谷歌开发者用Gemma 4与树莓派做出桌面恐龙机器人DinoDesk AI

本地Gemma 4与云端Gemini Flash之间的三种切换模式

DinoDesk AI的“大脑”分两处：用户主PC上运行一个统一LLM网关（路由器），桌面的树莓派通过Wi-Fi发送同样的OpenAI兼容请求，不区分背后是哪个引擎。本地引擎由LM Studio运行Gemma 4，云端引擎使用Gemini Flash与Gemini Live。

博客列出了三种模式。默认的本地模式下，Gemma 4提供零成本、离线、完全私密的对话，首token延迟约200毫秒，适合闲聊、桌面计时器和快速状态查询。云端模式使用Gemini Flash或Gemini Live，首个token约800毫秒，面向编码帮助、复杂数学、深度解释或语言辅导。自动混合模式默认走本地Gemma 4，当复杂度分类器检测到“解释”“比较”“写代码”等多步推理关键词时，会悄悄把请求升级到Gemini Flash。

切换方式有三种：双击Pirate Audio按钮X、在电容触摸传感器上长按3秒，或用语音命令“Switch to Cloud Mode”。当自动混合模式把问题升级到云端时，机器人指示灯会从常亮绿色暂时变为常亮金色，回答结束后恢复绿色，让用户一眼知道是哪个大脑在作答。

乐高积木外壳与Pirate Audio硬件清单

作者说他们想让DinoDesk AI更像一个实体玩具，而不是冷冰冰的智能音箱。因此没有用3D打印密封塑料外壳，而是用基础乐高积木和Technic杠杆机构拼出身体，方便任何人改装或维修。

博客给出的核心物料清单包括：Raspberry Pi加32GB MicroSD卡作为主控制器；Pimoroni Pirate Audio Speaker扩展板提供1.3英寸240×240 ST7789 IPS LCD、I2S 1W扬声器和4个触觉按键；一个带清脆咔哒声的迷你按钮开关用于开始或停止语音采集；一个紧凑型USB迷你麦克风；以及驱动脖子运动和尾巴摇摆的电机。

• Button A（GPIO 5）：取消或静音，立即停止当前回答流、静音音频并让机器人回到闲置状态。
• Button B（GPIO 6）：复位，把所有舵机拉回中位，不打断当前状态。
• Button X（GPIO 16）：单击手动切换面部表情，双击在本地与云端模式间切换。
• Button Y（GPIO 24）：单击触发一次摇尾巴序列以验证机械对齐，长按2秒循环切换提示音音量（低→中→高→静音）。

用五状态有限状态机协调眼睛、声音和身体

作者认为伴侣机器人只有在眼睛、声音和身体一起动时才会显得“活着”。为此他们设计了一个五阶段有限状态机，协调240×240 LCD上的眼睛表情、8位提示音和电机动作。

五个状态分别是：睡醒、闲置、聆听、思考和说话。睡眠状态在闲置3分钟或房间变暗时进入，LCD显示闭眼和“zzz”，电机放松、头略向下倾斜。闲置状态是默认待机，眼睛会自主眨眼，偶尔有唤醒或眨眼提示音，头部回正并缓慢摆动脖子。聆听状态由按钮点击或传感器触发，眼睛睁大，响起上扬的“Beep-Boop!”，头朝用户倾斜15度。思考状态在音频已发送、路由器正在推理时进入，瞳孔旋转并显示模式徽章，伴随不规则的“tick-teek-poh”处理音，脖子缓慢左右摆动。说话状态在接收SSE token流时进入，表情随内容眨眼并滚动字幕，每个token伴随8位打字机提示音，尾巴按文本长度同步摇摆。

项目当前状态：代码已开源，完整语音对话尚未实现

博客最后说明这仍是一个进行中的项目，还不完美。作者表示会回来补上完整实现的语音对话功能，目前可以先用每次按按钮时的8位音效。代码仓库地址已在文章中给出，作者也邀请读者留言分享自己的创作计划。