1. 项目缘起与整体设计思路1.1 一个“等不及”催生的复刻计划事情的起因特别简单某开源硬件社区里有个叫 microduck 的小玩意儿火了众筹页面上的发货日期一拖再拖评论区从“期待”变成“催更”再变成“算了我自己来”。我属于第三类人。翻了一圈资料发现这东西的核心逻辑并不复杂——一块小屏幕、一个主控、一套能根据 AI 输出内容实时切换表情的固件再加上一个能把它立起来的底座。于是就有了这个 HachimoDock 的复刻计划。HachimoDock 这个名字拆开看很直白Hachimo 是那只跟着 AI 变脸的小家伙Dock 是它的底座。合起来就是一个带屏幕的桌面小摆件屏幕上的表情会随着你接入的 AI 服务返回的内容发生变化。你问它一句话它思考的时候是眯眼回答的时候是张嘴被夸的时候会笑被怼的时候会翻白眼。说白了它把“AI 在跟你交互”这件事从纯文字变成了一个有情绪反馈的物理存在。这个项目适合谁如果你手里有闲置的开发板、会一点焊接、能看懂 Arduino 或 MicroPython 的基础代码那完全可以跟着做。如果你是完全零基础的小白也别急着关页面我会把每个环节拆到“拧螺丝”的粒度你照着抄作业就行。整个项目从备料到点亮大约需要两个周末成本控制在两百元以内比等众筹发货靠谱多了。1.2 为什么选择复刻而不是等成品这里得说清楚一个逻辑复刻开源硬件和买成品是两条完全不同的路径。买成品你得到的是一个黑盒能用但不知道里面发生了什么复刻你得到的是一个白盒每一行代码、每一根线你都知道它为什么在那儿。microduck 这类产品的核心价值不在于硬件本身有多精密而在于“AI 输出到表情映射”这套逻辑的调校。你只有自己动手做一遍才能理解为什么某个表情要延迟 200 毫秒再切换为什么屏幕刷新率不能设太高为什么供电不稳会导致表情卡成 PPT。另一个现实原因是成本。众筹价加上国际运费和可能的关税到手差不多要四百到五百元。而自己复刻主控用常见的 ESP32 系列屏幕用 1.28 寸或 1.54 寸的圆屏加上底座结构件和几根线物料成本能压到一百五到两百元之间。省下来的钱够你再买两块屏幕做备用。更重要的是复刻过程中你会被迫学会怎么选屏幕驱动、怎么配网络、怎么调 AI 接口的返回格式这些技能迁移到其他项目上一样管用。1.3 整体架构的取舍与考量整个系统的架构可以分成三层感知层、决策层、表现层。感知层负责接收你的输入可以是一个物理按键、一个触摸屏或者干脆通过串口从电脑发指令决策层是主控芯片它要把你的输入打包成请求发给 AI 服务然后解析返回的文本表现层就是那块小屏幕根据解析结果播放对应的表情动画。这里有个关键取舍AI 请求放在主控上直接发还是通过电脑中转直接发的好处是设备独立插上电就能用坏处是主控要处理网络连接、API 鉴权、JSON 解析对内存和算力有要求。中转的好处是主控只负责显示逻辑都在电脑上跑简单稳定坏处是设备离不开电脑。我最终选了直接发因为 HachimoDock 的定位是桌面摆件独立运行才符合它的气质。为了降低难度我用了 ESP32-S3 这颗芯片它自带 Wi-Fi、内存够大、社区支持好踩坑了也容易搜到答案。屏幕选型上我试过三种1.28 寸圆形 IPS 屏、1.54 寸方形屏、0.96 寸 OLED。最后留在方案里的是 1.28 寸圆屏原因是圆屏更符合“脸”的视觉隐喻而且这块屏的驱动芯片 GC9A01 资料齐全刷新率够用颜色也比 OLED 鲜艳。方形屏虽然便宜但做表情时四个角会显得很愣。OLED 省电但尺寸太小远看就是一粒米没有存在感。2. 核心细节解析与实操要点2.1 主控与屏幕的匹配逻辑选主控不是越贵越好而是要看它和屏幕的匹配度。GC9A01 这块圆屏走的是 SPI 接口需要主控有足够的 GPIO 和稳定的 SPI 时钟。ESP32-S3 的 SPI 时钟可以跑到 80MHz刷一张 240x240 的图只需要几毫秒动画过渡很顺。如果你用 ESP8266SPI 时钟上限低一些刷屏时会有肉眼可见的撕裂感。这不是说 ESP8266 不能用而是你要接受动画没那么丝滑。另一个匹配点是内存。一张 240x240 的 16 位色图片未压缩时占 115200 字节差不多 112KB。ESP32-S3 有 512KB 的 SRAM放几张表情图绰绰有余。ESP8266 只有 80KB 左右你得把图片存到外部 Flash 里再分块读取代码复杂度直接翻倍。所以我的建议很明确做表情类项目主控内存至少 256KB 起步别在这上面省钱。接线方面GC9A01 需要 7 根线VCC、GND、SCL、SDA、RES、DC、CS。如果你买的模块还带背光控制那就再多一根 BLK。我习惯把 BLK 直接接 3.3V省一个 GPIO代价是不能调亮度。如果你想让屏幕在夜里暗一点那就把 BLK 接到一个支持 PWM 的引脚上代码里用analogWrite或ledcWrite调占空比。实测下来占空比设到 30% 左右白天能看清晚上不刺眼。2.2 表情映射的设计原则这是整个项目里最“软”的部分也是最见功力的地方。AI 返回的是一段文字你怎么把它变成表情我的做法是关键词匹配加情绪打分。先定义一个情绪表比如“开心”对应关键词“哈哈、太好了、棒、喜欢”“生气”对应“讨厌、烦、不行、错误”“思考”对应“嗯、让我想想、可能、也许”。每次收到 AI 回复先扫一遍关键词命中哪个情绪就加一分最后取分数最高的那个。但这里有个坑AI 的回复往往很长一句话里可能同时出现“太好了”和“但是”。如果你只取最高分可能会把整体偏负面的回复判成开心。我的解决办法是给关键词加权重并且看它出现的位置。句首的关键词权重高句尾的权重低转折词后面的关键词权重翻倍。这套逻辑不复杂但调参需要耐心。我大概花了一个晚上对着五十条测试回复反复调整权重最后准确率能到八成左右。还有一个细节是表情切换的时机。你不能等整段回复都解析完再切表情那样会有明显的延迟感。我的做法是流式解析AI 每返回一个片段就立刻做一次快速匹配如果命中高权重关键词就马上切表情同时启动一个定时器如果 1.5 秒内没有新关键词命中就回落到默认的“待机”表情。这样交互起来会感觉小家伙反应很快而不是傻等。2.3 供电与底座的隐藏问题供电是很多新手会忽略的环节。ESP32-S3 加屏幕峰值电流能到 300mA 左右。如果你用电脑的 USB 口供电一般没问题但如果你用那种便宜的 USB 充电头电压不稳会导致屏幕闪烁甚至主控重启。我实测过一个标称 5V/1A 的充电头带载后电压掉到 4.6V屏幕就开始随机闪白。换了一个 5V/2A 的之后问题消失。所以电源这一块余量要给足别卡着最低要求配。底座的设计也有讲究。HachimoDock 的“Dock”部分不只是个架子它还要藏线、配重、散热。我用 3D 打印做了一个斜角底座屏幕朝上倾斜 15 度这样坐在桌前看过去正好是平视。底座内部留了一个小格子放配重块我用的是几枚一元硬币用胶带缠在一起重量刚好让设备不会被线拽倒。散热方面ESP32-S3 发热不大但如果你把屏幕亮度拉满又长时间跑动画背面还是会温温的。底座背面开了几排小孔空气能对流就行不需要风扇。注意3D 打印底座时屏幕开孔的尺寸要比屏幕实际尺寸大 0.5mm 左右给装配公差留余量。我第一版按精确尺寸打结果屏幕塞不进去用锉刀磨了半天。3. 实操过程与核心环节实现3.1 物料清单与工具准备先把要买的东西列清楚免得做到一半发现少零件。下面这张表是我实际用到的物料价格按常见渠道估算仅供参考。物料名称规格说明数量参考单价主控板ESP32-S3 开发板带 USB-C135 元圆屏模块1.28 寸 IPSGC9A01 驱动240x240145 元杜邦线母对母10cm7 根2 元按键模块6x6mm 轻触按键21 元底座结构件3D 打印PLA 材质115 元配重块硬币或金属片若干忽略USB 电源5V/2A 充电头加线120 元合计约 118 元工具方面你需要一把电烙铁如果买的是排针未焊接的模块、一把斜口钳、一把镊子、一台电脑。如果你买的是已经焊好排针的模块那连烙铁都可以省了。我建议新手直接买焊好的多花几块钱省很多事。3.2 硬件连接与初步点亮接线这一步我建议先用杜邦线在面包板上搭一遍确认能点亮再考虑焊接或做成品。GC9A01 和 ESP32-S3 的对应关系如下屏幕引脚ESP32-S3 引脚说明VCC3.3V供电GNDGND共地SCLGPIO 12SPI 时钟SDAGPIO 11SPI 数据RESGPIO 10复位DCGPIO 9数据/命令选择CSGPIO 8片选BLK3.3V背光常亮接好之后先别急着写表情逻辑跑一个最简单的刷屏测试。用 Arduino IDE 装好 TFT_eSPI 库在 User_Setup.h 里把驱动改成 GC9A01引脚按上表填好。然后跑一段填充红绿蓝的代码如果屏幕能正常变色说明硬件通路没问题。这一步看着简单但能帮你排除掉八成以上的接线错误。#include TFT_eSPI.h TFT_eSPI tft TFT_eSPI(); void setup() { tft.init(); tft.setRotation(0); tft.fillScreen(TFT_RED); delay(1000); tft.fillScreen(TFT_GREEN); delay(1000); tft.fillScreen(TFT_BLUE); } void loop() { }提示如果屏幕白屏或花屏先检查 CS 和 DC 有没有接反再检查 SPI 频率是不是设太高。把频率降到 20MHz 试试如果正常了再往上加。3.3 AI 接口的接入与解析硬件通了之后下一步是让主控能跟 AI 服务对话。我用的是 HTTP 请求的方式主控把用户输入打包成 JSON通过 Wi-Fi 发出去然后解析返回的 JSON 取文本字段。这里的关键是 JSON 解析库的选择。ArduinoJson 是首选它内存占用可控解析速度快。但你要注意版本6.x 和 7.x 的 API 有差异网上很多示例是 6.x 的你装 7.x 会编译报错。请求的构造大概长这样DynamicJsonDocument doc(1024); doc[model] your-model-name; doc[input] userInput; String payload; serializeJson(doc, payload); http.begin(apiUrl); http.addHeader(Content-Type, application/json); http.addHeader(Authorization, Bearer apiKey); int code http.POST(payload); String response http.getString();拿到 response 之后用 ArduinoJson 解析出文本内容然后送进情绪匹配函数。这里有个内存管理的坑DynamicJsonDocument 的大小要按实际返回内容调整。如果你设了 1024 字节但返回的 JSON 有 2KB解析就会失败。我的做法是先用一个较大的缓冲区比如 4096解析成功后立刻把需要的文本复制出来然后释放 JSON 对象。ESP32-S3 内存够但养成好习惯没坏处。3.4 表情动画的实现与优化表情动画我用了两种方式结合静态图切换和简单几何动画。静态图就是预先做好几张 240x240 的图片存成数组切换时直接刷屏。几何动画是用绘图函数画圆、画弧、画点比如“思考”表情就是三个点轮流闪烁“开心”是嘴巴弧度变大。静态图表现力强但占内存几何动画省内存但效果朴素。我最后是混合用待机和开心用静态图思考和生气用几何动画。刷屏优化有个小技巧不要每次全屏刷新只刷新变化区域。比如眼睛部分只占屏幕上半部分那你就只重绘上半部分。TFT_eSPI 提供了setAddrWindow和pushColors可以指定区域更新。实测下来局部刷新能把帧率从 15fps 提到 30fps 以上动画明显更跟手。// 局部刷新示例只更新眼睛区域 tft.setAddrWindow(60, 40, 120, 60); tft.pushColors(eyeBuffer, 120 * 60, true);另一个优化点是图片压缩。240x240 的 16 位图一张就 112KB存五张就 560KBESP32-S3 的 Flash 一般有 8MB存是存得下但读取速度会拖慢动画。我的做法是把图片转成 RLE 压缩格式读取时解压再刷屏。压缩率大概能到 50% 左右代价是解压要消耗一点 CPU 时间。对于静态表情切换来说这点开销完全可以接受。4. 常见问题与排查技巧实录4.1 屏幕相关故障速查屏幕不亮、花屏、闪屏是最高频的问题。我整理了一张速查表按现象对原因现象可能原因排查方法完全黑屏供电没接好万用表量 VCC 和 GND 之间电压白屏无内容驱动型号选错检查 User_Setup.h 里的驱动宏花屏条纹SPI 频率过高降到 10MHz 试逐步往上加随机闪白电源带载能力不足换 5V/2A 以上电源颜色反了颜色顺序设置错误改 TFT_RGB_ORDER 宏显示偏移屏幕偏移参数不对调整 setRotation 和偏移量其中“随机闪白”最容易被误判成代码问题。我一开始以为是 SPI 时序不对调了半天参数没用后来拿示波器看电源纹波才发现是供电问题。所以遇到随机性故障先怀疑硬件再怀疑软件。4.2 网络连接与接口调用的坑Wi-Fi 连接这块ESP32-S3 支持 2.4G 和 5G但有些老路由器对 5G 的兼容性不好连上了但丢包严重。我的建议是优先连 2.4G 频段稳定性明显更好。另外如果你在代码里用了WiFi.begin(ssid, password)记得加超时判断别让它死等。我见过有人因为路由器没开主控卡在连接循环里屏幕一直停在待机表情还以为程序跑飞了。接口调用方面最常见的问题是鉴权失败和超时。鉴权失败一般是 API Key 填错或者请求头格式不对检查Authorization字段有没有多余空格。超时的话把http.setTimeout设到 10000 毫秒以上因为有些 AI 服务响应比较慢默认的 5 秒不够用。如果还是超时考虑把请求改成流式边收边解析这样首字节到达时间会短很多。注意不要把 API Key 硬编码在代码里然后上传到公开仓库。我习惯把它放在一个单独的 config.h 文件里然后把这个文件加到 .gitignore 中。虽然麻烦一点但安全。4.3 表情切换不跟手的调优经验表情切换延迟是体验的杀手。你问了一句话等了半秒屏幕才变脸那种“智能感”就没了。我踩过的坑包括解析整段 JSON 后才切表情、图片解码耗时太长、刷屏和网络请求在同一个任务里互相阻塞。解决办法有三个一是流式解析收到片段就匹配二是把图片预解码到内存切换时直接推屏三是用 FreeRTOS 把网络任务和显示任务分到不同核心上ESP32-S3 是双核的一个核跑网络一个核跑显示互不干扰。实测下来这三招用完从 AI 返回首字节到屏幕变脸延迟能压到 200 毫秒以内。人的感知阈值大概在 100 到 150 毫秒200 毫秒虽然能感觉到一点点但已经不影响“跟手”的感觉了。如果你追求极致可以把常用表情的图片数据放在 PSRAM 里读取速度比 Flash 快一个数量级。4.4 结构装配与日常使用的细节装配的时候屏幕和底座之间最好垫一层薄海绵或泡棉胶一是防尘二是防止屏幕受压产生水波纹。我第一版没垫用了两周屏幕边缘就出现了一条暗线拆开发现是底座边缘压到了排线。后来加了 1mm 厚的泡棉垫问题再没出现过。日常使用中如果你打算让它一直亮着建议设置一个自动息屏时间。我设的是 5 分钟无交互就熄屏按一下按键唤醒。这样屏幕寿命会长很多也不至于夜里晃眼。另外固件更新最好留一个 OTA 接口不然每次改代码都要拆底座插 USB麻烦得很。ESP32-S3 支持 Arduino OTA几行代码就能加上后续调试省心不少。最后分享一个我个人的小习惯我会在底座底部贴四个硅胶脚垫一来防滑二来把设备垫高一点让底部空气流通。这东西几块钱一包但体验提升很明显。整个项目做下来最花时间的不是写代码而是调表情映射的权重和等 3D 打印。如果你也想复刻一个建议先把硬件点亮再慢慢磨软件别想着一次到位。