小米开源AI硬件HachimoDock：150元复刻桌面智能体

一句话结论：小米技术委创新产品团队在 2026 观猹大会上开源的桌面 AI 外设 HachimoDock，用一块 ESP32-P4、2.8 英寸 480×640 小屏、三个实体按键和一根四向摇杆，把运行中的命令行智能体状态搬到了桌面上，官方口径的自制成本约 150 元，源码、桌面客户端、固件镜像、物料清单和装配教程全部公开，它真正有意思的地方在于把给智能体配一个物理身体这件事的成本，压到了个人开发者愿意自己动手复刻的区间。

2026 年 10 月 24 日至 25 日，杭州茶叶博览会会展中心举行 2026 观猹大会，小米技术委创新产品团队孵化的开源 AI 硬件 HachimoDock 在大会产品展览亮相。这个项目的开源仓库 YizhengWw/HachimoDock 目前有 204 个 star 和 22 个 fork，硬件复刻资料托管在嘉立创开源硬件平台 OSHWHub 的公开项目页上，标注复刻成本 150 元，仓库采用自定义的 HachimoDock 项目许可证 1.0 版本，发布日期 2026 年 9 月 4 日。

这个项目最有价值的部分不在产品形态。它形态上就是一只会动的电子宠物，但把一只电子宠物做到 150 元没什么难度，难的是让一只 150 元的电子宠物同时做好三件事：知道自己连着的智能体正在干什么、能接受语音下发的指令、还能让用户自己给它加新功能。这三件事把项目推到了命令行智能体的外设方向上。

150 元是怎么算出来的：一份可以自己核对的物料清单

OSHWHub 项目页给出了 ESP32-P4 方案的整机物料清单，每一项都标了器件型号、位号、数量和公开渠道的单价。把主板、屏幕、输入件和音频件按挂牌价累加，再跟官方 150 元的说法对照，能看出这个数字是怎么来的。

这个 167 元和官方说的 150 元之间有十几元的差距，原因大致在两处。排母按最便宜的单价算了两只，主控板则取的是未焊接排针版本，焊接排针版通常还要贵一些；外壳的 3D 打印件没有计入硬件平台的物料表，而项目页在答疑里给出的口径是「一套外壳几十块」，走嘉立创 3D 打印或第三方打印服务另算。所以真实落地成本大概率是 150 元这个数字往上走，具体多少取决于 PCB 打样数量、是否需要定制底板和外壳打样做几套。

值得注意的是成本结构的极端集中。主板加屏幕占掉了挂牌价的 87%，输入和音频件加起来不到 13 块。这意味着一件事：这套硬件的成本下限被主控和屏这两颗物料牢牢锁死，摇杆换成十几块钱的电位器还是几块钱的塑料摇杆，对总价几乎没有影响。任何想在这台设备上省钱的人，省到的都是外壳和打样费用，省不出主控的钱。

另一个容易被忽略的细节是屏幕型号不能随便换。固件当前适配的是 ST7701S 驱动的 480×640 MIPI 屏，屏上标注的 2.5D 玻璃曲面圆形外框需要店家配合提供，自己打印亚克力外框或 3D 打印也可以，文件在项目附件里。固件用的是 640×480 的横向逻辑画布再旋转输出到竖屏，文档明确提示换屏必须核对接口、电压、排线定义和初始化序列，驱动 IC 相同不代表可以直接互换。

三套硬件方案，为什么最后只剩一套

项目页保留了完整的硬件演进记录，一共三套方案，其中两套已经废弃，这个过程本身就是一份有意思的工程记录。

前两套跑的是 Linux 系统，方案一配 Debian 11 或 12 加 ILI9341 的 SPI 屏，通过 /dev/fb0 显示，配合 HTTP 或 MQTT 与桌面端同步状态，还能跑负一屏 widget、配 XPT2046 或 ADS7846 触摸层和 GPIO 旋钮按钮，板端还带语音 PTT，通过 USB gadget 暴露 /dev/ttyGS0。方案二思路类似，换成 Pi OS。方案三直接换掉整套思路，用 ESP32-P4 做单设备架构，走 USB 直连。

放弃 Linux 路线换 MCU 路线，换来的是三件具体的东西。启动时间从跑完整系统变成秒级，功耗压到可以直接 USB 供电不用电池，固件里多了一套 A/B 分区加双形象槽的机制，升级和回滚都不需要网络。代价是能力边界被砍掉一大截，固件文档把限制写得很直白：P4 固件目前没有提供原生的 Wi-Fi 或 MQTT 运行路径，设备不直接播放 MP4，不运行完整的 HTML 或 JavaScript 页面，也不接受组件自带的任意网络读取器，语音识别和语音合成都得由 PC 端完成。

对一台桌面小外设来说，这笔取舍是划算的。它不需要联网，因为状态流和组件全走 USB；它不需要跑浏览器，因为组件是声明式的受限运行时而不是网页；它不需要在本地做语音识别，因为麦克风采集到的 16 kHz 单声道 S16LE 音频直接交给 PC 处理。

桌宠的外壳下面，是一条四段链路

把设备做成 Agent 的状态显示器，技术上真正要解决的是跨进程的会话跟随。这个链路分成四段，官方架构图把它们标得很清楚。

桌面端会扫描当前活跃的会话，只有处于 working、thinking、tool-running 这类活跃状态的会话才会新增气泡，已经显示在设备上的会话会持续接收后续状态变化，不会因为一次扫描遗漏就消失。会话进入 done 或 error 之后，气泡保留 60 秒再消失，空闲状态、历史任务和智能体内部会话都不会被当作新气泡推给设备。

这套设计背后有个判断值得说：桌面智能体的状态本身是看不见的。智能体在终端里跑一条命令时，用户能看到的只有一行行滚动输出，什么时候在等确认、什么时候报错了，只能靠读日志。把这层状态具象化成小屏上的表情和颜色，是一件成本极低、收益很直接的事。

小米在这个链路里的角色是双重的。MiMo-V2.6 是小米自己开源的智能体模型，此前在本站做过一次拆解，那个 27B 模型靠 75 万条轨迹训练出 72 分，本身就是这条链路上可用的智能体端。而 HachimoDock 团队同时把 WorkBuddy、MiMoCode、OpenClaw 都做进了适配列表，跨工具的状态跟随在这里是被认真对待的能力，不是把自家产品塞进去的顺带结果。

把 Agent 状态搬上小屏，难点在协议和隐私边界

状态同步用的是 JSON Lines 握手加一套名为 pet-usb-native-v1 的原生 USB 协议，设备身份由基础 MAC 派生，上报实际能力、固件版本、构建标识和协议版本。动画走 H.264 Annex-B 格式，提示音走受限 PCM WAV，同时保留旧的 MJPEG 素材兼容路径。组件安装是分块校验加文件与目录各自独立的 A/B 代际提交，完整校验通过才生效，启动时选有效版本，必要时回退。

更难处理的是隐私。Hook 向经过身份检查的本机 Bridge 转发智能体 ID、会话 ID、状态，以及最多 320 字的当前提问和回复摘要。摘要优先取 Stop 事件的 last_assistant_message，缺失时只读该 Hook 指定、位于 projects 目录下且文件名匹配当前会话的 transcript 尾部，最多 256 KiB，还要校验本轮 generation ID，不跨用户轮次复用旧回复。工具参数、工具输出、思考过程、完整 transcript、凭据字段和 transcript 路径一律不转发。摘要会出现在设备屏幕上，所以项目方明确提示自动脱敏识别不了所有自由文本里的敏感信息。

权限边界处理得比多数同类项目克制。Claude 的默认权限 Hook 返回空结果，把批准权留给 Claude 本身，显式配置的 allow 或 deny 策略才生效，未知策略也不再回退成 allow。文档里写得很清楚，语音确认发送不等于替智能体批准工具权限。工作台级别智能体接入时，Windows 走 UI Automation 加 Chromium MSAA 客户端检测，macOS 走辅助功能树，都要先重新取得并验证所属窗口、编辑器身份、可写性和草稿内容，读回成功才显示待确认。

这类细节决定了一个外设能不能真的放在工位上天天用。多智能体协同这条路线在模型侧已经跑通了，微软研究院开源的 Agensh 把编程智能体团队从 1 个扩到 1024 个，pandoc 任务通过率从 33.89% 推到 55.06%，证明单台机器上多智能体并发干活已经是可交付的能力。外设这一层要解决的是同一件事的另一面，让用户知道这些并发任务各自的进展到哪一步了。

PetUI：让智能体自己给小屏写组件

这个项目最有野心的部分是组件创作。项目提供一个叫 petui 的 Skill，用户在 Codex 或 Claude 里调用它并描述想要的小游戏或工具，Skill 会按 480×640 屏幕、三个按键和四向中按摇杆的实际能力生成组件，走一遍结构与素材校验脚本，再原子发布到组件库，桌面端随后把组件同步到设备。整个流程官方描述为分钟级。

约束写得很细，因为受限运行时必须先把边界划死才能保证设备上的行为可预测。

内置组件当前有 13 个，可见的头四项依次是自选股行情、敲木鱼、近期待办、电脑状态，其后是双键接球、蛙蛙养成、Flappy Bird、方块游戏、贪吃蛇、番茄钟、喝水提醒和 Token 仪表盘。Token 仪表盘展示当前跟随智能体在本地自然日内的累计用量，不局限于单个前台会话，这个功能对重度使用者挺实用。

组件包的运行时是声明式的，支持状态持久化、移动与碰撞规则、PNG 精灵、动画和分层绘制，设备不执行组件自带的任意 JavaScript，组件包内也不生成 JS、Python、HTML、CSS、SVG、shell 或任何可执行代码。内置了十几种语义形状供简单题材使用，复杂主体才要求用透明背景 PNG 精灵。规则里甚至写了禁止复制后改名、替换文案、微调速度或换色来冒充新组件，以及禁止在组件里定义退出动作。

这套约束在别的领域见过更彻底的版本，Colibrì 让 744B 的 GLM-5.2 在 25GB 内存的笔记本上跑起来，思路同样是砍掉通用性换取确定性。端侧路线一直在被各种方案往下推，SSD 卸载、小模型蒸馏、专用 NPU 都是同一个方向，HachimoDock 选的是另一条：把通用计算留在 PC，只把状态和外设搬到一个便宜的小屏上。

智能家居入口，以及米家 MiLoCo 接管了什么

这台设备还能当智能家居中控。链路是自然语言理解、MiLoCo 查询真实能力、参数校验、执行四步，官方明确说明不维护设备型号表、命令措辞表或曲风匹配表，动作参数由 MiLoCo 的能力描述和大模型生成。

边界数字给得具体。整条请求不超过 5 步直接执行，可以涉及多个设备；超过 5 步或者保存常用任务，先播报具体任务再等语音确认，确认只在本次对话的这一项任务上有效，完整播报后 60 秒内有效，执行一次即失效。当前任务是有界顺序任务，最多 12 步，单次等待不超过 10 秒，总执行时间受限。设备清单最多 60 项，能力附加数据限制 24 KB，超出就按需查询。执行记录最多保留 50 次，账号断开后清除本机任务和记录。

凭据处理也是这个项目里做得很细的一块。macOS 把账号凭据放在应用数据目录的 private/smart-home-credentials.json，目录权限 0700、文件 0600，原子保存并拒绝符号链接，文档同时说明这个文件不是额外加密的保险库，同一用户权限的程序仍可能读到；Windows 保持系统凭据存储。向模型提供的信息被限定在有界的授权设备名称、房间、家庭名称、设备标识和能力快照，不提供账号令牌、设备 LAN token、SSID、IP 和账户 UID。

智能家居这个方向在本站有过一次完整讨论，苹果 J595 项目代号 HomeView，计划 2027 年推出配备电动机械臂的智能家居中枢，底座 360 度旋转配语音定位追踪，配 9 英寸屏幕。那条路线的核心命题是用户能不能拿回控制权，HachimoDock 在 150 元的成本上给出了同构的答案，只是入口换成了语音和一个会动的宠物。

开源到什么程度：一份非标准许可证的代价

这个项目在开源程度上有几个需要说清楚的地方，而且两处信息之间存在实质差异。

仓库里的 LICENSE 文件在第 8 条明确写着，本项目不是 GPL、AGPL 或其他标准开源许可证，OSHWHub 项目页却标着 GPL 3.0。按 LICENSE 第 8 条的表述，中英文条款有歧义时以中文条款为准，这意味着两处标注并不一致，想复刻的人需要以仓库里的 LICENSE 为准。这不是吹毛求疵的问题，把自定义非商业许可证当成 GPL 理解，商用风险差别很大。

许可证第 3 条划的红线也值得记住。未经书面授权，不得用于收费销售、出租、付费服务、商业产品集成、预装销售或委托生产销售，也不得用于开发独立于本项目的 APP、Web 服务或其他软硬件产品。允许个人非商业自制设备，以及为 HachimoDock 创建、调试和分享非商业组件。文档里还有一条容易被忽略的说明，对工作场所内个人自用的桌面宠物功能，不因使用地点而自动认定为商业用途。

开源程度本身可以用几组数字说明。仓库公开源码含桌面客户端、固件、13 个内置组件与素材，仓库体积约 26.5 MB，目前有 13 个 Release，从 0.1.56 排到 0.1.167，最新的 0.1.167 发布于 2026 年 10 月 24 日。每个 Release 都附带 SHA256SUMS 和 release-manifest.json，可核对下载完整性。贡献者目前只有一位，提交 12 次。

当前桌面客户端版本 0.1.101，固件 0.7.72-p4，发布清单里记录了完整的回归结果。值得留意的是几项验证状态，macOS 签名是 local-ad-hoc 未做公证，Windows 本轮构建没有做真机运行测试。v3 芯片的物理运行验收在这个版本也还没做。两个固件变体分给 v1 和 v3 芯片，v1 高性能核 360 MHz、v3 是 400 MHz，两套完整烧录包不能互刷，文档里为此专门写了提醒。

产物体积也能侧面说明这套东西的工程量。macOS 的 dmg 约 100.4 MiB，Windows 安装包约 87.4 MiB，两套 ESP32-P4 工厂烧录包各约 19.1 MiB，另外还随包附带 FFmpeg 8.1.2 源码用于在 PC 侧预生成设备可用的 H.264 素材。固件本身把两个应用分区各划 2.5 MiB，spiffs 存储区 6.875 MiB，两个形象槽各 10 MiB，A/B 双槽设计让换形象和 OTA 升级都能回滚。

FAQ

150 元能买到一台成品吗

买不到成品，150 元是自制成本。这个数字对应的是 OSHWHub 页面标注的复刻成本，用户需要自己采购物料、烧录固件、3D 打印外壳并完成装配。按公开挂牌价把主板、屏幕、摇杆、按键轴和喇叭加起来约 167 元，PCB 打样、外壳打印和结构件还没算进去，实际落地大概率高于 150 元。预算按 200 元上下准备更稳妥。整套复刻资料包含 PCB、BOM、结构件模型和装配教程，官方还备了完整烧录包的拼装视频。

这个桌宠会替我点确认按钮吗

不会。项目在权限处理上的取向是明确的，Claude 的默认权限 Hook 返回空结果，把工具批准权留给 Claude 自己，只有显式配置的 allow 或 deny 策略才生效，未知策略也不回退成放行。设备上的语音确认只负责把识别文本送进智能体输入框，不会自动发送，也更不会代替智能体批准工具操作。授权提醒、任务确认这类高风险动作仍然留在 PC 客户端处理。

现在上手会踩到什么坑

三个具体的坑。第一，v1 和 v3 芯片的烧录包不能互刷，微雪 ESP32-P4-WIFI6-M 的 M 表示焊接排针而非芯片版本，买之前要确认实际芯片修订版。第二，固件当前没有原生的 Wi-Fi 或 MQTT 运行路径，状态流和组件全靠 USB 直连，设备不能脱离电脑独立工作。第三，当前版本的 macOS 安装包是本地临时签名未做公证，Windows 这一版也没有做真机运行测试，属于需要自己先验一遍的状态。

小结

HachimoDock 值得关注的地方有三个层次。

最表层是价格。150 元这个数字把桌面 AI 硬件的门槛压到了一个新位置，此前同类产品的自制成本普遍在数百元级别，而它把主板加屏幕的挂牌价压到 146 元，输入和音频件加起来不到 13 块。这条成本线一旦成立，个人开发者复刻桌面智能体外设就从「值得一试」变成了「值得做」。

中间层是工程取舍。三套硬件方案里砍掉两套 Linux 路线换成 MCU 单设备架构，换来秒级启动、USB 供电、A/B 分区回滚，代价是主动放弃通用计算，换来的是行为可预测。组件用声明式受限运行时加严格配额，13 个内置组件覆盖了真实的工位场景，Token 仪表盘这种细节说明团队自己在用它。

最里层是接口设计。状态跟随、语音下发、组件创作这三件事被拆到四个进程四段链路里，每一段的边界都写进了文档：跨进程的会话事件怎么归一化、摘要在哪一层截断、凭据放在哪个目录权限是多少、哪些东西坚决不转发。这些约束写在文档里而不是藏在代码里，意味着第三方想做自己的 Agent 适配或者自己的宠物形象时，有明确的接口可依。

对想上手的人，合理的路径是先把仓库和 OSHWHub 的物料表通读一遍，确认手边有没有 3D 打印条件，再决定要不要走这条路。如果手上没有打印设备，用嘉立创 3D 打印服务或第三方服务打外壳也是项目页给过的路径，成本比想象的低。

相关阅读

• 小米 MiMo-V2.6 开源，75 万条轨迹练出 72 分超越 GPT-6
• 苹果 HomeView 机械臂，J595 项目深度解读与 2027 智能家居硬件反击战
• 微软开源 Agensh，1024 智能体协同通过率 55.06%
• Colibrì 用 SSD 当显存跑 744B GLM-5.2，25GB 内存可推理
• Gradium Phonon 开源，3100 万参数端侧 TTS 与 1.70% 词错率