《2025 DigiKey AI应用创意挑战赛》树莓派5电子宠物AI对话游戏项目

geeforesee

一、项目介绍基于树莓派5（Linux系统）开发一个带AI对话功能的电子宠物游戏，核心目标是让树莓派运行一个轻量化的电子宠物程序，宠物能通过文字和你进行AI对话互动，部署简单的AI模型保证离线/轻量化在线沟通能力，整体实现部署简单、交互直观的电子宠物体验。核心特性1. **轻量化部署**：适配树莓派5的ARM架构和Linux系统（如Raspberry Pi OS），选用轻量级AI对话模型，避免性能过载；2. **AI对话交互**：集成开源轻量对话模型（如ChatGLM-6B-int4、Llama2-7B量化版或便捷的API方案），实现和电子宠物的自然语言沟通；3. **电子宠物基础逻辑**：包含宠物状态（饥饿、开心、疲劳）、简单行为反馈、对话记忆（短上下文）；4. **交互方式**：支持终端文本交互（基础版），可选扩展GPIO按键/显示屏交互。硬件/软件环境- 硬件：树莓派5（4GB/8GB版本）、MicroSD卡（32GB以上）、电源、键盘鼠标（或SSH远程）；- 系统：Raspberry Pi OS (Bookworm，64位)；- 依赖：Python 3.9+、PyTorch（ARM版）、transformers、numpy等。 二、项目架构图```mermaidgraph TD    A[树莓派5 Linux系统] --> B[核心程序层]    B --> B1[电子宠物逻辑模块]    B --> B2[AI对话模型模块]    B --> B3[交互接口模块]    B1 --> C1[宠物状态管理<br/>(饥饿/开心/疲劳)]    B1 --> C2[行为反馈逻辑]    B2 --> D1[轻量AI模型<br/>(量化版ChatGLM/Llama2)]    B2 --> D2[上下文记忆模块]    B3 --> E1[终端文本交互]    B3 --> E2[可选：GPIO/显示屏交互]    D1 --> F[模型本地部署/轻量API调用]    E1 --> G[用户输入/宠物回复展示]``` 三、核心代码实现前置准备（树莓派端）先安装依赖（打开终端执行）：```bash# 更新系统sudo apt update && sudo apt upgrade -y# 安装Python依赖pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpupip3 install transformers numpy flask  # transformers用于加载AI模型# 若用API方案，需安装：pip3 install requests```### 方案选择说明树莓派5算力有限，**优先推荐“轻量API调用”**（无需本地部署大模型，部署简单）；若需离线运行，可选择ChatGLM-6B-int4量化版（需树莓派5 8GB版本，且需提前下载模型文件）。以下代码采用「API调用+电子宠物逻辑」的极简方案（兼容所有树莓派5版本）：```pythonimport timeimport randomimport requests  # 用于API请求# ====================== 电子宠物核心类 ======================class ElectronicPet:    def __init__(self, name="小莓"):        self.name = name  # 宠物名字        self.hunger = 50  # 饥饿值（0-100，越高越饿）        self.happiness = 80  # 开心值（0-100，越高越开心）        self.fatigue = 20  # 疲劳值（0-100，越高越累）        self.context = []  # 对话上下文（记忆最近3轮）    # 更新宠物状态（每轮对话后随机变化）    def update_status(self):        self.hunger = min(100, self.hunger + random.randint(1, 5))        self.happiness = max(0, self.happiness + random.randint(-3, 3))        self.fatigue = min(100, self.fatigue + random.randint(1, 4))        # 状态反馈        status_msg = ""        if self.hunger > 80:            status_msg += f"{self.name}肚子咕咕叫，好饿呀～\n"        if self.happiness < 30:            status_msg += f"{self.name}看起来不开心😞\n"        if self.fatigue > 80:            status_msg += f"{self.name}困得睁不开眼了💤\n"        return status_msg    # 添加对话上下文    def add_context(self, user_msg, pet_reply):        self.context.append({"user": user_msg, "pet": pet_reply})        # 只保留最近3轮        if len(self.context) > 6:  # 3轮=6条（用户+宠物各3）            self.context = self.context[-6:]# ====================== AI对话模块（API版） ======================# 说明：这里用“即梦AI”API（字节跳动旗下）作为示例，你需替换为自己的API Key# 即梦AI申请地址：https://dream.volcengine.com/def ai_chat(pet, user_input):    # 构造对话提示词（融合宠物状态）    prompt = f"""你是一个可爱的树莓派电子宠物，名字叫{pet.name}。当前状态：饥饿值{pet.hunger}（越高越饿）、开心值{pet.happiness}（越高越开心）、疲劳值{pet.fatigue}（越高越累）。要求：1. 回复语气可爱、简短（不超过50字）；2. 结合当前状态回复（比如饿了就提吃饭，累了就提睡觉）；3. 基于上下文对话，保持连贯性。上下文：{pet.context}用户现在说：{user_input}你的回复："""    # 即梦AI API调用示例（替换为实际API参数）    url = "https://dream.volcengine.com/api/v1/chat/completions"    headers = {        "Content-Type": "application/json",        "Authorization": "Bearer 你的即梦AI API Key"  # 替换为真实Key    }    data = {        "model": "doubao-3",  # 即梦AI的轻量模型        "messages": [{"role": "user", "content": prompt}],        "max_tokens": 60,        "temperature": 0.8    }    try:        response = requests.post(url, headers=headers, json=data, timeout=10)        reply = response.json()["choices"][0]["message"]["content"].strip()        return reply    except Exception as e:        # 降级回复（API出错时）        fallback_replies = [            f"{pet.name}没听清～再说一遍嘛😜",            f"{pet.name}有点卡壳了...你哄哄我好不好～",            f"唔？{user_input}是什么呀？{pet.name}不懂～"        ]        return random.choice(fallback_replies)# ====================== 主程序 ======================if __name__ == "__main__":    print("===== 树莓派电子宠物 =====")    pet_name = input("请给你的电子宠物起个名字（默认：小莓）：") or "小莓"    pet = ElectronicPet(name=pet_name)    print(f"\n欢迎和{pet.name}聊天～输入“退出”结束对话～\n")    while True:        # 1. 获取用户输入        user_input = input("你：")        if user_input.strip() == "退出":            print(f"\n{pet.name}：呜呜不要走～下次再陪我玩呀❤️")            break        if not user_input.strip():            print(f"{pet.name}：你是不是忘说什么啦？😯")            continue        # 2. AI生成回复        pet_reply = ai_chat(pet, user_input)        # 3. 更新宠物状态并展示        status_msg = pet.update_status()        print(f"\n{pet.name}：{pet_reply}")        if status_msg:            print(f"【{pet.name}的状态】：{status_msg}")        # 4. 保存上下文        pet.add_context(user_input, pet_reply)        time.sleep(0.5)  # 模拟思考延迟```### 代码关键说明1. **ElectronicPet类**：管理宠物核心状态（饥饿、开心、疲劳），每轮对话后随机更新状态，并反馈状态提示；2. **ai_chat函数**：调用即梦AI API实现对话，融合宠物当前状态生成提示词，保证回复和宠物状态匹配（比如饿了会提吃饭）；3. **降级机制**：API调用失败时，会随机返回预设的可爱回复，避免程序崩溃；4. **上下文记忆**：保留最近3轮对话，让AI回复更连贯。### 离线版适配（可选）若需离线运行，替换`ai_chat`函数为本地模型加载（以ChatGLM-6B-int4为例）：```pythonfrom transformers import AutoTokenizer, AutoModel# 提前下载ChatGLM-6B-int4模型到树莓派本地tokenizer = AutoTokenizer.from_pretrained("./chatglm-6b-int4", trust_remote_code=True)model = AutoModel.from_pretrained("./chatglm-6b-int4", trust_remote_code=True).float()def ai_chat(pet, user_input):    # 构造提示词（同上）    prompt = f"你是电子宠物{pet.name}...（省略，同API版）"    # 本地模型推理    response, history = model.chat(tokenizer, prompt, history=[], max_length=2048, temperature=0.8)    return response[:50]  # 限制长度```## 四、项目部署与运行1. **获取即梦AI API Key**：访问[即梦AI官网](https://dream.volcengine.com/)，注册后在控制台获取API Key，替换代码中`Authorization`里的Key；2. **运行代码**：在树莓派终端执行`python3 pet_game.py`，即可开始和电子宠物对话；3. **扩展优化**（可选）：   - 接入树莓派GPIO：用按键触发喂食/互动，降低饥饿值、提升开心值；   - 接入小型显示屏（如OLED）：可视化宠物状态和对话内容；   - 增加音效：用`pygame`播放宠物的互动音效。## 五、总结### 核心关键点1. **部署核心**：树莓派5优先选择「即梦AI API」方案（部署简单、性能消耗低），离线版需8GB内存+量化模型；2. **功能核心**：电子宠物状态管理+AI对话上下文融合，保证回复和宠物状态匹配，提升交互感；3. **扩展方向**：可通过GPIO/显示屏增强物理交互，让电子宠物更具实体感。### 注意事项- 树莓派需保证网络通畅（API版），离线版需提前下载量化模型（约4GB）；- 调整AI回复的`max_tokens`和`temperature`参数，可控制回复长度和随机性；- 若出现卡顿，可减少上下文记忆轮数（如改为2轮），降低计算量。

• •