還在羨慕那些動輒幾十GB顯存的AI大佬？今天，就讓你體驗到與大語言模型暢聊的快感！誰說嵌入式設備只能閃爍LED？今天我們就要讓它"口吐蓮花"！

從"Hello World"到"Hey, AI"

記得剛入行時，點亮一個LED燈都激動半天。如今，我們的嵌入式設備已經可以直接和AI大模型對話了！這不僅是技術的進步，更是開發思路的革命。今天，我將手把手教大家如何在開發板上接入DeepSeek大模型，讓你的單片機秒變"AI終端"！

本文將詳細介紹如何利用RT-Thread操作系統和完善的網絡協議棧， 讓開發板成功接入DeepSeek大語言模型，實現實時對話功能，以FRDM-MCXN947為例。

準備工作：工欲善其事，必先利其器~

硬件準備

• FRDM-MCXN947開發板：NXP的明星開發板, MCX系列最強王者，搭載150MHz Arm Cortex-M33內核
• 網絡連接：RT-Thread RW007 WIFI模塊
• USB TypeC 線：用于供電和調試

軟件準備

RT-Thread V5.2.0: RT-Thread 5.2.0版本 或者master最新分支

DeepSeek API Key: 用于訪問DeepSeek大模型的API KEY, 見下節

• Keil

申請 DeepSeek API KEY 首先，我們需要前往DeepSeek官網 ：https://platform.deepseek.com/api_keys1. 注冊并登錄DeepSeek賬號 2. 進入開發者控制臺 3. 創建新的API Key 4. 復制并保存API Key（注意：這個Key只顯示一次！）牢記你的API KEY!

環境配置

1. 我們需要確保RT-Thread能夠正常運行在MCXN947上，并且網絡功能正常。這屬于基礎配置部分,已經有完善的教程,參見: NXP FRDM-MCXN947 上手指南. 這里不再贅述。

2. 進入RT-Thread env工具的menuconfig. 在menuconfig中，我們需要啟用以下功能：

開啟RT-Thread 大預言模型包：

RT-Thread online packages → AI packages → Large Language Models(LLM) for RT-Thread 并且在config中輸入自己的API KEY

開啟Webclient組件:

RT-Thread online packages → IoT - internet of things → WebClient: A HTTP/HTTPS Client for RT-Thread，選擇 MbedTLS support

退出保存配置，輸入 pkgs --update 拉取軟件包；

生成Keil工程 scons --target=mdk5

完成所有配置后，我們可以編譯并運行程序,如果一切順利，你應該能在串口終端看到RT-Thread的啟動信息:

首先先輸入你的WiFi 用戶名密碼,先讓板子上網:

看到 Got IP address 說明已經成功通過WIFI模塊連接到了網絡, 下面,輸入llm進入大模型對話框,然后就 可以和DeepSeek聊天啦:

實際應用場景

將LLM功能集成到嵌入式設備中，可以開啟許多有趣的應用場景：

1. 智能家居控制：通過自然語言控制家中設備 2. 工業設備診斷：詢問設備狀態和故障診斷 3. 教育輔助設備：創建交互式學習工具 4. 智能客服終端：部署在公共場所的信息查詢終端

5. 輔助開發工具：在開發過程中提供代碼建議和調試幫助

優化與改進

現在只是串口終端交互,后期如果能改成語音交互,體驗感就能更上一個層次了,可以做成一個超級“天貓精靈” 或者“小愛同學”

• 目前這套代碼并未細致的優化,所以大預言模型的反應速度比較慢,一般需要1-4秒,且RAM占用比較大 (160KB)左右,筆者曾經嘗試移植到FRDM-MCXA156上(1MFlash, 128KB RAM),RAM就不夠用了,目前還在 優化中-_-!

結語與完整代碼下載

通過本文的實踐，我們成功地將FRDM-MCXN947開發板變成了一個能與DeepSeek大模型對話的AI終端。這不僅展示了NXP MCU強大的網絡通信能力，也為嵌入式設備的智能化應用開辟了新的可能性。

未來，隨著邊緣計算技術的發展，我們甚至可以期待在MCU上直接運行輕量級LLM模型，實現真正的本地AI推理。而現在通過API調用云端大模型，我們已經能夠為嵌入式設備賦予"智慧"。