企业官网建设流程全解析

be-more-agent 是一个 100% 本地运行的开源 AI 机器人框架，让你用树莓派 5 加 4 样硬件，就能打造一个能听懂唤醒词、会语音对话、还会"看脸"的桌面 AI 助理。本文完整拆解be-more-agent 硬件清单，附配置建议与选型技巧，新手照着买就能一次点亮。

be-more-agent 硬件清单一览

根据项目 README.md 中的 Hardware Requirements 章节，一个完整的 be-more-agent AI 机器人只需 4 类硬件：

💡 必备配件：一张16GB 以上的 SD 卡和一颗5.1V/5A 电源（Pi 5 官方推荐 27W USB-C 供电），别在这两样上省钱。

整个框架的核心逻辑都在 agent.py 中：麦克风持续采集音频 → [wakeword.onnx] 唤醒模型监听唤醒词 → Whisper.cpp 转写 → Ollama 上的本地 LLM 思考 → Piper TTS 合成语音播放，同时屏幕上的表情随状态切换。

第 1 件：树莓派 5 —— 机器人的"大脑"

为什么推荐 Pi 5？be-more-agent 同时要在本地跑 LLM（Ollama + gemma 模型）、语音转写（Whisper.cpp）和 TTS（Piper），对 CPU 和内存要求不低。README 中明确推荐Raspberry Pi 5；若用 Pi 4 过渡，至少 4GB 内存，但唤醒词响应和语音延迟会明显变差。

几个实用建议：

• 内存：8GB 版本跑gemma3:1b级别的文本模型 + Moondream 视觉模型更从容；
• 散热：长时间跑本地 LLM 会满载，建议加散热片或主动风扇；
• 模型可换：文本模型、视觉模型、语音模型都可以在 config.json 里自由切换，比如把"text_model"换成更轻量的版本来适应低内存板子。


开机后，屏幕会先显示 Loading 预热动画，加载完成后进入待机表情。

第 2 件：USB 麦克风 + 喇叭 —— 机器人的"耳朵和嘴巴"

be-more-agent 采用USB 音频方案，不用折腾 GPIO 或 I2S 排线，即插即用：

• 麦克风：负责唤醒词检测（OpenWakeWord，支持自定义唤醒词）和语音输入；
• 喇叭：播放问候音、思考音、"我听到了"提示音（素材在 sounds/ 目录下，可自由替换）。

👉 最省事的选法：买一个带麦克风的 USB 音箱（USB 复合音频设备），一支设备同时搞定输入输出。项目内置了硬件感知音频功能，会自动检测麦克风的采样率并在运行时重采样，避免常见的 ALSA 报错。


说一声唤醒词，屏幕立刻切换成"竖着耳朵"的聆听表情。

第 3 件：LCD 屏幕 —— 机器人的"脸"

这是 be-more-agent 最有灵魂的部分：GUI 会根据机器人当前状态，循环播放 faces/ 目录下不同文件夹里的 PNG 序列帧：

• faces/idle/：待机
• faces/listening/：聆听
• faces/thinking/：思考
• faces/speaking/：说话
• faces/capturing/：拍照/视觉识别
• faces/error/：出错
• faces/warmup/：开机预热


待机时的"眯眼"表情，接上任何 DSI 或 HDMI 小屏都能显示。

💡这是"空白画布"项目：把任意一组 PNG 按状态放进对应文件夹，就能给你的机器人换脸；往 sounds/ 各子目录丢 .wav 文件，还能随机更换提示音效。做专属角色的成本几乎为零。

第 4 件：树莓派相机模块 —— 机器人的"眼睛"

装上Raspberry Pi Camera Module后，机器人可以通过Moondream 视觉模型看到并描述眼前世界：你问"我在看什么？"，它会拍照、识别、然后用语音回答。相机拍到的画面也会驱动屏幕切到"睁大眼睛"的捕获表情：


摄像头工作时，表情会变成一双"大眼睛"。

👉 相机方向不对？不用动硬件，在 config.json 里修改"camera_rotation"参数（0/90/180/270）即可旋转画面。

硬件装好，机器人"长"什么样？

四件硬件到位后，be-more-agent 的表情会随状态实时变化，整个过程全离线完成：

• 思考中：本地 LLM 推理时，脸上是"托腮"表情，同时循环播放思考音效。


• 说话中：Piper TTS 低延迟合成语音，嘴部随语音开合。


• 出错时：识别失败或未知指令，会裂开一个"尴尬脸"。


3 个最常见的硬件坑

来自 README 的 Troubleshooting 章节，提前避坑能省很多时间：

1. 声音变得低沉、慢速像"恶魔"：不是硬件坏了，而是采样率（Hz）不匹配。打开语音模型的.json配置，核对sample_rate，再把 agent.py 中的PIPER_RATE改成相同数值即可；
2. 退出时看到Expression 'alsa_snd_pcm_mmap_begin' failed：这是音频流被中途切断的正常提示，Ctrl+C 退出即可，不影响功能；
3. 语音忽快忽慢：脚本会自动检测采样率做重采样，若仍有问题，确认 config.json 中的input_sample_rate与设备匹配。

下一步：一键启动你的机器人

硬件按清单买齐后，软件侧只需三步：

git clone https://gitcode.com/gh_mirrors/be/be-more-agent cd be-more-agent chmod +x setup.sh && ./setup.sh

setup.sh 会自动装系统库、建目录、下载 Piper TTS 和自定义语音模型、创建 Python 虚拟环境；依赖列表见 requirements.txt。随后：

source venv/bin/activate python agent.py

如果想开机自启，项目里还准备了桌面快捷方式 be-more-agent.desktop 和启动脚本 start_agent.sh。

硬件清单再划重点：树莓派 5 + USB 麦克风喇叭 + LCD 屏 + 相机模块，4 样东西，一个能听、会说、还会看脸的本地 AI 机器人就诞生了。🤖