1. 从“电子垃圾”到“生产力节点”的蜕变我手边常年堆着几部淘汰下来的旧手机从屏幕碎裂的安卓机到电池鼓包的iPhone每次想处理掉都觉得麻烦卖二手不值钱直接扔又觉得可惜更别提环保问题了。相信很多人都有类似的困扰。直到最近我在折腾一些AI应用时突然意识到这些看似“电子垃圾”的设备其实蕴藏着被我们严重低估的算力潜力。它们拥有完整的CPU、内存、存储、网络连接和电池哪怕老化本质上就是一台全天候在线的微型服务器。这个想法的核心就是利用旧手机“零成本”的特性将其转化为一个7×24小时在线的专用AI助手。这里的“零成本”指的是无需额外购置硬件利用手头已有的闲置资源。而“7×24小时在线”则是相对于我们主力电脑或云服务而言的巨大优势——电脑需要开机、云服务需要持续付费而旧手机插上电放在角落就能成为一个永远在线的服务端点。它能做什么想象一下一个随时待命的语音记事本你睡前突然有灵感对着它说句话第二天早上整理好的文字就同步到了电脑一个家庭智能问答中心孩子问“天空为什么是蓝色的”它就能用通俗的语言回答一个自动化的信息监控器帮你追踪关注的商品价格、新闻动态并在有变化时推送通知。这一切都无需你额外花费一分钱只需要一点前期的设置和创意。2. 核心方案选型为什么是“本地部署云端大模型API”的混合架构要实现这个目标首先面临架构选择。纯粹在旧手机上运行大型语言模型LLM基本不可行因为动辄数GB的模型和巨大的计算需求会瞬间压垮旧手机的硬件。因此一个务实且高效的方案是采用“本地终端 云端智能”的混合架构。2.1 本地终端旧手机的角色与能力边界旧手机在这里扮演着“边缘计算节点”和“交互入口”的角色。它的核心任务包括持续监听与唤醒通过常驻后台的服务监听特定的语音关键词如“小助手”、物理按键如音量键或网络请求来触发AI助手的响应。初步的音频/图像处理对于语音指令可以在本地完成录音、降噪、压缩然后将音频流或文本上传。对于图像识别可以完成拍照、图片压缩和上传。任务调度与结果展示接收云端返回的文本、指令结果并通过TTS文本转语音朗读出来或在屏幕上显示。简单的本地逻辑处理执行一些无需联网的预设命令如“打开手电筒”、“静音”或基于本地数据库的简单问答。2.2 云端智能大模型API的核心价值复杂的逻辑推理、知识问答、内容生成等“重智力”任务则交给云端的大模型API。这是整个系统的“大脑”。选择云端API而非自建服务器原因在于成本极低对于个人低频使用主流大模型API如OpenAI的GPT、Anthropic的Claude、国内的通义千问、文心一言等的调用费用极低每月几元到几十元足以覆盖日常使用。能力强大且持续更新直接享受最前沿的多模态理解、长上下文、代码生成等能力且模型会持续优化无需自己维护。免运维无需关心服务器部署、模型下载、算力扩容等复杂问题。2.3 混合架构的工作流程一个完整的交互流程如下触发用户在旧手机上通过语音或按键发出指令。采集与预处理手机本地应用录制音频并将其转换为文本可使用手机自带的语音识别或上传音频至云端ASR服务。如果是图像指令则拍照并压缩。请求发送手机应用将文本或结合图像描述通过HTTP请求发送至你选择的云端大模型API。智能处理云端大模型理解指令生成回复或分析结果例如总结网页内容、生成诗歌、解答问题。结果返回与执行API返回结果文本给手机。手机应用根据结果内容决定是直接TTS朗读、在屏幕显示还是解析出可执行命令如“明天早上8点提醒我开会”并调用本地日历或提醒事项API创建提醒。这个架构完美平衡了能力、成本和可行性是旧手机改造方案的基石。3. 实战搭建从零开始配置你的旧手机AI助手下面我将以一部安卓旧手机系统版本Android 8.0以上为宜为例手把手演示如何搭建一个以语音交互为核心的AI助手。iOS系统由于权限限制更严格实现类似功能需要更多绕行方法本文暂以更开放的安卓平台为例。3.1 基础环境准备与工具选择首先确保你的旧手机能正常连接Wi-Fi并建议一直连接电源可关闭“优化电池充电”类选项防止夜间断电。我们需要一个能够常驻后台、响应全局事件的“中枢”应用。这里有几个方向方案A使用自动化工具推荐新手工具Tasker付费但功能强大或MacroDroid免费版功能足够。原理这类工具可以监听“耳机插入”、“特定按键组合”、“收到通知”等事件并触发一系列动作如运行脚本、发送HTTP请求等。我们可以用它来监听语音助手触发事件并调用后续流程。优势图形化界面无需编程灵活性高。方案B使用脚本工具工具Termux。这是一个强大的安卓终端模拟器可以运行Python、Node.js等脚本。原理在Termux中编写Python脚本利用pyaudio库监听麦克风通过语音活动检测VAD或关键词唤醒然后将音频发送到云端。优势完全自定义能力最强可以集成更复杂的本地逻辑。方案C使用现成的助手框架工具Home Assistant配合其安卓客户端。HA本身是一个家庭自动化平台但其强大的自动化能力和丰富的集成可以作为一个“大脑”旧手机作为其传感器和执行器。优势生态成熟可与智能家居联动但初始配置较复杂。为了普适性我们选择方案AMacroDroid 方案BTermux脚本的混合模式利用MacroDroid的易用性触发Termux中的专业脚本。3.2 核心步骤分解语音监听、云端交互与本地反馈步骤1在Termux中搭建Python环境与语音处理核心在旧手机上安装Termux建议从F-Droid商店获取。打开Termux依次执行以下命令更新环境并安装必要组件pkg update pkg upgrade pkg install python python-pip ffmpeg sox pip install requests pyaudio wavesox和ffmpeg用于音频格式处理pyaudio用于录音。编写一个简单的语音监听与发送脚本ai_assistant.py#!/data/data/com.termux/files/usr/bin/python3 import pyaudio import wave import requests import json import subprocess import os from datetime import datetime # 配置部分 API_KEY 你的大模型API密钥 # 例如OpenAI的sk-... 或 国内平台的key API_URL https://api.openai.com/v1/chat/completions # 以OpenAI为例 MODEL gpt-3.5-turbo # 根据成本和需求选择模型 AUDIO_DEVICE_INDEX None # 通常为None自动选择如有问题可指定 SILENCE_THRESHOLD 500 # 静音阈值根据环境调整 SILENCE_DURATION 1.5 # 静音持续时间秒超过则认为说话结束 def record_audio(filename, rate16000, chunk1024, channels1): 录制音频直到检测到静音 audio pyaudio.PyAudio() stream audio.open(formatpyaudio.paInt16, channelschannels, raterate, inputTrue, input_device_indexAUDIO_DEVICE_INDEX, frames_per_bufferchunk) frames [] silent_chunks 0 is_recording False print(Listening... (Speak now)) while True: data stream.read(chunk, exception_on_overflowFalse) # 简单的能量检测 energy sum(abs(x) for x in data) / len(data) if energy SILENCE_THRESHOLD: is_recording True silent_chunks 0 elif is_recording: silent_chunks 1 if silent_chunks (SILENCE_DURATION * rate / chunk): break if is_recording: frames.append(data) stream.stop_stream() stream.close() audio.terminate() # 保存为wav文件 wf wave.open(filename, wb) wf.setnchannels(channels) wf.setsampwidth(audio.get_sample_size(pyaudio.paInt16)) wf.setframerate(rate) wf.writeframes(b.join(frames)) wf.close() print(fRecording saved to {filename}) return filename def speech_to_text(audio_file_path): 调用本地或云端语音识别此处示例为调用本地Termux的Speech-to-Text需安装相关工具 # 方法1使用Android自带的语音识别需通过Termux的API调用较复杂 # 方法2使用VOSK等离线模型需下载模型占用空间 # 方法3简单调用免费的云端STT API如Google Cloud Speech-to-Text有免费额度 # 这里为简化我们假设使用一个本地命令将音频转为文本实际可能需要更复杂的集成。 # 作为一个占位我们直接返回一个测试文本真实场景需要替换。 # 例如使用 sox 和 curl 调用一个简单的在线服务注意隐私 # command fsox {audio_file_path} -t wav - | curl -X POST --data-binary - https://api.wit.ai/speech?v20240202 -H Authorization: Bearer YOUR_WIT_AI_KEY # ... 解析返回的JSON ... return 这是一个测试指令现在几点了 # 临时返回 def call_ai_api(prompt): 调用大模型API headers { Content-Type: application/json, Authorization: fBearer {API_KEY} } data { model: MODEL, messages: [{role: user, content: prompt}], max_tokens: 500 } try: response requests.post(API_URL, headersheaders, jsondata, timeout30) response.raise_for_status() result response.json() return result[choices][0][message][content].strip() except Exception as e: return f调用AI API时出错{e} def text_to_speech_local(text): 在Termux内使用本地TTS引擎朗读需安装svox pico等 # 安装picoTTS: pkg install svox-pico-tts # 然后使用命令pico2wave -l en-US -w /sdcard/output.wav Hello play /sdcard/output.wav # 这里用简单的系统通知替代 subprocess.run([termux-notification, --title, AI助手回复, --content, text]) print(fAI回复{text}) if __name__ __main__: audio_file /sdcard/termux_record.wav # 1. 录音 record_audio(audio_file) # 2. 语音转文本此处需实现 user_command speech_to_text(audio_file) print(f识别到的指令{user_command}) # 3. 调用AI ai_response call_ai_api(user_command) # 4. 输出结果 text_to_speech_local(ai_response) # 5. 可选将交互记录到日志文件 with open(/sdcard/ai_assistant_log.txt, a) as f: f.write(f{datetime.now()}: Q: {user_command} - A: {ai_response}\n)注意这个脚本是一个高度简化的框架。speech_to_text函数需要你根据选择的方案本地VOSK模型、Google Cloud STT API等进行实际填充。直接使用在线API需注意隐私和数据安全。步骤2使用MacroDroid创建自动化触发流安装MacroDroid。创建一个新的“宏”。触发器选择“传感器” - “音量键按下”。设置为“长按音量减键”。这是我们的唤醒手势隐蔽且不易误触。动作动作1通知-弹出通知标题为“AI助手启动中...”短暂显示。动作2脚本-运行Shell脚本。在脚本框中输入cd /data/data/com.termux/files/home python ai_assistant.py确保勾选“使用Root”如果手机已Root或“使用Termux”需要在MacroDroid设置中关联Termux插件。动作3等待-等待2秒。动作4媒体-播放音频文件选择一个简短的“嘀”声作为开始录音的提示音。约束可选可以添加“设备已连接电源”作为约束避免耗光电量。至此一个基础的流程就搭建好了长按音量减键 - MacroDroid触发 - 启动Termux脚本 - 脚本开始录音 - 识别语音 - 调用AI - 返回结果并通知。4. 进阶玩法与场景扩展让你的AI助手更“有用”基础的通话问答只是开始旧手机AI助手的真正威力在于其“7×24在线”和“可编程”的特性可以深度融入你的工作流和生活场景。4.1 场景一智能家居控制中枢如果你的家中有一些支持本地API或Home Assistant的智能设备如米家、涂鸦的部分设备旧手机可以成为完美的本地控制中枢无需依赖厂商云服务响应更快且断网可用。实现思路在Termux中编写脚本当AI理解到“打开客厅灯”的指令后不调用云端大模型而是直接向本地智能家居网关发送HTTP请求或MQTT消息。具体操作在call_ai_api函数后添加一个本地意图解析层。例如使用简单的关键词匹配或本地小模型如Rasa NLU先判断是否是设备控制指令。如果是则跳转到本地控制函数如果不是再转发给通用大模型。这既保护了隐私开关灯指令不上云又提高了响应速度。4.2 场景二自动化信息聚合与推送旧手机可以定时执行爬虫脚本或调用各类API为你聚合信息。每日简报每天早晨7点脚本自动运行抓取指定新闻网站的头条、天气预报、你关注的GitHub仓库更新、待办事项列表然后调用大模型的“总结”能力生成一份300字左右的个性化语音简报并通过TTS播放。价格监控监控某个电商商品页面当价格低于设定阈值时自动调用AI生成一条包含比价信息的通知发到你的主力手机。实现关键使用Termux的cron服务来定时执行Python脚本。命令crontab -e可以编辑定时任务。4.3 场景三本地知识库与记忆外脑利用旧手机的存储空间可以搭建一个本地的向量数据库如ChromaDB存储你的个人笔记、文档、聊天记录。工作流程当你问“我上周关于XX项目的会议要点是什么”脚本会先将你的问题转换成向量然后在本地知识库中搜索最相关的片段将这些片段作为上下文连同问题一起发送给大模型从而得到一个基于你个人记忆的精准回答。优势所有数据都在本地完全私密。旧手机作为查询终端甚至可以在断网时进行本地检索虽然无法调用大模型生成答案但能找出相关文档。4.4 场景四轻度服务器与Webhook端点旧手机可以运行一个轻量的HTTP服务器如Python的Flask成为一个接收Webhook的端点。应用举例在IFTTT、Zapier或GitHub Actions中设置当特定事件发生时如收到重要邮件、日历事件提醒、代码仓库有新的Push向旧手机的IP地址和端口发送一个POST请求。旧手机上的服务接收到后可以调用TTS大声读出来或在屏幕上弹出强提醒确保你不会错过任何关键信息。5. 性能优化与长期运行的关键细节让一部旧手机稳定地7×24小时运行需要解决功耗、发热、进程保活和网络四大问题。5.1 功耗与发热控制让手机“冷静”下来禁用不必要的硬件在开发者选项中关闭“自动屏幕旋转”、“蓝牙”、“NFC”、“位置信息”除非需要。后台进程只保留Termux和MacroDroid。降低CPU频率如果手机已Root可以安装Kernel Adiutor等工具对CPU进行降频和锁核例如关闭大核只留小核运行能极大降低功耗和发热。物理散热不要将手机放在被子、毯子或密闭空间。可以将其立在空气流通处甚至用一个小型USB风扇对着吹效果显著。屏幕常亮问题设置屏幕永不休眠但将亮度调到最低可以通过自动化脚本在夜间进一步调暗。考虑使用纯黑色背景的AMOLED屏幕手机黑色像素不发光能省电。5.2 进程保活防止被系统“杀掉”这是安卓后台管理机制下最大的挑战。电池优化在系统设置中找到电池优化或类似名称将Termux和MacroDroid设置为“不优化”。应用自启动与后台锁定在最近任务视图中分别对Termux和MacroDroid的应用卡片进行“锁定”通常是小锁图标。并在各自的应用设置中允许“自启动”和“关联启动”。使用前台服务在Termux中运行脚本时可以创建一个简单的Python脚本使用plyer库或termux-notification命令创建一个持续的前台通知这能大幅提高进程优先级。互相唤醒在MacroDroid中设置一个定时任务如每30分钟检测Termux的特定服务是否在运行如果不在则静默启动它。5.3 网络稳定性保持永远在线静态IP与端口转发在路由器中为旧手机的MAC地址分配静态IP地址。如果你需要从外网访问如接收Webhook则需要在路由器上设置端口转发DDNS但请注意安全风险务必设置强密码或防火墙规则。Wi-Fi休眠策略在手机Wi-Fi高级设置中将“在休眠状态下保持WLAN连接”设置为“始终”。备用网络如果条件允许可以给旧手机插一张副卡或物联网卡作为Wi-Fi断线时的备份连接。5.4 数据安全与隐私考量API密钥管理切勿将API密钥硬编码在脚本中并上传到任何公开仓库。应该将其存储在旧手机本地的一个配置文件中如config.json并通过.gitignore忽略。脚本运行时读取该文件。敏感信息过滤在将语音或文本发送给云端API前可以编写一个简单的过滤器移除或替换掉手机号、身份证号等明确敏感的信息。本地处理优先如4.1所述对于开关灯、查询本地文件等操作尽量在本地完成逻辑判断减少不必要的云端数据传输。经过以上设置你的旧手机将不再是抽屉里的“电子垃圾”而是一个安静、可靠、持续为你服务的专属AI生产力节点。整个过程中最有趣的不仅仅是实现了一个功能更是这种“化腐朽为神奇”的创造力和对现有资源最大化利用的思维模式。我开始习惯在厨房对着角落的旧手机问菜谱在书房让它总结长文章它成了一个无声但随时在场的伙伴。如果你也有闲置手机不妨花一个周末下午试试这种零成本创造的乐趣和实用性远超预期。 零成本改造旧手机为24小时AI助手：本地+云端混合架构实战
1. 从“电子垃圾”到“生产力节点”的蜕变我手边常年堆着几部淘汰下来的旧手机从屏幕碎裂的安卓机到电池鼓包的iPhone每次想处理掉都觉得麻烦卖二手不值钱直接扔又觉得可惜更别提环保问题了。相信很多人都有类似的困扰。直到最近我在折腾一些AI应用时突然意识到这些看似“电子垃圾”的设备其实蕴藏着被我们严重低估的算力潜力。它们拥有完整的CPU、内存、存储、网络连接和电池哪怕老化本质上就是一台全天候在线的微型服务器。这个想法的核心就是利用旧手机“零成本”的特性将其转化为一个7×24小时在线的专用AI助手。这里的“零成本”指的是无需额外购置硬件利用手头已有的闲置资源。而“7×24小时在线”则是相对于我们主力电脑或云服务而言的巨大优势——电脑需要开机、云服务需要持续付费而旧手机插上电放在角落就能成为一个永远在线的服务端点。它能做什么想象一下一个随时待命的语音记事本你睡前突然有灵感对着它说句话第二天早上整理好的文字就同步到了电脑一个家庭智能问答中心孩子问“天空为什么是蓝色的”它就能用通俗的语言回答一个自动化的信息监控器帮你追踪关注的商品价格、新闻动态并在有变化时推送通知。这一切都无需你额外花费一分钱只需要一点前期的设置和创意。2. 核心方案选型为什么是“本地部署云端大模型API”的混合架构要实现这个目标首先面临架构选择。纯粹在旧手机上运行大型语言模型LLM基本不可行因为动辄数GB的模型和巨大的计算需求会瞬间压垮旧手机的硬件。因此一个务实且高效的方案是采用“本地终端 云端智能”的混合架构。2.1 本地终端旧手机的角色与能力边界旧手机在这里扮演着“边缘计算节点”和“交互入口”的角色。它的核心任务包括持续监听与唤醒通过常驻后台的服务监听特定的语音关键词如“小助手”、物理按键如音量键或网络请求来触发AI助手的响应。初步的音频/图像处理对于语音指令可以在本地完成录音、降噪、压缩然后将音频流或文本上传。对于图像识别可以完成拍照、图片压缩和上传。任务调度与结果展示接收云端返回的文本、指令结果并通过TTS文本转语音朗读出来或在屏幕上显示。简单的本地逻辑处理执行一些无需联网的预设命令如“打开手电筒”、“静音”或基于本地数据库的简单问答。2.2 云端智能大模型API的核心价值复杂的逻辑推理、知识问答、内容生成等“重智力”任务则交给云端的大模型API。这是整个系统的“大脑”。选择云端API而非自建服务器原因在于成本极低对于个人低频使用主流大模型API如OpenAI的GPT、Anthropic的Claude、国内的通义千问、文心一言等的调用费用极低每月几元到几十元足以覆盖日常使用。能力强大且持续更新直接享受最前沿的多模态理解、长上下文、代码生成等能力且模型会持续优化无需自己维护。免运维无需关心服务器部署、模型下载、算力扩容等复杂问题。2.3 混合架构的工作流程一个完整的交互流程如下触发用户在旧手机上通过语音或按键发出指令。采集与预处理手机本地应用录制音频并将其转换为文本可使用手机自带的语音识别或上传音频至云端ASR服务。如果是图像指令则拍照并压缩。请求发送手机应用将文本或结合图像描述通过HTTP请求发送至你选择的云端大模型API。智能处理云端大模型理解指令生成回复或分析结果例如总结网页内容、生成诗歌、解答问题。结果返回与执行API返回结果文本给手机。手机应用根据结果内容决定是直接TTS朗读、在屏幕显示还是解析出可执行命令如“明天早上8点提醒我开会”并调用本地日历或提醒事项API创建提醒。这个架构完美平衡了能力、成本和可行性是旧手机改造方案的基石。3. 实战搭建从零开始配置你的旧手机AI助手下面我将以一部安卓旧手机系统版本Android 8.0以上为宜为例手把手演示如何搭建一个以语音交互为核心的AI助手。iOS系统由于权限限制更严格实现类似功能需要更多绕行方法本文暂以更开放的安卓平台为例。3.1 基础环境准备与工具选择首先确保你的旧手机能正常连接Wi-Fi并建议一直连接电源可关闭“优化电池充电”类选项防止夜间断电。我们需要一个能够常驻后台、响应全局事件的“中枢”应用。这里有几个方向方案A使用自动化工具推荐新手工具Tasker付费但功能强大或MacroDroid免费版功能足够。原理这类工具可以监听“耳机插入”、“特定按键组合”、“收到通知”等事件并触发一系列动作如运行脚本、发送HTTP请求等。我们可以用它来监听语音助手触发事件并调用后续流程。优势图形化界面无需编程灵活性高。方案B使用脚本工具工具Termux。这是一个强大的安卓终端模拟器可以运行Python、Node.js等脚本。原理在Termux中编写Python脚本利用pyaudio库监听麦克风通过语音活动检测VAD或关键词唤醒然后将音频发送到云端。优势完全自定义能力最强可以集成更复杂的本地逻辑。方案C使用现成的助手框架工具Home Assistant配合其安卓客户端。HA本身是一个家庭自动化平台但其强大的自动化能力和丰富的集成可以作为一个“大脑”旧手机作为其传感器和执行器。优势生态成熟可与智能家居联动但初始配置较复杂。为了普适性我们选择方案AMacroDroid 方案BTermux脚本的混合模式利用MacroDroid的易用性触发Termux中的专业脚本。3.2 核心步骤分解语音监听、云端交互与本地反馈步骤1在Termux中搭建Python环境与语音处理核心在旧手机上安装Termux建议从F-Droid商店获取。打开Termux依次执行以下命令更新环境并安装必要组件pkg update pkg upgrade pkg install python python-pip ffmpeg sox pip install requests pyaudio wavesox和ffmpeg用于音频格式处理pyaudio用于录音。编写一个简单的语音监听与发送脚本ai_assistant.py#!/data/data/com.termux/files/usr/bin/python3 import pyaudio import wave import requests import json import subprocess import os from datetime import datetime # 配置部分 API_KEY 你的大模型API密钥 # 例如OpenAI的sk-... 或 国内平台的key API_URL https://api.openai.com/v1/chat/completions # 以OpenAI为例 MODEL gpt-3.5-turbo # 根据成本和需求选择模型 AUDIO_DEVICE_INDEX None # 通常为None自动选择如有问题可指定 SILENCE_THRESHOLD 500 # 静音阈值根据环境调整 SILENCE_DURATION 1.5 # 静音持续时间秒超过则认为说话结束 def record_audio(filename, rate16000, chunk1024, channels1): 录制音频直到检测到静音 audio pyaudio.PyAudio() stream audio.open(formatpyaudio.paInt16, channelschannels, raterate, inputTrue, input_device_indexAUDIO_DEVICE_INDEX, frames_per_bufferchunk) frames [] silent_chunks 0 is_recording False print(Listening... (Speak now)) while True: data stream.read(chunk, exception_on_overflowFalse) # 简单的能量检测 energy sum(abs(x) for x in data) / len(data) if energy SILENCE_THRESHOLD: is_recording True silent_chunks 0 elif is_recording: silent_chunks 1 if silent_chunks (SILENCE_DURATION * rate / chunk): break if is_recording: frames.append(data) stream.stop_stream() stream.close() audio.terminate() # 保存为wav文件 wf wave.open(filename, wb) wf.setnchannels(channels) wf.setsampwidth(audio.get_sample_size(pyaudio.paInt16)) wf.setframerate(rate) wf.writeframes(b.join(frames)) wf.close() print(fRecording saved to {filename}) return filename def speech_to_text(audio_file_path): 调用本地或云端语音识别此处示例为调用本地Termux的Speech-to-Text需安装相关工具 # 方法1使用Android自带的语音识别需通过Termux的API调用较复杂 # 方法2使用VOSK等离线模型需下载模型占用空间 # 方法3简单调用免费的云端STT API如Google Cloud Speech-to-Text有免费额度 # 这里为简化我们假设使用一个本地命令将音频转为文本实际可能需要更复杂的集成。 # 作为一个占位我们直接返回一个测试文本真实场景需要替换。 # 例如使用 sox 和 curl 调用一个简单的在线服务注意隐私 # command fsox {audio_file_path} -t wav - | curl -X POST --data-binary - https://api.wit.ai/speech?v20240202 -H Authorization: Bearer YOUR_WIT_AI_KEY # ... 解析返回的JSON ... return 这是一个测试指令现在几点了 # 临时返回 def call_ai_api(prompt): 调用大模型API headers { Content-Type: application/json, Authorization: fBearer {API_KEY} } data { model: MODEL, messages: [{role: user, content: prompt}], max_tokens: 500 } try: response requests.post(API_URL, headersheaders, jsondata, timeout30) response.raise_for_status() result response.json() return result[choices][0][message][content].strip() except Exception as e: return f调用AI API时出错{e} def text_to_speech_local(text): 在Termux内使用本地TTS引擎朗读需安装svox pico等 # 安装picoTTS: pkg install svox-pico-tts # 然后使用命令pico2wave -l en-US -w /sdcard/output.wav Hello play /sdcard/output.wav # 这里用简单的系统通知替代 subprocess.run([termux-notification, --title, AI助手回复, --content, text]) print(fAI回复{text}) if __name__ __main__: audio_file /sdcard/termux_record.wav # 1. 录音 record_audio(audio_file) # 2. 语音转文本此处需实现 user_command speech_to_text(audio_file) print(f识别到的指令{user_command}) # 3. 调用AI ai_response call_ai_api(user_command) # 4. 输出结果 text_to_speech_local(ai_response) # 5. 可选将交互记录到日志文件 with open(/sdcard/ai_assistant_log.txt, a) as f: f.write(f{datetime.now()}: Q: {user_command} - A: {ai_response}\n)注意这个脚本是一个高度简化的框架。speech_to_text函数需要你根据选择的方案本地VOSK模型、Google Cloud STT API等进行实际填充。直接使用在线API需注意隐私和数据安全。步骤2使用MacroDroid创建自动化触发流安装MacroDroid。创建一个新的“宏”。触发器选择“传感器” - “音量键按下”。设置为“长按音量减键”。这是我们的唤醒手势隐蔽且不易误触。动作动作1通知-弹出通知标题为“AI助手启动中...”短暂显示。动作2脚本-运行Shell脚本。在脚本框中输入cd /data/data/com.termux/files/home python ai_assistant.py确保勾选“使用Root”如果手机已Root或“使用Termux”需要在MacroDroid设置中关联Termux插件。动作3等待-等待2秒。动作4媒体-播放音频文件选择一个简短的“嘀”声作为开始录音的提示音。约束可选可以添加“设备已连接电源”作为约束避免耗光电量。至此一个基础的流程就搭建好了长按音量减键 - MacroDroid触发 - 启动Termux脚本 - 脚本开始录音 - 识别语音 - 调用AI - 返回结果并通知。4. 进阶玩法与场景扩展让你的AI助手更“有用”基础的通话问答只是开始旧手机AI助手的真正威力在于其“7×24在线”和“可编程”的特性可以深度融入你的工作流和生活场景。4.1 场景一智能家居控制中枢如果你的家中有一些支持本地API或Home Assistant的智能设备如米家、涂鸦的部分设备旧手机可以成为完美的本地控制中枢无需依赖厂商云服务响应更快且断网可用。实现思路在Termux中编写脚本当AI理解到“打开客厅灯”的指令后不调用云端大模型而是直接向本地智能家居网关发送HTTP请求或MQTT消息。具体操作在call_ai_api函数后添加一个本地意图解析层。例如使用简单的关键词匹配或本地小模型如Rasa NLU先判断是否是设备控制指令。如果是则跳转到本地控制函数如果不是再转发给通用大模型。这既保护了隐私开关灯指令不上云又提高了响应速度。4.2 场景二自动化信息聚合与推送旧手机可以定时执行爬虫脚本或调用各类API为你聚合信息。每日简报每天早晨7点脚本自动运行抓取指定新闻网站的头条、天气预报、你关注的GitHub仓库更新、待办事项列表然后调用大模型的“总结”能力生成一份300字左右的个性化语音简报并通过TTS播放。价格监控监控某个电商商品页面当价格低于设定阈值时自动调用AI生成一条包含比价信息的通知发到你的主力手机。实现关键使用Termux的cron服务来定时执行Python脚本。命令crontab -e可以编辑定时任务。4.3 场景三本地知识库与记忆外脑利用旧手机的存储空间可以搭建一个本地的向量数据库如ChromaDB存储你的个人笔记、文档、聊天记录。工作流程当你问“我上周关于XX项目的会议要点是什么”脚本会先将你的问题转换成向量然后在本地知识库中搜索最相关的片段将这些片段作为上下文连同问题一起发送给大模型从而得到一个基于你个人记忆的精准回答。优势所有数据都在本地完全私密。旧手机作为查询终端甚至可以在断网时进行本地检索虽然无法调用大模型生成答案但能找出相关文档。4.4 场景四轻度服务器与Webhook端点旧手机可以运行一个轻量的HTTP服务器如Python的Flask成为一个接收Webhook的端点。应用举例在IFTTT、Zapier或GitHub Actions中设置当特定事件发生时如收到重要邮件、日历事件提醒、代码仓库有新的Push向旧手机的IP地址和端口发送一个POST请求。旧手机上的服务接收到后可以调用TTS大声读出来或在屏幕上弹出强提醒确保你不会错过任何关键信息。5. 性能优化与长期运行的关键细节让一部旧手机稳定地7×24小时运行需要解决功耗、发热、进程保活和网络四大问题。5.1 功耗与发热控制让手机“冷静”下来禁用不必要的硬件在开发者选项中关闭“自动屏幕旋转”、“蓝牙”、“NFC”、“位置信息”除非需要。后台进程只保留Termux和MacroDroid。降低CPU频率如果手机已Root可以安装Kernel Adiutor等工具对CPU进行降频和锁核例如关闭大核只留小核运行能极大降低功耗和发热。物理散热不要将手机放在被子、毯子或密闭空间。可以将其立在空气流通处甚至用一个小型USB风扇对着吹效果显著。屏幕常亮问题设置屏幕永不休眠但将亮度调到最低可以通过自动化脚本在夜间进一步调暗。考虑使用纯黑色背景的AMOLED屏幕手机黑色像素不发光能省电。5.2 进程保活防止被系统“杀掉”这是安卓后台管理机制下最大的挑战。电池优化在系统设置中找到电池优化或类似名称将Termux和MacroDroid设置为“不优化”。应用自启动与后台锁定在最近任务视图中分别对Termux和MacroDroid的应用卡片进行“锁定”通常是小锁图标。并在各自的应用设置中允许“自启动”和“关联启动”。使用前台服务在Termux中运行脚本时可以创建一个简单的Python脚本使用plyer库或termux-notification命令创建一个持续的前台通知这能大幅提高进程优先级。互相唤醒在MacroDroid中设置一个定时任务如每30分钟检测Termux的特定服务是否在运行如果不在则静默启动它。5.3 网络稳定性保持永远在线静态IP与端口转发在路由器中为旧手机的MAC地址分配静态IP地址。如果你需要从外网访问如接收Webhook则需要在路由器上设置端口转发DDNS但请注意安全风险务必设置强密码或防火墙规则。Wi-Fi休眠策略在手机Wi-Fi高级设置中将“在休眠状态下保持WLAN连接”设置为“始终”。备用网络如果条件允许可以给旧手机插一张副卡或物联网卡作为Wi-Fi断线时的备份连接。5.4 数据安全与隐私考量API密钥管理切勿将API密钥硬编码在脚本中并上传到任何公开仓库。应该将其存储在旧手机本地的一个配置文件中如config.json并通过.gitignore忽略。脚本运行时读取该文件。敏感信息过滤在将语音或文本发送给云端API前可以编写一个简单的过滤器移除或替换掉手机号、身份证号等明确敏感的信息。本地处理优先如4.1所述对于开关灯、查询本地文件等操作尽量在本地完成逻辑判断减少不必要的云端数据传输。经过以上设置你的旧手机将不再是抽屉里的“电子垃圾”而是一个安静、可靠、持续为你服务的专属AI生产力节点。整个过程中最有趣的不仅仅是实现了一个功能更是这种“化腐朽为神奇”的创造力和对现有资源最大化利用的思维模式。我开始习惯在厨房对着角落的旧手机问菜谱在书房让它总结长文章它成了一个无声但随时在场的伙伴。如果你也有闲置手机不妨花一个周末下午试试这种零成本创造的乐趣和实用性远超预期。