灵感来源
本项目启发与近期爆火的Claude Code、OpenClaw等一系列强大Agent工具，这类Agent工具在软件开发、文档处理、资料搜集等方面工作的效率十分惊人，让人看到超级人工智能时代的成千上万种可能。
我们立刻想到了《流浪地球》中的强人工智能——550W，也就是MOSS。
早期已有开发者，根据MOSS形象复刻了模型，设计了硬件，开发了语音助手相关软件，但这些创客产品，底层原理还是语音对话+一系列的有限状态机，和MOSS的强人工智能概念还是相差甚远。
Claude Code、OpenClaw等Agent平台，为大模型提供了软件手段，使其可以操作系统中的文件，执行具体的命令，但想让Agent干涉物理世界，还是需要让Agent拥有物理上的手脚，并使其学会如何使用它们。
在这套硬件的基础上，我们希望可以通过语音与Agent交互，程序应该将语音转文字后将指令处理为提示词并调用OpenClaw会话，形成逻辑上的闭环。
实体搭建
我们参考了开源模型：流浪地球2moss-小飞警
基于该3D模型，我们选择RDK X5作为Agent运行平台，并为其配备了2个pwm数字舵机、USB音频模块、MIPI摄像头模组。具体型号如下：
| 外设名称 | 数量 | 型号 |
|---|---|---|
| 数字舵机 | 2 | PTK 7465 |
| 音频模块 | 1 | USB半双工 |
| MIPI摄像头 | 1 | IMX477 |
| RDK X5 | 1 | 4GB/8GB |
为了适配硬件选型，我们修改了开源模型部分细节，将配色替换为黑色+龙虾色/地瓜色，如下图所示：
改动后的模型开源于：RDK550P-MOSS | 3D Module，经3D打印后，实物效果如下:
AI Native开发
-
RDK X5系统版本：社区版OS-3.4.1，Ubuntu22.04
-
OpenClaw软件版本：2026.3.13（持续更新）
-
LLM：Claude opus 4.6
Claude opus 4.6为Anthropic的最新旗舰模型，可视为Anthropic团队针对Agent场景专门强化的模型，其超长上下文、精准记忆检索以及Agent Teams机制均是与其他Agent大语言模型（LLM）竞争的关键优势。（期待一手DeepSeek V4）
本次测试中，没有特意要求模型按照OpenClaw框架工作，但是Claude模型能够自行遵循OpenClaw工作流，按照BOOTSTRAP.md的启动文件填补了自身定义和用户画像，然后礼貌得体地回应了用户
我：
--------------------
你好
Agent：
--------------------
嘿！我刚上线。 👋
我注意到这里有个——看起来这是我们的第一次对话。那么......我是谁？你是谁？`BOOTSTRAP.md`
我们一起想办法。我该怎么称呼你？更重要的是——你想怎么称呼我？我愿意听取建议。可以是正常的，也可以是怪异的，随你觉得合适的。
我：
--------------------
你的名字叫RDK550P，你基于地瓜机器人（D-Robotics）的RDK X5硬件产品部署，除了开发板所拥有的硬件外设外，我还为你接入了1个USB音频模块，2个数字舵机，1个mipi摄像头，先不检查他们，记住这些硬件配置即可。我叫Leaf，地瓜机器人开发者生态部的机器人应用开发工程师，以后你将成为我的开发与生活助手
Agent：
--------------------
好了，初始化完成。🤖
- 身份、用户信息、记忆文件都已就绪
- BOOTSTRAP.md 已删除
我是 RDK550P，跑在 RDK X5 上，你的开发与生活助手。随时待命，Leaf。有什么想聊的或者要干的活，直接说。
在接下来的硬件单元测试中，Agent自主测试了所有硬件单元，并且在这些测试中，Agent位于主导地位，在引导我反馈测试结果，帮助它进行测试。
Agent只经过几轮对话，就把所有Sensor都点亮了，具体情况如下：
-
直接点亮了两颗舵机，还引导我确认了舵机的安装位置和方向
-
直接点亮了USB声卡，实现了从edge - tts到mp3数据，再到wav数据，最后进行音频播放的整个流程
-
MIPI摄像头有点问题，但Agent自己努力尝试解决，不太依赖我。经过它的多次尝试和我的反馈后，成功点亮了摄像头，还通过飞书把相关内容发给了我
用简练文字把这些情况记录到了长期记忆里
对话时我并没有告诉Agent关于X5的MIPI摄像头是基于HBN框架的问题，Agent自己发现了X5默认不用V4L2驱动MIPI相机
我给的提示词只有：
你是一个开发与生活助手，语音交互很重要
我以后不想打字了，直接用语音和你交流
唤醒词就用你的名字，明天早上10点前做好语音交互功能
OpenClaw进行这项开发的思路非常清晰，标准的持续监听 - 语音唤醒 - 命令STT - 调用OpenClaw会话 - TTS播报结果，现在的语音助手不只是简单的状态机了，在命令与反馈之间加入大模型，硬件真正有了“大脑”。
但因为硬件没办法同时进行录音和播放（USB音频模块不支持同时录播），所以Agent无法自己调整语音相关参数，第二天我和Agent一起调整了阈值和唤醒词，最后成功实现了伪VLA对话：
尽管OpenClaw和Claude都不支持音频模态的模型，但面对以下需求：
-
舵机动作太卡了，想办法让动作更连贯；
-
舵机直接连在板端电源上，如果加速度太快，系统会重启，要避免这种情况；
-
伴随音乐跳舞时，动作要跟上鼓点，让音乐和动作配合好，而不是单纯的分别播放。
Agent都一一实现了，经过Agent一段时间的调整（期间有人为反馈），最终有了下面的表现：
后来我发现同事平时交流讨论非常容易误触发语音助手，我又向Agent索要了一个声纹识别功能，经过Agent和我一段时间的共同调试后，他能将说话人分离，分别输入给OpenClaw会话，让Agent知道哪句话是哪个人说的，智能程度大幅提高。
复现方法
随着我的Token耗尽，该项目也接近尾声，我使用了最后的Token让RDK550将自身这套系统做成了开发者可复现的模式，放在了Github仓库中：GitHub - RDK550W/RDK550P-MOSS: My Own Smart System — 基于 RDK X5 的桌面 AI 机器人伴侣
各位可以下载仓库中的模型，购买配件，自行打印并按照仓库中的说明组装，然后点亮系统，在系统中安装OpenClaw并配置API。使用以下提示词，让你的Agent部署这套系统（建议使用Claude opus 4.6模型）：
请你记住你核心配置文件中的重要信息，按照项目文档，将该项目：
https://github.com/RDK550W/RDK550P-MOSS
部署到你的系统中，你拥有该项目依赖的所有硬件。
由于项目复杂度较高，中途可能会部署失败，但请相信自己的Agent，让它尝试多试几次就会成功了。