跳转至

VoCat No-SD Plan

本页描述在 暂时没有 microSD 卡 的前提下,如何先把 VoCat 跑成一个可用的语音终端,并接入当前仓库的 QQ / 本机能力链路。

目标

优先完成最小闭环,而不是先追求完整 GUI:

  • VoCat 能启动、联网、收音、播音
  • 语音请求能进入本机 qq-ai-bridge
  • 本机可以读取仓库和 OpenClaw 文档
  • 本机可以调用已有功能,并把结果:
  • 回传给 VoCat 语音播报
  • 同步发到 QQ
  • VoCat 可以切换表情

当前判断

基于当前串口日志,设备现在运行的是 VolcRTCDemo,不是官方出厂 GUI 固件。

已确认:

  • 音频输入芯片 ES7210 初始化成功
  • 音频输出芯片 ES8311 初始化成功
  • LCD 和触摸初始化成功
  • fs_sdcard 挂载失败,错误为 sdmmc_card_init failed (0x107)

这说明:

  • 没插卡时,板子并不是完全没启动
  • 但 SD 卡失败会把整套板级初始化拖入不稳定状态
  • 语音和显示本身未必依赖 SD 卡

已做修改

已在设备端源码里把板级初始化改成:

  • 必须初始化:audio_dac、audio_adc、display_lcd、lcd_brightness
  • 可选初始化:fs_sdcard

文件:

  • /home/cancade/ConversationalAI-Embedded-Kit-2.0/application/platform/src/espressif/basic_board.c

这一步的目的,是让设备在没有 SD 卡时尽量继续完成音频和显示初始化,不再把 fs_sdcard 当成硬前提。

推荐架构

采用“设备做终端,本机做大脑”的结构。

设备侧职责

  • 麦克风采集
  • 唤醒和基础交互
  • 文本播报
  • 表情显示
  • 把请求发送到本机服务

本机侧职责

  • qq-ai-bridge 做总入口
  • 读取仓库和 OpenClaw 文档
  • 调用本机已有 agent / 自动化功能
  • 发 QQ 消息
  • 决定设备播报内容和表情内容

最小闭环

最短目标是:

  1. VoCat 收音
  2. 请求进入 /vocat/webhook
  3. vocat_service.py 分流请求
  4. 本机返回结果
  5. 同时执行:
  6. 设备播报
  7. QQ 发消息
  8. 表情控制

分阶段执行

阶段 1:确认无卡可启动

  • 重新编译并烧录修改后的 VolcRTCDemo
  • 观察串口日志
  • 目标不是让 fs_sdcard 成功,而是确认:
  • 不再因为 fs_sdcard 失败导致整体不可用
  • LCD 正常显示
  • 语音采集链路能继续启动

阶段 2:打通设备到本机

  • 让设备连上 Wi-Fi
  • 让设备把语音请求送到本机 webhook
  • 优先验证最小请求:
  • 固定文本
  • 固定播报
  • 固定表情

阶段 3:打通本机到 QQ

  • 使用现有 NapCat + qq-ai-bridge
  • 保持“个人 QQ”链路,不切到官方 QQ Bot
  • 设备请求经本机处理后:
  • VoCat 播报
  • QQ 同步收到文本

阶段 4:挂接本机能力

  • 读取仓库内 Markdown
  • 接入 OpenClaw / OCAI 本地命令
  • 接入 PC agent
  • 对外暴露为 VoCat 可触发的技能

为什么现在不切 ESP-Claw

ESP-Claw 很值得参考,但当前不是最快落地路线:

  • 官方现成支持板里没有 ESP-VoCat
  • 需要额外做板级适配
  • 自带 QQ 能力走的是官方 QQ Bot,不是当前项目的 NapCat + 个人 QQ

更合适的定位是:

  • 现在先用现有仓库打通 VoCat 终端链路
  • 以后再把 ESP-Claw 作为设备端架构升级方向

当前优先级

当前优先顺序应当是:

  1. 无 SD 卡容错启动
  2. 设备联网
  3. 设备到本机 webhook
  4. 本机到 QQ
  5. 读文档和调用本机功能
  6. 语音播报和表情联动

风险

  • 没有 SD 卡时,某些资源型功能仍可能不可用
  • 如果 VolcRTCDemo 内部还有其它流程隐式依赖 /sdcard,后续仍可能需要继续补丁
  • 即使无卡可运行,长期稳定性仍不如插卡方案

建议

即使当前按无卡方案推进,后续仍建议准备一张 microSD 卡。

原因不是“没卡就完全不能做”,而是:

  • 更容易规避板级资源依赖
  • 更容易保住缓存、资源文件、持久化状态
  • 后续扩展能力时阻力更小