人工智慧與 DIY 硬體的交匯正為創客和科技愛好者創造令人興奮的新可能性。最近釋出的 Merliot Device Hub 在這一領域邁出了重要一步，透過 Claude 和 Cursor 等流行的 LLM 介面實現了對物理裝置的自然語言控制。
注重隱私的架構挑戰傳統智慧家居正規化
與依賴雲服務並可能將使用者資料暴露給第三方的傳統智慧家居系統不同，Merliot Hub 採用了優先考慮隱私的分散式架構。使用者構建並維護自己的裝置和集線器，消除了外部對裝置資料的訪問。這種方法解決了物聯網領域日益增長的資料隱私擔憂，儘管它比消費級替代品需要更多的技術技能。該系統支援各種硬體平臺，包括 Raspberry Pi 系列、Arduino Nano rp2040 Connect 和 Adafruit PyPortal。
Merliot Hub 主要特點
- 注重隱私：分散式架構消除了第三方對裝置資料的訪問
- 網頁應用介面：無需手機應用，可透過任何瀏覽器訪問
- 人工智慧整合：模型上下文協議（MCP）伺服器實現自然語言控制
- 雲端就緒：Docker 映象資源需求極低（0.1vCPU、256MB記憶體、256MB磁碟空間）
- DIY 方法：支援自制裝置，而非消費級智慧裝置
支援的硬體平臺
- Raspberry Pi（3、4、5和 Zero 2W 型號）
- Arduino Nano rp2040 Connect
- Adafruit PyPortal
- Koyeb（雲平臺）
- Linux x86-64
自然語言控制開啟創新應用
該集線器透過模型上下文協議（Model Context Protocol，MCP）與大型語言模型的整合正在社群中激發富有想象力的使用案例。使用者可以使用自然語言命令與他們的裝置互動，如開啟所有繼電器或顯示如何部署二維碼裝置的說明。這一功能引發了從創意專案到實用自動化的廣泛應用熱情。
「我對 MCP 作為使用非正式對話來指揮機器人的方式很感興趣。無人船上的一個例子：人類可以透過 VHF 無線電對船隻說'向南移動 100 米'...這種語音轉文字將輸入到 LLM，後者提取含義並呼叫 MCP。」
可訪問的硬體平臺與 AI 驅動控制的結合，為以前沒有專業知識難以實現的專案創造了機會。一些社群成員設想了互動式表演藝術，如在音樂表演中能夠閒聊的機器人樂隊成員，而其他人則看到了機器人技術和自動化的實際應用。
靈活的部署增強可訪問性
Merliot Hub 作為 Docker 映象包裝提供了部署靈活性，允許使用者在本地或雲端以最小資源執行他們的集線器。該系統僅需 0.1vCPU、256MB RAM 和 256MB 磁碟空間，使其能夠在 Koyeb 等免費層雲服務上執行。這種可訪問性使得實驗不需要大量基礎設施投資，儘管構建相容裝置所需的創客級技能仍然是一些潛在使用者的入門障礙。
隨著 AI 繼續發展成為物理計算的介面，像 Merliot Hub 這樣的專案突顯了連線數字和物理世界的創造潛力和實際挑戰。雖然一些社群成員對自動化釋放時間用於創意追求的潛力表示樂觀，但其他人對 AI 控制的物理系統的更廣泛影響保持謹慎，反映了技術進步與社會影響之間的複雜關係。