DreamSoul研究
源码与架构 /

HachimoDock 与 StackChan 架构对比

固定源码 · 研究快照 2026-10-27Markdown 下载 ↓飞书阅读 ↗
本页为正式研究文档的网页阅读版。固定 GitHub 证据保留;本机研究底稿未发布,相关链接已改为文字说明。原文中的历史发布状态对应研究当时。

研究日期:2026年10月27日。目标是比较“主机运行自有 Agent,硬件作为感知与执行端”的适配程度。HachimoDock 固定 b56375a6329caf5acb4952b5bb3cd8ddd91fe501,StackChan 工厂固定 eff0d6b5109663faec8f1d98848b4b0e5246bbfc,后者的小智依赖固定 e77dedb1309153bb63fed285772962c920c97dd4。本文只比较已读公开实现,不把最新安装包、硬件能力列表或建议方案算成已验证功能。

结论:先按硬件职责选,再按授权决定能否采用代码

以屏幕、按键、语音输入输出组成主机外设时,HachimoDock 的现有分工更贴近目标;需要两轴机械表达时,StackChan 的运动执行层更有直接价值。 “大脑与硬件分开”本身不足以唯一选出 StackChan。此前将其推荐为最小底座,隐含了“小屏+两轴头部、沿用原厂硬件”的假设,这不是已经确认的产品需求。

技术适配和代码采用分别判断。HachimoDock 的主机/USB/屏幕/音频结构更接近当前架构方向,但自有代码的商业集成和独立产品开发需要另行书面授权,公开应用源码也落后于最新安装包。因此本轮将它提升为重点架构对照对象、待授权代码候选,没有把它列为可直接商业移植的底座。

当前要验证的产品形态 优先研究的实现 真正能利用的部分 仍要我们补的边界
主机 Agent 的屏幕、按键、音频外设 HachimoDock PC Bridge、USB 设备身份与能力、输入上报、会话显示、分主题请求/反馈、板端音频及组件运行时 自有 Agent 接口;动作/观察契约收敛;适用授权及对应版本源码
有表情且能转头的机械终端 StackChan Avatar/Modifier、Motion/Servo、原厂总线反馈、限位与标定结构 触摸/IMU 上报、PC 端连接、去远端引导、动作身份/终态/取消及断链策略
任意硬件通用的远端 Actor 两者都不直接满足 两套实现分别提供媒体外设和机械执行的具体机制 我们自己的能力表、任务状态、资源仲裁、观察时间语义和结果核验

这里没有成本、延迟、稳定性或研发节省比例的量化排名。没有同一硬件、同一工作负载的实测,不能从代码规模或功能数量推导性能胜负。

运行分工:PC 外设与手机控制机器人是不同起点

HachimoDock 的 PC 客户端组合 React 界面、Tauri/Rust 本地服务和 Node Bridge。ESP32-P4 经 USB 上传按键/音频,主机组织 Agent 输入、对话和内容,再把状态、资源和音频发回设备。板端承担输入解释、显示、组件状态机、音频缓冲和部分本地反应。它已有两条上层路径:外部 Agent 的状态伴随/输入,以及独立于 Agent Bus 的实时人格对话。

StackChan 工厂代码中的 Avatar 对端是 Flutter 手机,设备主动连接手机开的 LAN WebSocket 服务。当前 LAN 地址由远端连接通告。小智 AI 模式是另外一条设备会话路径,通过 Board/Display 把状态翻译成表情和动作。它已经能在设备上持续推进舵机,但没有一套现成 PC Agent 观察/动作闭环。

主机与硬件分工对照
主机与硬件分工对照 · 点击查看原图
查看 Mermaid 图源
flowchart TB
  subgraph H["HachimoDock · 现有主机外设结构"]
    direction TB
    HA["外部 Agent 或主机实时人格对话"]
    HB["PC Tauri / Rust / Node Bridge"]
    HD["P4 USB 协议与本地运行时"]
    HI["按键、音频采集"]
    HO["屏幕、音频播放、组件"]
    HA <--> HB
    HB -->|"请求、会话状态、内容与音频"| HD
    HD -->|"输入、分主题状态、播放诊断"| HB
    HI --> HD
    HD --> HO
  end
  subgraph S["StackChan · Avatar 与 AI 为不同模式"]
    direction TB
    SP["手机 App 的 LAN / 远端控制"]
    SN["设备 Avatar 网络处理"]
    SM["Avatar / Modifier / Motion / Servo"]
    SX["另一路:小智 Application / MCP"]
    SH["两轴舵机与本地传感器"]
    SP -->|"ControlAvatar / ControlMotion"| SN
    SN --> SM
    SM <--> SH
    SN -->|"相机 JPEG 等现有上行"| SP
    SX -->|"表达与头角度工具"| SM
    SM -.->|"MCP 查询返回角度"| SX
  end

图按当前实现分组,不代表全部模块都是进程。StackChan 小智模式的角度查询不画成 Avatar 的完成回执。图中的 HachimoDock 分主题状态也不等于已具备通用机械任务终态。

分工依据 固定源码入口
HachimoDock PC 原生服务、USB 与 Agent 分支 Tauri 服务、USB 服务、Agent Bus
HachimoDock 设备派发与本地组件 protocol.c、miniapp.c
StackChan 两运行模式及 LAN 入口 main.cpp、LAN 地址接入

Observation:现有上报并非通用环境观察

观察内容 HachimoDock 当前实现 StackChan 当前实现 对我们的影响
实体输入 input/event 带设备 ID、seq、事件、action、handledLocally 等;部分事件直接在设备处理,部分送主机 头摸、IMU、触屏主要进入本地 HAL/Modifier;已读 Avatar 网络没有相应通用上报 HachimoDock 已有较明确外设输入边界;StackChan 需要新增 Observer 出口
外部 Agent 输入 部分未本地处理的事件经主机桥转换为继续/指定提示词;语音草稿需要确认后提交 工厂 Avatar 路径未提供 PC Agent 会话接口 HachimoDock 的输入适配可研究,但不是把所有传感器事件都直接交给模型
语音 板端 PCM、主机解析及 ASR/实时会话有具体路径;AEC、双工依赖能力和初始化结果 小智 AI 模式的音频路径存在;Avatar 的 StartAudioStream/StopAudioStream 为空分支,Opus 接收解码被注释 不能把 StackChan 的音频硬件或消息枚举当作已完成 PC Avatar 双向音频
视觉 本轮所读 P4 主链主要是输入与音频外设,没有取得可作为通用摄像头观察链的实现依据 Avatar 有 StartCameraStream 与 JPEG 上行,存在大小和采样节流 若视觉是首版必要项,两者需要按实际相机硬件和路径另评,不能把屏幕内容下发当视觉采集
执行器反馈 音频/媒体有状态和完成诊断;没有把这些扩大为物理关节测量 本地 Servo 有位置/运动/电流/负载用途;小智 MCP 可查询头角度,Avatar 没有相应遥测 观察的类型、来源和可靠性应逐能力声明

HachimoDock 的 handledLocally 表示输入路由已处理,有时该处理是把 media/event 转发给 PC,不能一概理解为动作已在板上执行完。StackChan 的“本地反应存在”同样不等于这些观察已经上传主机。

依据见 HachimoDock 输入实现、主机输入路由、StackChan 触摸实现、IMU 实现、Avatar 音频空分支、相机捕获。

Action 与结果:四种“结束”必须分别读

HachimoDock 中的 action 至少有三种语境:输入映射的 action、板端组件的 transition/effect、主机对外部 Agent 或家居能力的调用。它们不共享一个通用 action registry。StackChan 同样有 Avatar 控制消息和小智 MCP 工具两套协议,不能互换结果含义。

链路/结果 实际确认什么 未确认什么
HachimoDock protocol/ack 指定请求经过命令处理后返回的 ok/code,语义随 topic 改变 对 audio/play_chunk,可能只是接受进缓冲;旧会话被忽略也可正 ACK。不是统一动作完成
HachimoDock media/status requestId/topic 对应请求的媒体状态、sessionId、positionMs、bufferedMs 等 一次 chunk/control 的应答不是整首播放结束,也不是声音实际被听见
HachimoDock audio/diagnostic playback_started、input_end、completed、flushed 分阶段诊断;已起播流的completed在结束标记及缓冲排空条件下产生,未起播空流有例外 不能推广成任意设备任务的完成事件;缓冲/codec 状态也不是声学验收
HachimoDock Agent ready/done 外部 Agent 注入流与执行回合的状态;ready 可早于真正 inject,done 可由流结束兜底 不是 USB 内容已显示、设备已播完或机械动作已成功
StackChan Avatar ControlMotion 接收 JSON 后设置 Motion/Servo 目标 没有逐动作请求 ID、接受/完成终态或按 ID 取消的返回链
StackChan 小智 MCP set_head_angles JSON-RPC ID 关联工具 result/error;设置目标后立即 true 不是异步机械到位确认
StackChan 小智 MCP get_head_angles 按请求读两轴角度并返回;驱动读失败可退回软件插值角 不能无条件称真实传感器位置,也不是前一设置动作的完成结果

HachimoDock 主机的 media_request 会先注册 waiter,再发送请求,以 requestId+topic 匹配状态并检查 ok。其音乐播放器还使用 generation 排除旧歌曲状态。音频播放完成走另一条按 sessionId 匹配的诊断路径;只有相应能力分支等待完成,其他路径仍存在按时长估算。因此它的反馈比“单向串口请求”丰富,但不能概括为所有 action 都有可靠完成确认。

StackChan 的舵机反馈在本地用于插值、运动判断与局部堵转保护;数据没有因此自动进入 Avatar 网络结果。需要自行把动作 ID、测量来源和终态加入设备与主机协议。新角度目标会覆盖相应轴的插值目标,但不生成旧动作的取消终态;移除 Modifier 本身不会撤销它已经设置的舵机目标。目标更新实现

结果依据 固定源码入口
HachimoDock 请求等待与匹配 transaction_waiters.rs、usb_serial.rs
HachimoDock 板端音频与媒体结果 audio.c、media.c
StackChan MCP 查询与设置 hal_mcp.cpp、MCP 结果分派
StackChan Avatar 设置与本地反馈 ControlMotion、Servo 位置回读

取消、去重与失联不能只看有没有序号

问题 HachimoDock StackChan
序号是否等于动作身份 Native USB frame sequence 用于封帧/队列信息,没有通用动作去重;音频与音乐各有自己的会话及序号规则 LAN session/sequence 是传输字段,不是持久动作 ID 或完成关联
旧会话数据 音频 playback session、媒体 session/next_seq、主机 generation 分层处理 网络队列 generation 丢弃旧连接消息,已进入 Servo 的目标不受此机制自动取消
停止范围 音频 flush、媒体 stop、Agent AbortController 各有作用域 Motion.stop、释放扭矩、移除 Modifier、AbortSpeaking 各有作用域
失联 音乐有五秒租期等具体机制,不能扩大为所有设备动作通用租约 已读 Avatar LAN 断开处理没有调用 Motion.stop;持续运动与失联需另定义
超时后的主机判断 waiter 超时或会话流结束不证明设备未执行 网络发送成功或没有回应均不能证明机械完成/未执行

对我们的意义是:应分别定义命令去重、任务终态、媒体失效、设备重启代次和失联行为。原项目里的 requestId、sessionId、sequence、generation 各自解决具体问题,不能只选一个字段名就获得跨系统保证。

许可与源码完整性单列

本节记录固定文件的授权范围和缺口,不将技术适配度当作获得授权。

对象 当前文本与版本事实 代码采用边界 直接依据
HachimoDock 自有代码 自定义非商业源码可见许可;独立产品开发与商业集成等用途需要事先书面许可 当前不能登记成已获商业采用授权;获授权还应明确范围、版本、固件、PC、素材和分发条件 LICENSE 第2、3、8条
HachimoDock 历史版本 当前许可明确不撤销历史版本已经授予的许可 本轮没有完成历史版本逐文件许可溯源,不能由媒体所写 GPL 推断当前代码或任意历史文件可采用 LICENSE 第8条
HachimoDock 第三方 Tauri、Rust/npm 库、驱动、ESP-SR、字体、FFmpeg、米家相关适配等保留各自条款;Agent Bus 包标 UNLICENSED 自有部分授权不覆盖全部第三方;包标记不是另一份 MIT 授权;原本独立许可的上游材料应回原项目逐文件核查 第三方声明、Agent Bus 包
HachimoDock 源码完整性 PC 源码0.1.101,最新发行0.1.167说明应用源码未同步 当前只能解释公开快照,不能声称最新安装包全部功能可从它复现;需匹配源码、锁文件、资源及构建来源 package.json、0.1.167发行
StackChan 自有固件 firmware/LICENSE 及已读表达/运动/HAL 文件为 MIT 可按该许可评估文件级复用,保留声明;依赖、字体、角色、硬件和云服务分别核查 固件许可、文件 SPDX
StackChan 可复现与互通 固定小智依赖和 patch 共同构成程序;公开 secret_logic 的认证生成函数为 weak 占位 不能声称公开快照原样构建即可与官方 App/服务互通,也不推定量产版本采用该占位。自有本地协议仍需实现身份与握手 依赖、公开认证占位

为什么此前没有选 HachimoDock,现在怎样处理

原五项筛选同时考虑近期变化、付费/交付需求信号和源码可读性。HachimoDock 当时只有初查:没有核实成品销售/交付,最新安装包对应应用源码未同步,自有许可限制独立产品开发,硬件制造资料完整性也未确认。因此暂列观察,没有进入原五项深入组。

这不是“没有公开代码”的判断,也不能只用“非商业许可”一个理由解释排除。 Coglet、Doly 同样有非商业限制,仍因已核付费众筹和独特机械/传感机制进入研究。它们也没有因此获得商业可用身份。原筛选没有将“主机外设架构适配度”单独列为主轴,当前目标收敛后需要重新排序。

本轮处理为:保留原五项作为既有市场与资产研究组,增加 HachimoDock 的独立源码架构和本篇对照,提升其主机外设架构研究优先级;商业代码采用继续等待明确授权和对应版本源码。销量缺失只降低商业需求证据强度,不再作为不深入研究该架构的理由。

筛选依据见 开源资产专项,配套阅读入口为原网站的“源码与架构”专区及飞书同名目录。架构适配结论不代表产品底座已定案,也不代表代码已集成、硬件已实测或商业授权已取得。

下一步判断需要什么证据

决定问题 需要确认的事实
屏幕/声音外设还是机械身体 首版是否必须有舵机、摄像头和无线;当前只确认主机与硬件分工,形态尚未定案
是否可采用 HachimoDock 自有代码 权利人对独立产品、商业集成、修改/分发、PC和固件范围的书面许可
是否能复现要采用的版本 与选定发行一致的源码、资源、锁文件、构建身份和目标板版本
两套协议能否满足实际任务 在指定硬件测输入、音频、显示/动作完成、取消、重连和重启。ACK、日志和时间估算分别记录

独立细节见 HachimoDock 源码架构 与 StackChan 源码架构。本轮为静态源码、协议与图示核查,未运行安装包、模型、USB设备、舵机、完整固件构建或性能测试。