iotta — 产品概述

面向外部的产品定位。工程愿景参见 design.md（中文版）；商业化模式参见 commercialization.md。

iotta 是将嵌入式设备变成语音助手的自托管服务器，也是你的团队构建、测试和交付该助手的工作台——从第一个仿真原型，到现场部署的设备群。

面向谁

硬件/固件团队——一套忠实的设备协议、一个可供测试的软件设备，以及来自同一台服务器的安全更新。
AI/应用团队——版本化的提示词和动作、完整的会话记录，以及自动化测试。
负责运维的人——单容器、一条命令、一个备份文件。

它能做什么

实时助手

运行实时语音对话，并允许用户中途插话打断。
语音转文字、AI 模型、文字转语音三者均可自由替换——通过修改配置即可使用 OpenAI、OpenAI 兼容服务，或运行在你自己硬件上的模型。
两种构建语音的方式，同一套设置。 既可拆成独立的几步（语音转文字 → AI 模型 → 文字转语音，便于替换或自行部署每个环节），也可使用单一的一体化语音模型（更快、活动部件更少）。无论哪种方式，设备和所有工具的用法完全一致，因此你可以将两者直接对比。
AI 可以触发设备动作——读取传感器、调节音量、点亮 LED——通过一条独立的专用通道完成。

构建与测试

软件设备——真实硬件的替身，让你在任何硬件存在之前就能构建并测试完整体验。
浏览器模拟器——在浏览器中运行一次真实会话，无需安装：实时观察消息和音频的往来，触发 AI 的设备动作并查看其参数、结果与错误，并在连接出现问题时当场捕获。可将任意会话保存为可重复运行的测试。
用于调优的音频采集——采集设备的原始未压缩音频（而不仅是压缩流），用于调优语音识别和音频硬件；可让运行中的设备随时切入该高保真模式；并可在记录中直接回放任意一轮的音频。
会话记录 + 回放——每次会话，无论实时还是仿真，都会保存为详尽、可搜索的记录，可针对不同的提示词、模型或语音引擎进行回放，查看变化。
自动化测试——编写脚本化的测试对话，针对预期结果自动评分，并可对两种设置（独立几步或一体化）运行同一套测试——在上线前捕获回归问题。
版本化的提示词与动作——提示词和 AI 的设备动作定义都以版本形式保存，依次经过草稿 → 暂存 → 上线；上线是一个有意为之的步骤，绝不会意外覆盖。

管理设备群

一份实时设备名册，显示此刻真正在线的设备——基于真实连接，而非陈旧的签到。
按分组将设备纳入管理，每组拥有自己的注册规则和默认助手设置。
安全的空中更新（OTA）——每个固件构建版本都是固定且带校验和的；可先向设备群中的一小部分发布、阻止过旧而无法接收的设备、用一条命令撤销发布，并让 iotta 自动撤回开始导致设备崩溃的构建版本。

观察运行状况

每轮与每次会话的数据——使用的 token 数、首次响应所需时间、每个步骤的耗时，以及与设备动作之间任何来回交互的时序——全部自动采集。
每次会话的完整记录：各步骤耗时、AI 的设备动作，以及内联音频回放。
设备健康状态随时间的变化，以及设备群中每个固件版本的崩溃率。
外部 AI 调用检查器——针对每一次对外部 AI 服务的调用：请求与响应、耗时、token 数、估算费用，以及任何错误。
日志和指标导出到你已在使用的标准监控工具。

运行服务器

以单容器运行，内置数据库；其所有数据都是主机上的普通文件。
一键检查存储、磁盘空间、安全设置和提供商密钥。
将所有内容备份到单个文件——并同样轻松地恢复。
UI 中的系统状态页面，HTTPS 由内置代理为你处理。

Web 控制台

所有管理任务均可在浏览器中完成。
由平台自身提供该控制台——无需额外安装任何东西。

为什么选择 iotta

更快交付。 一个平台从第一天的仿真，贯穿原型到生产——没有独立的测试工具，阶段之间也无需重新接线。
团队并行开发。 AI 与固件共享同一份约定好的设备动作清单，任何一方都无需等待另一方。
全面可观测。 每次会话、每台设备的健康状态，以及每一次对外部 AI 的调用——时序、token 数、费用、错误——均有日志记录，均可查阅。
运维简单。 在一台小型主机上以单容器运行，没有额外的数据库或服务需要照看，默认开启 HTTPS，备份只需一个文件。
完全属于你。 自托管、源码可见，可使用 OpenAI 或运行在你自己硬件上的模型，无需任何对外的云服务。
更新安全。 渐进式发布配合自动回滚，意味着一个有问题的构建版本永远不会使现场设备变砖。

iotta 对比竞品

此处的参照物是 xiaozhi（xinnan-tech/xiaozhi-esp32-server），即 iotta 所替代的开源平台。xiaozhi 一列基于 xinnan-tech/xiaozhi-esp32-server（含其自身第 15 节“已知限制”）。

能力	iotta	xiaozhi
需运维的组件数	单个 Python 服务 + SQLite	Python + Java/Spring + MySQL + Redis + NGINX + 独立 ASR 进程
部署方式	`docker compose up`，单主机	多服务；Redis 缓存刷新踩坑（§15.3）
负载稳定性	无状态应用，会话干净排空	每日重启容器以规避 socket 泄漏（§15.2）
认证/传输安全	按设备独立令牌，默认开启 TLS，常数时间比较	认证常被禁用；默认数据库凭据；“未经安全评估”（§15.8）
真实设备在线状态	真实连接/断开状态	`last_connected_at` = OTA 轮询时间，非会话时间（§15.6）
安全 OTA	签名、分阶段百分比、最低版本门控，回滚 + 基于健康状态的自动回滚	平铺的 `ai_ota` 表；表为空时存在无限重试 bug（§15.4）
会话追踪 + 回放	有（结构化，可回放）	无（仅有性能测试器 + 测试音频页面）
评测/回归测试	有（有评分的测试套件）	无
工具/提示词版本管理	有（`草稿 → 暂存 → 激活`）	运行时插件；无版本化契约
第三方 API 可见性	调用检查器 + 每轮 token 数、首字响应时间（TTFT）、各环节/多跳耗时	仅各组件延迟
Web 开发模拟器	基于真实协议的浏览器客户端（消息往来、工具调用、错误均可见）	仅浏览器音频测试页面
音频输入调试	无损 PCM 上行采集 + 会话中模式切换 + 追踪回放	仅浏览器测试页面
不绑定提供商	是（配置切换）	是（适配器列表非常丰富）
运行时形态	多步流水线或一体化语音到语音，可用同一套评测套件进行 A/B 对比	多步流水线（ASR → LLM → TTS）
AI 流水线	ASR → LLM → TTS + 工具；记忆/RAG/视觉可基于同一提供商接口扩展	今日已含 VAD、声纹、记忆、RAG、视觉
多用户/RBAC	角色 + 审计日志（商业版功能）	今日已有普通用户 + 超级管理员
生产就绪度	内置 TLS、备份、预检	“未经加固不适合生产使用”（§15.8）

直白地说： iotta 押注于运维简洁性、更新安全性和全链路可见性——这恰恰是团队在交付产品时最容易在 xiaozhi 上吃亏的几个维度。xiaozhi 目前在 AI 流水线广度（记忆/RAG/声纹/视觉）上更胜一筹；在 iotta 中，这些能力位于相同的干净提供商接口之后，因此是对平台的扩展，而非重写。

版本规划

iotta 提供开放核心、自托管模式：

社区版——免费；完整开发平台；活跃设备数量有上限（面向演示、个人使用和评估）。
商业版——许可证提高/取消设备上限，并解锁团队功能（多用户角色 + 审计、高级灰度自动化、长周期保留分析）。

核心版本始终可在无需任何云依赖的情况下运行。商业模式、授权执行设计和定价/打包方案见 commercialization.md。