这是 2026 年 9 月底做的,11 月才坐下来写 —— 中间隔了一个多月, 现在回头看,反而更清楚哪一步是真正关键的。
目标很小:对着一个巴掌大的盒子说一句话,让它替我发一封邮件。 不用掏手机,不用解锁,不用找 App。
先看清这台机器
我用的是正点原子的 ESP32 AI BOX1,出厂就跑着开源的「小智」固件。
- 芯片
- ESP32-S3(双核 240MHz,带 Wi-Fi 与蓝牙)
- 存储
- 16MB Flash、8MB PSRAM(跑语音模型和界面都够用)
- 声音
- ES8311 编解码 + 麦克风 + 功放喇叭,采样率 24kHz
- 屏幕
- 2.4 英寸 ST7789,320×240
- 唤醒词
- 「你好小智」,本地识别,不联网
- 联机
- 2.4G Wi-Fi,连到
xiaozhi.me云端
两个 Type-C,只有一个能给电脑
板子上有两个一模一样的 Type-C。我第一次插的是左边那个,设备管理器里什么都没有, 还以为是板子坏的。
| 位置 | 丝印 | 能不能烧录 |
|---|---|---|
| 右侧 | USB转串口 | 能,而且供电 + 日志 + 烧录三合一 |
| 左侧 | USB SLAVE | 不能,那是芯片原生 USB,接摄像头之类用的 |
官方教程的原话:「必须接到 UART 口上,不要接到 SLAVE 口上了」。
插对了之后 Windows 里会出现一个串口(我这台是
插对了之后 Windows 里会出现一个串口(我这台是
COM3,芯片是 CH343)。
一句话要经过四段
这条链路是整件事的骨架,后面所有的坑都长在它上面。
① 盒子听到唤醒词
本地识别,< 0.3 秒,不联网。这段是设备自己完成的。
↓ Wi-Fi · 录音上传
② 云端听懂、并决定调用工具
小智云做语音识别、大模型判断意图,再通过「MCP 接入点」把调用下发给家里的桥接程序。
↓ WebSocket(家里主动连出去)
③ 家里的 NAS 接到调用
飞牛 NAS 上的一个 Docker 容器:官方桥接
mcp_pipe.py +
我写的工具 send_email.py。它不直接发信,只转发给 Home Assistant。
↓ HTTP POST · HA Webhook
④ Home Assistant 真正发信
Webhook 触发自动化 → 调
notify(SMTP 集成)→ 邮件出去。
↓ SMTP
收件箱
实测 3~10 秒。慢的那部分,全在「上云」。
为什么能做到"不改固件"
一开始我以为必须刷自己的固件才能接自己的服务。后来发现小智云控制台里有个东西叫 MCP 接入点:它允许你在自己家里跑一个小程序,主动连到云端, 把「我有哪些工具」报上去;等模型决定调用时,云端再把请求发给你。
也就是说,盒子不用改,云端不用改,我只要在家里跑一个"接电话的人"。 这条路比刷固件短得多,所以我先走了它 —— 刷固件的事留到第二个月(见第三篇)。
为什么只做出站连接?
盒子连云端、桥接连云端、桥接连 HA,全都是从家里往外连。 没有端口映射、没有公网 IP、没有 DDNS —— 也就没有在外面开一个洞。 这是这条方案我最看重的一点。
盒子连云端、桥接连云端、桥接连 HA,全都是从家里往外连。 没有端口映射、没有公网 IP、没有 DDNS —— 也就没有在外面开一个洞。 这是这条方案我最看重的一点。
要准备的四处东西
-
云端的「接入点地址」。
在
xiaozhi.me控制台里找到你的智能体 → MCP 接入点 → 复制那一串wss://…?token=…。 注意:一个接入点同时只能给一个客户端用,这条后面会咬人。 -
Home Assistant 的 SMTP 集成。
设置 → 设备与服务 → 添加集成 → 搜 SMTP,填发件邮箱、服务器(我用的
smtp.qq.com, 端口465,加密tls)。 密码要填授权码,不是登录密码。 -
Home Assistant 里的一条自动化。
要一个 webhook 当入口,触发后调
notify发信。 webhook 的 id 随便起一个随机串,两边写法要一致。 - 家里常开的一台机器跑桥接。 我用的是飞牛 NAS 上的 Docker 容器,一次起来就 24 小时在线。 电脑上跑也行,但电脑一合盖,盒子说话就没人接了。
第一次真的把信发出去
不要一上来就对盒子说话。先分段验证,坏在哪一段一目了然。
-
先测工具本身:
python verify_tools.py。它不发信,只检查「参数拼得对不对、白名单有没有生效」。 -
再测桥接能不能连上云端:
python verify_bridge.py。它会假装自己是云端,走一遍完整握手。 -
最后才打真的一发:
python test_live_ha.py。这个会真的发邮件, 所以我第一次跑的时候盯着收件箱。 - 对盒子说话: 「小智,给我发一封邮件,标题写‘到家了’,内容是我已经到家了」。 预期播报「已通知 Home Assistant 发送邮件」。
这几步的顺序很重要。从里往外测,每步都只怀疑一段。
如果一上来就对盒子说话然后查全链路,你会同时怀疑四个地方 —— 那是最慢的做法。
卡住时先看这三个地方
| 现象 | 大概坏在哪 | 先做什么 |
|---|---|---|
| 盒子说「没有这个功能」 | 云端没拿到工具列表 | 看容器日志里有没有 Successfully connected |
| 盒子说「已发送」,但没收到信 | 工具侧或 HA 侧 | 看容器日志的 收到调用 与 HA <- HTTP xxx |
| 容器日志里一行都没有 | 调用被别的客户端接走了 | 确认只有一个桥接在连同一个接入点 |
这三行是我当时贴在显示器旁边的。第二篇会把这张表展开 —— 包括那个最坑的「HA 不在 8123」。