完整语音助手 听、想、说的协作

一、先做一件事：让它"等"你说话

烧录 demo01_ai_voice（要联网、要密钥）。上电后屏幕顶部出现青绿色状态条，旁边写着"准备就绪 / 按键开始说话"。

先别急着按。做三件事：

1. 盯着那条状态条，记住它的颜色和文字；
2. 看看屏幕上有两张卡片："我说"（空白）和**"助手回答"**（空白）；
3. 然后按住 BOOT 键说一句话（比如"今天天气怎么样"），松开。

看：状态条会依次变色——红（正在录音）→ 黄（正在识别）→ 橙（正在思考）→ 回到青绿（准备就绪）。"我说"卡片出现你说的字，"助手回答"卡片出现它回答的话。

为什么说它"会等"？因为它待机时什么都不干，就等你按。这就是一台真 AI 设备的样子。

二、状态机：一块板子穿五件"马甲"

现在，把整台助手看成一个穿马甲的后台小剧组：板子是舞台，演员每次上场只演一个角色，演完就退场换下一场。这叫状态机（State Machine）。

这块板子一共五件马甲：

⚠️ 比喻的边界：状态机不是"心情"、不是"人格"——板子不会"高兴了才干活"。它必须也只能处于一个状态，换状态是被事件触发的（按键、计时、云端回信），不是它自己决定的。而且状态有限且有数——就这五件，你数得清。最关键的一点：它每一刻只穿一件马甲，绝不会"一边待机一边又在思考"。

三、一次完整对话：环形链路图

把五件马甲串起来，就是一条环形数据流：

待机 —— 按下 ——> 录音 —— 松开/录满3秒 ——> 识别 —— 成功 ——> 思考 —— 成功 ——> 回到待机
                                                       |失败                    |失败
                                                       +------> 错误 ——按BOOT——> 回到待机

（彩色箭头版见教案.md 第四节；你只要能顺着箭头说一遍就算懂了。）

看懂的标准：能指着每一环说出——它现在在干嘛、寄给谁、收到什么才换下一件、失败了往哪走。

四、一句话讲清：两段"寄包裹"

这台助手做两趟"寄包裹"：

第一趟（识别）：你说话 → 板子把声音数字（PCM）包成 base64 → 寄给百度 → 百度猜出文字 → "我说"卡片亮出来。

第二趟（思考）：板子把文字 + 一段 system 提示词 → 寄给火山豆包 → 豆包按提示词的口吻回答 → "助手回答"卡片亮出来。

system 提示词就一行（程序里写的），意思是："你是一个运行在 ESP32-S3 上的语音助手，用简洁的中文回答，不超过 50 个字。"这一句指挥了大模型干两件事：

这就是第 26 课的观点：提示词能"指挥"口吻和长度。 把这行改成"一位数学老师"，它口吻就变了。

五、改一个条件验证：看它怎么"扛"住意外

状态机强在出错不乱。动手拆一拆：

结论：状态机把"意外"变成了"规则"——每个失败都有明确去处，每段录音都有上限，每次识别都有门槛。它永远知道"出错往哪走"，所以不会卡死。

六、一个藏在代码里的小聪明：录音时屏幕只画进度条

你发现了吗——录音时屏幕几乎不动，只有进度条在涨。为什么不画整个屏幕？

程序里写了句注释："录音中只更新进度条这一小块（整屏 fillScreen 太慢会阻塞音频采集）。" 意思是：麦克风每毫秒都在往里灌声音数字，如果一边"画整屏"一边"听声音"，画画会抢走太多时间，声音就漏采了（会卡顿、断句）。

所以它只重新画"进度条"这一小块，把时间和 CPU 留给录音。

这告诉你的道理：做真实设备时，"好看"和"干正事"打架，先保干正事。 为了把声音录完整，宁可让画面"朴素"一点。

七、自己做一遍 + 过关检查

动手实验

1. 看状态条：按 BOOT 说一句话，全程盯住状态条，把每一次变色和对应的卡片内容填进一张表。
2. 录太短：按下又马上松开，看红字"录音时间至少一秒"。
3. 按住 3 秒：不松手，看它自己停、自己进"正在识别"。

过关检查（对着这张表打勾）

• 我能说出 5 种状态的中文名（待机 / 录音 / 识别 / 思考 / 错误）。
• 按下 BOOT 进"录音"，松开或满 3 秒进"识别"，成功进"思考"，成功回待机。
• 识别失败、模型超时，都进"错误"，按 BOOT 回到待机。
• 我能说出 system 提示词"指挥"了大模型哪两件事（语言 + 长度）。
• 我能解释"为什么录音时只画进度条、不画整屏"。

自己想通一个开放问题

这一课助手回答是显示在屏幕上的。如果要让板子开口把回答念出来，应该接第几课的哪一棒？（提示：第 25 课文字转语音。）

八、创意方向

别忘了保密：密钥（百度/火山的 key）只放你自己配置里，绝不写进课件、截图，也不出现在任何公开分享里。公开仓库只留 config.example.h 模板。

下一课：第 29 课，板子要陪你下五子棋了——第五章 AI 感知与对话收官，第六章游戏开发开始。