文章是桌面 AI 机器人系列开篇，讲解 ESP32 AI 硬件选购。核心原理是 ESP32 设备只负责听和说，真正的大脑是云端大模型（如 Claude），通过小智服务端连接。作者介绍了芯片、模组、开发板、成品四个层级，建议新手认准 ESP32-S3（带 PSRAM 的 N16R8），按预算分三档：几十元裸板、一两百元带屏开发板、几百元成品机器人。文章还比较了乐鑫、M5Stack、Seeed、微雪等六个品牌，列出七个避坑要点，并推荐了小智开源项目、服务端部署方案和 API Key 准备事项。作者最终选择了 699 元的 StackChan 桌面机器人。
本文介绍了小智AI聊天机器人ESP32-S3面包板DIY复刻所需的硬件模块购买指南。核心硬件包括ESP32-S3-DevKitC-1开发板（须搭载官方WROOM-1模组）、INMP441麦克风、MAX98357音频功放、腔体喇叭、面包板、跳线及可选的SSD1306 OLED屏和ML307R 4G模块（须选AT固件版本）。文章详细说明各元件的搜索关键词、参考价格与选购注意事项，推荐新手购买组合套件。此外还列出进阶升级选件（圆屏、摄像头、舵机、触摸模块、便携供电），并展示工位副驾、情感陪伴、多模态视觉、随身AI Pin等Personal Agent玩法。
本文介绍如何将 Hermes Agent 接入微信，通过配置 STT、TTS、视觉模型及生图工具，打造具备语音交互、视觉理解和状态分享功能的专属 AI 助手。
阿里开源了实时语音Harness Qwen-Audio-Agent，支持全双工实时对话和自然打断，可与OpenCode、OpenClaw等Agent协同工作，实现边说边干的交互方式。
作者介绍了 ChatGPT 桌面应用中推出的新语音功能，该功能允许用户通过自然对话与 AI 协作，能够同时处理多个并行任务。文章详细讲解了语音模式的使用场景、设置方法以及在不同工作流中的实际应用，强调了其在提高工作效率和降低沟通门槛方面的价值。
文章探讨了超越传统提示词的多模态交互技术，提出“任务”概念，通过结合语音、屏幕、文本等多种信息源，让代理更高效地完成复杂工作。该方法减少交互循环，提升并行工作能力，并通过存储执行痕迹逐步转化为可重用的技能，为未来全模型交互奠定基础。
文章复盘了一款AI语音销售陪练产品的成功案例，详细介绍了如何利用现有工具构建最小可行产品（MVP），包括产品卡、异议卡等核心材料准备。作者建议从四周训练营切入，服务小团队和独立销售，并提供了定价策略、交付注意事项及启动五步法。
Hermes v0.6.30 发布，合并了21个PR，涵盖工作流编排v2、MoA会话、实时语音、持久记忆、Provider稳定性、MCU设置和Windows体验优化等功能。
文章详细解读了 OpenAI 的最新更新，包括 GPT-5.6 模型家族的发布、GPT-Live 全双工语音交互的引入，以及 ChatGPT Work 和 Codex 的深度整合。核心观点是 ChatGPT 正从单一的问答机器人进化为包含规划、多代理协作、代码执行和语音交互的“AI 工程工作台”。文章还针对 Codex 用户提供了模型选择建议。
本文深入探讨了语音智能体的技术架构，指出语音工程不同于文本工程。文章对比了级联式与端到端两种语音模型，分析了全双工通信的难点，并详细解析了为了实现自然对话所需的流式处理与延迟优化策略。
文章介绍了如何构建一个完全开源、可本地部署的深度研究系统。该系统由 Onyx（检索层）、CrewAI（编排层）和 Voxtral（语音层）组成。通过三阶段执行流程、自适应策略和六阶段检索管道，Onyx 在 DeepResearch Bench 排名第一，超越了 OpenAI 和 Gemini。文章强调了数据隐私的重要性，并详细拆解了实现高质量自我托管研究的架构细节。
作者分享利用树莓派、Qwen大模型及Claude辅助，专为1.3亿中国独居老人设计的AI语音助手。产品主打零操作门槛、急救呼叫及隐私保护，旨在以低成本解决银发经济痛点，并探讨其在国内社区落地的可能性。
