我为什么决定做一个“让电视听懂人话”的系统

一、缘起：从同学的 AI 中台说起

事情要从今年年初说起。

我同学在做毕业设计，题目叫“企业级多智能体数据分析与报告生成系统”。技术栈是 Go + Python 微服务分层架构，核心功能是接收用户的模糊自然语言指令，通过自主任务拆解、多步推理和工具调用，自动化进行数据检索并生成深度报告。

听起来很酷，对吧？

那段时间他天天跟我聊 ReAct、LangChain、向量数据库。我一度被带节奏，开始焦虑：我要不要也学 Go？要不要也做一个类似的“企业级 AI 中台”？

但我问了自己一个问题：我真正喜欢的是什么？

答案很快浮出水面——我翻了一下自己的 CSDN 账号，100 多篇文章，其中 60 多篇是硬件折腾。从路由器刷 OpenWrt，到机顶盒救砖，再到风枪烙铁换内存芯片，我乐此不疲。我享受的不是写 CRUD，而是 “让物理世界听我的话”。

同时，我还有一个真实痛点。

我妈看电视，总是遇到问题：

• 这个要会员

• 那个找不到

• 操作太复杂

• 网速卡了怎么办

每次她打电话问我，我远程指导半天，她更糊涂了。我心里想：如果电视能听懂人话，该多好。

于是，我决定放弃“追风口”的念头，做一个真正属于我的项目——让电视听懂人话。

二、我的技术积累

在做这个决定之前，我有这些底牌：

能力	具体经验
后端开发	Java + Spring Cloud，做过仿 B 站微服务项目，熟悉微服务架构、网关、服务发现
音视频处理	B 站项目里用过 FFmpeg 转码、推流，熟悉音视频基础
硬件折腾	60+ CSDN 硬件帖，刷过 20+ 路由器、机顶盒，会风枪烙铁，懂 Linux 底层
网络基础	OpenWrt、SSH、ADB、内网穿透，家里有软路由、NAS
AI 入门	学过 Spring AI、DeepSeek API，了解 RAG 和 Agent 基础概念

这些技能，单独看每一项都不算顶尖。但组合在一起，我发现一个事实：市面上几乎没有人同时懂 Java 后端、硬件折腾、音视频处理、AI 入门。

这是我的差异化。

三、需求分析

3.1 核心用户

我项目的第一个用户，是我妈。

她不是技术用户，不懂什么叫“开发者选项”，更不会用命令行。她需要的是：说一句话，电视就听话。

3.2 核心需求

从她的使用场景出发，我列出 MVP 必须满足的功能：

需求	优先级	说明
语音控制电视	P0	说“打开 B 站”，电视真的打开
搜索播放内容	P0	说“我想听周杰伦”，自动搜播放
控制米家设备	P1	说“关灯”，蓝牙灯泡灭
记住偏好	P2	“小孩 9 点后不能看电视”
控制路由器	P3	说“限速小孩的 iPad”

3.3 约束条件

除了功能，还有硬性约束：

约束	说明
隐私优先	电视截图、家庭设备信息不能上传云端，必须本地存储
设备性能有限	家里机顶盒只有 1GB 内存，跑不了大模型
成本可控	不想每月花几十美元订阅 API，优先用免费/低成本方案
小爱音箱无法劫持	Secure Boot 锁死，刷不了机，只能当蓝牙网关
现有设备优先	不买新硬件，用家里的 NAS、机顶盒、路由器、旧手机

这些约束，逼着我不能“拿个云 API 套壳”，必须做真正的软硬结合。

四、项目目标

4.1 MVP 目标（一个月内）

手机录音 → 边缘端转码 → 云端决策 → 电视执行

具体来说：

1. 手机 App 录音（AAC）

2. NAS 接收，FFmpeg 转成 WAV

3. 云端 Agent 理解意图，返回操作步骤

4. 边缘端执行 ADB 命令，电视响应

5. 手机实时显示执行进度

4.2 终极愿景

一个跑在机顶盒上的家庭 AI 感知系统，越用越聪明

• 本地优先，隐私数据不出门

• 支持电视、手机、电脑、路由器、米家设备

• 记住用户偏好，自动执行规则

• 人机协同，危险操作需确认

五、这个项目能成吗？

说实话，刚开始我也怀疑。

市面上没有现成的产品——NAS 厂商不做 AI，智能音箱厂商不做本地存储，大厂不做这种“缝合怪”。但反过来想：正因为没人做，才是我的机会。

我有的不是“技术多牛”，而是：

• 真实需求（我妈的痛点）

• 跨领域经验（后端 + 硬件 + 音视频 + AI）

• 动手能力（60+ 硬件帖，能焊电路板）

• 热爱（折腾本身就是乐趣）

这四样东西，比任何技术栈都值钱。

六、下一篇预告

选定了方向，下一步就是技术选型。

从 1GB 机顶盒到云端 Agent，从 SQLite 到 sqlite-vec，从 Java 到 Go 到 TypeScript——每一个选择背后，都是反复对比和真实约束下的决策。

下一篇文章，我将详细拆解 HomeSense 的技术选型全记录，包括：

• 为什么边缘端用 Go 而不是 Java？

• 为什么数据库选 SQLite 而不是 PostgreSQL？

• 为什么云端 Agent 用 TypeScript 而不是 Python？

• 为什么通信用 HTTP 而不是 WebSocket？

欢迎持续关注，也欢迎在评论区讨论你的技术选型经验。

---

后记：这篇文章写完后，我把它发给同学看。他说：“你这不是在做项目，是在做产品。” 我回他：“不管项目还是产品，能让我妈看电视更爽，就够了。”