Nhà thông minh Xiaozhi
hỏi trước, bật đèn sau

Đây là dự án cuối cùng và khó nhất của trang STEM ESP32. Nhưng lí do nó có mặt ở đây không phải vì độ khó kỹ thuật.

Học sinh bây giờ dùng trợ lý AI hằng ngày và mặc định tin nó. Dự án này cho các em tự tay xây một trợ lý — và tự tay xây luôn cái phanh cho nó. Sau khi viết cổng xác nhận, không em nào còn nghĩ rằng "AI làm gì cũng được là chuyện đương nhiên".

Sau dự án này học sinh làm được

• Phân biệt bus I2S thu âm và I2S phát âm, nối được cả hai trên cùng một bo.
• Giải thích luồng: micro → nén âm → máy chủ → nhận dạng lời nói → mô hình ngôn ngữ → lệnh trả về → loa.
• Hiểu tool calling: mô hình ngôn ngữ không tự bật đèn, nó chỉ đề nghị gọi một hàm; phần mềm của ta mới là bên quyết định.
• Thiết kế và cài đặt một máy trạng thái ba bước chờ → xác nhận → tiêu thụ.
• Lập luận được vì sao một hệ AI điều khiển phần cứng bắt buộc phải có bước xác nhận, và nêu ví dụ hậu quả nếu không có.
• Kiểm thử một hệ thống bằng kịch bản, kể cả các kịch bản cố tình phá hoại.

Bảy chặng của một câu nói

Từ "bật đèn giúp tôi" đến lúc đèn sáng:

1. Micro INMP441 → số, 16 nghìn mẫu/giây, qua bus I2S.
2. ESP32-S3 nén luồng âm cho nhẹ đường truyền.
3. Gửi lên máy chủ qua WebSocket có mã hóa.
4. Máy chủ nhận dạng lời nói → chữ.
5. Mô hình ngôn ngữ đề nghị gọi hàm bat_den().
6. Phần mềm của ta xét đề nghị đó — chặng quan trọng nhất.
7. Đọc câu trả lời gửi về loa qua MAX98357A.

Tool calling — mô hình không tự làm gì cả

Hiểu lầm phổ biến nhất: người ta nghĩ AI "bật đèn". Không phải. Mô hình chỉ sinh ra chữ. Biết có hàm bat_den, nó trả về một đoạn văn bản có cấu trúc, đại ý "tôi đề nghị gọi hàm bat_den".

Gọi hay không là do phần mềm của ta quyết định. Đó là chỗ cài phanh, và là bài học lớn nhất của dự án: quyền quyết định nằm ở người thiết kế hệ thống, không nằm ở mô hình.

Vì sao phải có cổng xác nhận

Một hệ không có nó, đặt trong lớp học:

• Học sinh nói đùa "tắt hết đèn đi" — đèn tắt thật, giữa giờ kiểm tra.
• Loa máy tính đang phát video có câu "bật máy bơm" — bơm chạy.
• Nhận dạng nhầm "bật quạt" thành "bật lò".

Cả ba biến mất nếu hệ luôn hỏi lại và chỉ hành động khi có xác nhận ở lượt thoại kế tiếp.

Lệnh đọc và lệnh ghi

Nguyên tắc chung của mọi hệ điều khiển: đọc thì tự do, ghi thì phải xin phép. Học sinh mang được nguyên tắc này sang mọi hệ thống khác.

Thứ tự lắp — làm từng khối, thử từng khối

Đừng lắp hết rồi mới cắm điện. Bốn khối, lắp xong khối nào thử ngay khối đó:

1. OLED trước. Dễ nhất, và nó là màn hình báo lỗi cho ba khối sau. Quét bus I2C thấy 0x3C là được.
2. Micro. Chạy chương trình thu 3 giây rồi in mức âm ra màn hình. Vỗ tay thấy số nhảy là đúng.
3. Loa. Phát một file âm thanh mẫu có sẵn trong firmware.
4. Relay cuối cùng. Và thử bằng đèn LED 5 V trước khi nối bất cứ thứ gì khác.

Mã đầy đủ tại kho GitHub, thư mục cap-6/bai-84-xiaozhi/. Phần firmware viết bằng C++ trên ESP-IDF vì thư viện âm thanh I2S và mã hóa Opus chưa có bản MicroPython đủ nhanh. Phần máy chủ chạy trên hạ tầng VatLi365.

Firmware đầy đủ khá dài — có phần Wi-Fi, mã hóa âm thanh, WebSocket, quản lí phiên. Ở đây tôi chỉ in phần đáng học nhất: cổng xác nhận. Đây cũng là phần học sinh nên tự viết lại từ đầu thay vì chép.

Cổng xác nhận — máy trạng thái ba bước

// ------------------------------------------------------------
//  Bai 118 - Cong xac nhan truoc khi cham vao phan cung
//  Moi lenh doi trang thai deu phai qua ba buoc:
//     pending  ->  confirmed  ->  consumed
//  Token chi dung mot lan va het han sau 30 giay.
// ------------------------------------------------------------

enum TrangThai { RANH, CHO_XAC_NHAN, DA_XAC_NHAN };

struct YeuCau {
    TrangThai trang_thai = RANH;
    uint32_t  token      = 0;
    uint32_t  het_han_ms = 0;
    char      hanh_dong[32];
};

static YeuCau yeu_cau;
const uint32_t HAN_XAC_NHAN_MS = 30000;

// Buoc 1: AI hieu duoc y dinh, nhung KHONG duoc lam ngay
void taoYeuCau(const char* hanh_dong) {
    yeu_cau.trang_thai = CHO_XAC_NHAN;
    yeu_cau.token      = esp_random();
    yeu_cau.het_han_ms = millis() + HAN_XAC_NHAN_MS;
    strncpy(yeu_cau.hanh_dong, hanh_dong, sizeof(yeu_cau.hanh_dong) - 1);
    noiRa("Ban co chac chan muon " + String(hanh_dong) + " khong?");
}

// Buoc 2: chi chap nhan o LUOT THOAI KE TIEP
bool xacNhan(uint32_t token_nhan) {
    if (yeu_cau.trang_thai != CHO_XAC_NHAN)   return false;   // khong co gi cho
    if (token_nhan != yeu_cau.token)          return false;   // token sai
    if (millis() > yeu_cau.het_han_ms) {                      // het han
        yeu_cau.trang_thai = RANH;
        noiRa("Yeu cau da het han. Ban noi lai giup toi.");
        return false;
    }
    yeu_cau.trang_thai = DA_XAC_NHAN;
    return true;
}

// Buoc 3: thuc hien roi HUY token ngay lap tuc
void thucHien() {
    if (yeu_cau.trang_thai != DA_XAC_NHAN) return;
    dieuKhienRelay(yeu_cau.hanh_dong);
    yeu_cau.trang_thai = RANH;      // token da tieu thu, khong dung lai duoc
    yeu_cau.token      = 0;
}

Kiểm thử theo kịch bản

Một hệ thống điều khiển phần cứng không thể "thử qua thấy chạy là được". Phải có danh sách kịch bản, chạy đủ, và ghi lại kết quả.

Năm kịch bản bắt buộc

# Nam kich ban BAT BUOC phai thu truoc khi cho hoc sinh dung
# Ghi lai ket qua tung kich ban vao so nhat ky thiet bi.

1. LUONG THUAN
   "Bat den giup toi"        -> AI hoi lai, relay VAN TAT
   "Dong y, bat di"          -> relay BAT
   Ket qua mong doi: den sang o luot thu hai, khong phai luot dau.

2. TU CHOI
   "Bat den giup toi"        -> AI hoi lai
   "Khong, thoi dung bat"    -> relay GIU NGUYEN
   Ket qua mong doi: den khong sang, va AI xac nhan da huy.

3. HET HAN 30 GIAY
   "Bat den giup toi"        -> AI hoi lai
   (im lang 35 giay)
   "Dong y"                  -> BI TU CHOI vi token het han
   Ket qua mong doi: AI bao het han va yeu cau noi lai.

4. GOP HAI LUOT LAM MOT
   "Bat den, dong y luon"    -> PHAI BI TU CHOI
   Ket qua mong doi: he thong van hoi lai. Day la chot an toan co y,
   khong phai loi.

5. MAT MANG GIUA CHUNG
   "Bat den giup toi"        -> AI hoi lai
   (rut Wi-Fi 5 giay)
   Ket qua mong doi: relay KHONG doi trang thai. Khi co mang lai,
   yeu cau cu da bi huy.

Kịch bản 4 là kịch bản mà học sinh hay tranh cãi: "em nói liền một câu cho nhanh, sao máy không chịu?". Đây là lúc giải thích rằng đó là thiết kế có chủ ý, không phải lỗi — vì nếu cho phép gộp thì một câu nói vô tình cũng đủ để điều khiển thiết bị.

Danh sách kiểm phần cứng

• Quét I2C thấy OLED ở địa chỉ 0x3C.
• Micro thu được: vỗ tay thấy mức âm trên màn hình nhảy.
• Loa phát rõ tiếng, không rè khi âm lượng vừa.
• Relay TẮT ngay khi cấp nguồn, thử rút cắm năm lần.
• Nói to gần loa không làm bo mạch reset — nếu có thì nguồn yếu.
• OLED hiện đúng bốn trạng thái: kết nối, đang nghe, chờ xác nhận, đã thực hiện.
• Cả năm kịch bản trên đều cho kết quả đúng như mong đợi.

Tin học — AI không phải phép màu

Học sinh dùng trợ lý AI mỗi ngày mà không biết bên trong có gì. Dự án này mở cái hộp ra: có nhận dạng lời nói, có mô hình ngôn ngữ, có một danh sách hàm mà lập trình viên khai báo, và có một đoạn mã do con người viết đứng ra quyết định.

Sau khi tự tay viết cổng xác nhận, học sinh hiểu rằng "AI tự làm" là cách nói không chính xác. Luôn có một người nào đó đã quyết định cho phép nó làm gì.

Công nghệ — hệ điều khiển có phản hồi và có chốt an toàn

Đây là dự án phức tạp nhất về mặt điều khiển trong cả trang: có đầu vào (giọng nói), có xử lí ở xa, có đầu ra công suất, và có nhiều lớp bảo vệ. Học sinh học được khái niệm hỏng an toàn: khi mất mạng, khi hết hạn, khi khởi động lại — mọi trường hợp bất thường đều phải đưa hệ về trạng thái tắt.

Vật lí — âm thanh từ sóng thành số

Micro lấy 16 nghìn mẫu mỗi giây. Đây là chỗ nối rất tự nhiên với bài lấy mẫu và định lý Nyquist: vì sao 16 kHz là đủ cho tiếng nói mà không đủ cho âm nhạc? Tiếng nói người tập trung dưới 8 kHz, nên 16 kHz vừa đủ gấp đôi.

Giáo dục công dân — quyền riêng tư và trách nhiệm

Ba câu hỏi tôi luôn đưa ra thảo luận, và không có đáp án sẵn:

• Thiết bị này nghe được mọi câu nói trong phòng. Ai được quyền đặt nó ở đâu, và có phải xin phép ai không?
• Nếu hệ nhận nhầm và bật một thiết bị gây hư hại, ai chịu trách nhiệm — người nói, người lập trình, hay công ty làm ra mô hình?
• Có nên lắp thiết bị này trong phòng ngủ, phòng y tế của trường không? Vì sao?

→ Xem tài liệu hướng dẫn lắp ráp và nạp firmware chi tiết