想给孩子或家里放一只能聊天的毛绒玩具，又不希望声音、画面和对话传到云端，这个开源项目提供了一个直观样板：所有处理都在自有设备和局域网内完成，不需要云服务或 API 密钥。Whisper 负责 STT——把人声转成文字；Hermes 3 Llama 3.1 8B 负责生成回答；Kokoro 再用 TTS 把文字念出来。LangGraph 则按人物保存和取回往期交流，让玩具知道正在和谁说话，并记住此前的谈话。
最值得注意的设计，是玩具本身并不承担繁重计算。它只装有 Pi Zero WH、麦克风、摄像头、扬声器和控制头部动作的舵机，像一个负责收发的“终端”；音频和设备消息通过 WebSocket——一种持续双向通信方式——传给局域网内的笔记本，再调用本地 AI。作者还加入 dlib 人脸身份识别和 FER+ 情绪识别，让回应能随人物和情绪调整。项目代码以 MIT 许可开放，但供稿未披露延迟、识别准确率或硬件成本，实际体验仍需进一步验证。