最近（2025年）你应该刷到过一个聊天玩具，一个台湾腔的小妹妹，深情陪聊。对，它就是小智AI。

小智 AI 由三部分组成：

• 硬件（支持几十种芯片开发版）
• 固件（开源）
• 服务端（闭源， 开源）

最开始服务端是闭源的，但小智的台湾腔实在太成功了，于是有人想基于小智做大。于是有团队复刻了服务端并开源。做得最成功的应该是 xiaozhi-esp32-server，开源地址如下：

• https://github.com/xinnan-tech/xiaozhi-esp32-server

从淘宝的介绍看，买了硬件的人，无需支付订阅费用，就能一直用小智。这个很不科学。通过开源后端的介绍，我了解到了原因：从 LLM 到语音识别、视觉识别、声纹识别、语音合成，国内全部都有云端免费方案，其中智谱贡献了 LLM 和视觉量大模块，可真不知道他家是如何存活的！不科学，不可持续。

定制小智能力的流程是这样：

• 如果涉及到调用小智硬件平台的能力，比如点亮自己的LED、打开自己的摄像头、录音等等，那么需要先修改小智的固件开源代码。
• 如果需要扩展小智的后端能力，一般都可以通过 MCP 来实现扩展。编写好 MCP Server，然后注册到小智的后端即可。

总结：

• 小智的前端，核心能力有三个：1. 液晶显示 2. 语音输入 3. 语音输出
• 小智的后端，想象力无限