最近我非常有成就感，主要是因为开始熟练运用 ChatGPT 的 Scheduled 功能，让它每天自动帮我监控悉尼本地的各类 AI 官方及非官方活动。一开始我并没有这种习惯，但现在却能实时掌握大小活动的情报，并且真的去线下参与了。这种“Agent 负责搜索分析、我主动去线下执行”的闭环，让我真切地感受到了自动化带来的红利。

目前，我已经能很顺手地利用 Cortex 或 Claude 搭建属于自己的嵌入式开发工作流，尤其是在我个人比较擅长的硬件领域。不过，在基于 Agent 的团队协作上我还有许多可以探索和提升的空间。比如在一个三四人的工程小组中，如何让每个人都用 Agent 辅助开发，又该如何设置并高效整合这些工作流来分配任务。正好，我最近参加了 n8n 举办的黑客松（n8n Workshop: From Zero to Automation），这给了我一个绝佳的实践契机——那就是对小爱音箱进行二次开发，深入官方固件底层进行个性化改造。

既然现在手里有 GPT-6 Astra 这种顶级大模型，凭借它强大的代码与系统理解能力，完全可以在嵌入式逆向和固件模块解构上提供极具参考价值的架构方案。这种折腾的过程非常契合 Hacker 极客文化与黑客松的探索精神。更激动人心的是，如果把音箱的端侧语音捕获能力，与 n8n 自动化工作流深度打通，将语音指令转交云端大模型做语义意图识别，再去驱动 Gmail、Google Workspace 等云端服务，这种“智能硬件入口 + LLM Agent + n8n 自动化”的组合，落地场景和想象空间真的非常巨大。

项目的第一步是拆解音箱。虽然一开始颇具挑战，但顺利取出主板后，我从它的物理布局中获得了不少硬件设计的直观灵感，这也为后续复刻类似架构打下了基础。我把 GitHub 仓库链接和主板实拍图发给 GPT-6，在 Agent 的分步指导下，成功接线了 USB 转 TTL 模块的 TX 和 RX 串口。重新给音箱上电的那一刻，看着串口芯片疯狂传输数据流，那种软硬件打通的实感尤为强烈。

整个底层的软件破解和环境配置几乎全由 GPT-6 通过 Cortex 界面主导。它指导我物理重启，在特定时机截断启动流程进入底层模式，随后自主完成原厂固件备份、分区排查，并在类似 Linux 的底层系统中成功配置了 SSH 登录。这个过程最让我震撼的是极高效率的人机协同闭环：只要让大模型拿到系统底层权限，它就能指挥我完成物理交互。比如它提示我“双击按键并录入一段语音”，我在物理端执行完毕并回复确认后，它就会自动接手测试按键是否生效、音频流是否成功录制。为了支撑这种开发模式，我还应用了一个关键的网络拓扑技巧：电脑自带网卡连 WiFi 保持互联网畅通以维持 Cortex 和云端模型的运行，同时外接一个 USB 网卡专门用于 SSH 局域网直连音箱。

在这个项目中，我也积累了很多 AI Agent 调用的实战经验，比如在配置 MCP 时，我发现必须要重启 Cortex 才能让官方接口正常调用。而且codex可以很好的借助本地的软件比如Zadig进行开发，自动搜索相关控制音箱系统的驱动，自动调用，等待用户操作。这种多 Agent 与多人的协作模式，在大型项目中展现出了极高的工程潜力。通过设定不同的工作流，Cortex 不仅能直连 Discord 随时向队友同步开发进度，还能调用 n8n 官方的 MCP 节点进行自动化流程的绘制与开发，并自主测试音箱的网络通信情况，验证云端能否在 n8n 中正确接收和显示数据。

最终，借助 GPT-6 通过 SSH 深入音箱底层，并配合浏览器自动化操作登录小米账号进行抓包与核对，我几乎完整剖析了小米在这套系统上的运作逻辑。这次逆向工程不仅是一次极佳的技术实践，更让我深入学习并解构了成熟的 AIoT 平台架构。这为我后续推进 Aurai Sensing 的产品落地，自主搭建从底层硬件、边缘侧通信到云端自动化的三层 AIoT 技术栈，积累了极其宝贵的试错经验与参考范式。