② 一个"AI 显然猜错"的画（并说说它"看见"的到底是什么）；③ 一句话——"AI 看见的，究竟是不是你屏幕上的那幅画？"

九、往哪边玩（创意方向）

密钥提醒：源码里 WIFI_SSID/WIFI_PASS、ARK_KEY、BAIDU_API_KEY/SECRET_KEY 都是 YOUR_* 占位符。只放本机，别写进笔记、截图、串口日志。