智能音箱接入AI智能体：小度与Claude Code的跨界联动实践

1. 当智能音箱遇上AI智能体：一次跨界联动的奇思妙想

最近在折腾智能家居和AI工具，脑子里突然冒出一个有点“离谱”的想法：如果把家里那个只会报天气、放音乐的小度智能音箱，和现在技术圈里讨论得热火朝天的“小龙虾”（Claude Code）AI智能体框架给接起来，会是一种什么体验？这听起来像是把两个完全不在一个频道上的东西硬凑在一起——一个是面向家庭场景的消费级语音助手，另一个是面向开发者的前沿AI编程与自动化框架。但正是这种看似不搭界的组合，背后其实隐藏着对下一代人机交互形态的探索：我们能否让一个简单的语音指令，触发背后一系列复杂的、由AI驱动的自动化任务？

这个想法并非空穴来风。随着AI Agent（智能体）技术的成熟，像“小龙虾”这样的框架正在降低构建自主执行任务的AI应用的门槛。而智能音箱作为最普及的语音入口，其交互方式却多年未有本质革新。将它们结合，本质上是在尝试为智能音箱这个“旧瓶”，装上由大模型驱动的“新酒”。想象一下，你不再只是问“小度小度，今天天气怎么样？”，而是可以说：“小度，帮我检查一下项目代码仓库里最新的Pull Request，如果有未合并的，用Claude分析一下代码变更并给我一个总结。” 这背后，就是小度接收指令，通过一个中间桥梁，将任务派发给部署在本地或云端的“小龙虾”Agent去执行。

当然，这绝对不是一个官方支持的功能，更像是一次极客式的DIY实验。整个过程涉及对智能音箱技能开发的逆向理解、网络通信桥接、以及AI Agent框架的部署与API调用。它不追求产品的稳定与完美，而是探索技术融合的可能性与边界。如果你也对打破设备壁垒、创造个性化智能工作流感兴趣，那么这次将小度音箱接入“小龙虾”的旅程，或许能给你带来不少启发和动手的乐趣。接下来，我就把自己摸索的过程、踩过的坑以及一些不成熟的想法，详细拆解一遍。

2. 理解核心组件：小度的技能机制与“小龙虾”的能力边界

在动手连接之前，我们必须先吃透两端的“脾性”：小度音箱作为指令接收端，它的能力开放程度如何？“小龙虾”作为任务执行端，它又能做什么、不能做什么？

2.1 小度音箱的技能开放生态与限制

小度音箱（以及同类智能音箱）的核心交互逻辑是“唤醒词 -> 语音识别 -> 语义理解 -> 技能服务调用 -> 语音合成反馈”。对我们开发者而言，最关键的入口是“技能服务”。官方为开发者提供了DuerOS技能开放平台，允许创建自定义技能。这些技能通常分为两大类：

1. 内容型技能：比如查询信息、讲故事、播音乐。这类技能的后端服务，主要是对查询进行响应并返回文本或音频流。
2. 设备控制型技能：用于控制接入DuerOS的智能硬件，如开关灯、调节空调。

我们的目标，是创建一个自定义的内容型技能。这个技能将扮演一个“翻译官”和“传令兵”的角色。它的工作流程是：

• 接收：接收用户对小度说的、包含特定意图（Intent）的语音指令。
• 处理：将语音指令转换成结构化的文本请求。
• 转发：通过HTTP/WebSocket等网络协议，将这个请求发送给我们自己搭建的后端服务（也就是与“小龙虾”通信的桥梁服务器）。
• 反馈：接收后端服务返回的文本结果，再通过小度音箱的语音播报出来。

这里有一个关键限制：DuerOS技能平台对技能的后端服务（称为“技能服务”）有严格的网络要求和响应格式规范。它要求你的服务必须是一个公网可访问的HTTPS接口，并且必须在规定时间内（通常是几秒内）返回响应。这意味着，我们无法让小度直接与运行在本地电脑上的“小龙虾”服务对话，必须在中间引入一个具有公网IP或域名的“中继服务器”。

2.2 “小龙虾”（Claude Code）究竟是什么？它能做什么？

“小龙虾”是社区对Claude Code的一种趣味称呼。它本质上不是一款单一的软件，而是Anthropic公司推出的、围绕其Claude大模型（特别是Claude 3系列）构建的AI智能体开发环境与框架。它的核心目标是让AI不仅能对话，还能执行具体的、多步骤的任务，比如编写代码、调试程序、操作文件系统、运行命令等。

理解“小龙虾”的几个关键点：

• 它不是ChatGPT式的聊天框：虽然也有对话界面，但其设计重心是让Claude在一个受控的“工作空间”（Workspace）内行动。这个工作空间通常是一个容器或沙盒环境，AI可以在里面安全地执行代码、安装包、读写文件。
• 核心能力是“工具调用”（Tool Use）：Claude模型可以根据你的指令，自主决定调用哪些工具（如Python解释器、终端、文件编辑器）来完成任务。这是实现自动化的基础。
• 通常通过API或SDK集成：最典型的用法是通过Anthropic提供的API，向Claude模型发送消息，并接收其包含工具调用请求的响应。然后，你的应用程序需要执行这些工具调用，并将结果返回给模型，形成多轮交互。

因此，在我们的项目中，“小龙虾”扮演的是任务执行大脑的角色。它接收来自小度技能后端的、经过转译的文本任务描述，然后在其能力范围内规划步骤、调用工具、执行操作，最终生成一个文本结论。

能力边界：它擅长处理与代码、文本分析、逻辑推理、数据操作相关的任务。但它无法直接操作物理世界（除非通过其他IoT接口），也无法直接访问没有权限的网络资源。它的执行严重依赖于你为其配置的工作空间环境和工具权限。

3. 架构设计与技术选型：搭建通信桥梁

明确了两端的特点，我们就可以设计整体的系统架构了。目标很清晰：让小度的语音指令，安全、可靠地触发“小龙虾”Agent的执行。

3.1 整体系统架构图（概念层）

整个系统可以划分为三个核心部分，形成一个链式管道：

用户语音指令 -> 小度音箱 -> DuerOS技能平台 -> [我们的公网中继服务器] -> [本地/云端的“小龙虾”Agent服务] -> 执行结果逆向返回 -> 小度音箱播报

1. 前端入口与解析层（小度+DuerOS）：负责语音交互。我们在DuerOS平台创建一个自定义技能，定义好意图（例如AskClaudeToCode）和对应的槽位（Slots，如task_description）。
2. 通信中继与协议转换层（公网服务器）：这是项目的技术核心。它需要同时处理两件事：
   • 作为DuerOS技能的后端服务：提供一个HTTPS端点，接收DuerOS平台转发过来的、符合其规范的JSON请求。
   • 作为“小龙虾”Agent的客户端：将DuerOS的请求，转换成对Claude API的调用（或者与本地部署的Claude Code工作空间通信），并管理多轮对话的会话状态。
3. 任务执行与智能处理层（“小龙虾”Agent）：接收中继服务器发来的任务描述，调用Claude模型，在安全的工作空间中执行代码、分析问题，并将最终结果文本返回给中继服务器。

3.2 中继服务器技术选型与考量

公网中继服务器是整个系统的枢纽，其选型直接决定了项目的稳定性、开发效率和可维护性。这里有几个主流方案：

• 方案A：使用云函数（Serverless）

  • 代表服务：阿里云函数计算、腾讯云云函数、Vercel Serverless Functions、Netlify Functions。
  • 优点：无需管理服务器，按需付费，自动扩缩容，能天然满足HTTPS要求。非常适合这种低频、突发性的技能调用场景。
  • 缺点：运行环境有时间和内存限制，对于需要长时间运行或与本地服务保持长连接的场景（如WebSocket）支持不佳。需要将“小龙虾”的API密钥安全地配置为环境变量。
  • 选择理由：如果我们的交互模式是“一问一答”，且任务能在云函数限制时间内完成，这是最简洁、成本最低的方案。我们选择Vercel的Serverless Functions（使用Node.js或Python），因为它部署简单，与GitHub集成好，适合快速原型验证。

• 方案B：使用轻量级应用服务器

  • 代表框架：Express.js (Node.js), Flask (Python), Gin (Go)。
  • 优点：控制力强，可以处理更复杂的逻辑、维护用户会话状态、建立到本地服务的反向代理或WebSocket连接。
  • 缺点：需要自己购买并维护一台云服务器（如阿里云ECS、腾讯云CVM），配置域名、SSL证书等，运维成本较高。
  • 选择理由：如果我们需要让小度与“小龙虾”进行多轮、持续的对话（例如，调试一个复杂bug，需要多次来回问答），那么需要一个常驻的服务器来维护对话上下文。这里我们为了演示简单交互，优先采用方案A。但我会在后续补充如果用方案B（Flask）该如何设计。

• 方案C：利用现有IoT平台桥接

  • 理论上，可以将小度技能配置为控制一个“虚拟设备”，然后通过像Home Assistant、Node-RED这样的自动化平台，接收设备状态变化，再触发调用AI Agent的流程。这条路径更绕，且依赖更多中间组件，复杂度高，本次不采用。

最终选型：对于首次实验，我们采用“Vercel Serverless Function (Python) + Anthropic官方API”的组合。这意味着我们的“小龙虾”Agent能力直接由Anthropic的云端Claude模型提供，无需在本地部署复杂的Claude Code工作环境。这大大降低了初期的技术门槛。后续进阶可以再替换为与本地部署的Claude Code SDK交互。

4. 实战第一步：创建小度自定义技能并定义意图

现在，我们从最靠近用户的一端开始——让小度能听懂我们的特殊指令。

4.1 在DuerOS开放平台创建技能

1. 访问百度DuerOS开放平台，注册开发者账号并登录。
2. 进入控制台，选择“技能开发” -> “创建技能”。
3. 技能类型：选择“自定义技能”。
4. 交互模型：选择“对话型”。因为我们的交互是问答式的。
5. 后端服务：选择“网络服务”。这里我们先填一个临时地址，比如https://placeholder.com，等我们部署好Vercel函数后再回来修改。
6. 填写技能名称、调用名称等基本信息。调用名称非常关键，这是用户唤醒技能时说的名字，比如我们设置为“AI助手”。那么用户就需要说：“小度小度，打开AI助手”，然后进入我们的技能对话。

4.2 定义意图（Intent）和话语（Utterance）

意图定义了用户想干什么，话语是用户可能说的具体句子。

1. 在技能开发页面，找到“意图”设置。创建一个新意图，例如命名为AskClaudeToCode。
2. 定义槽位（Slots）：槽位是意图中的参数。我们创建一个名为task的槽位，类型选择BAIDU.STRING（字符串），用于捕获用户具体的任务描述。
3. 添加用户话语：这是训练语音模型的关键。你需要列举出用户可能表达这个意图的各种说法。例如：
   • “帮我写一个Python函数计算斐波那契数列”
   • “用Claude分析一下这段代码有什么问题：{task}”
   • “让小龙虾帮我检查项目日志”
   • “{task}，这个任务交给你了” 注意，{task}就是我们定义的槽位，系统会自动从话语中提取对应的部分。
4. 配置意图的响应（可选）：在技能平台，你可以配置一些简单的静态响应。但对于我们，所有复杂响应都将由我们的后端服务返回，所以这里可以留空或设置一个“正在处理”的默认回复。

4.3 理解DuerOS的请求/响应协议

当用户说出一句符合我们意图的话语后，DuerOS平台会将语音识别成文本，进行语义分析，然后向我们在“后端服务”里填写的URL发送一个POST请求。这个请求的Body是一个特定的JSON结构。

一个简化版的请求示例：

{ "version": "2.0", "session": { "sessionId": "xxx", "newSession": true }, "context": { "System": { "user": { "userId": "xxx" } } }, "request": { "type": "IntentRequest", "intent": { "name": "AskClaudeToCode", "slots": { "task": { "name": "task", "value": "帮我写一个Python函数计算斐波那契数列" } } } } }

我们的后端服务（Vercel函数）必须解析这个JSON，提取出request.intent.slots.task.value，也就是用户的任务描述。然后，构造一个符合DuerOS规范的JSON响应返回。响应中最重要的字段是outputSpeech，里面包含了要播报的文本。

一个简化版的响应示例：

{ "version": "2.0", "session": { "sessionId": "xxx", "attributes": {} }, "response": { "outputSpeech": { "type": "PlainText", "text": "好的，任务已接收。Claude正在处理：帮我写一个Python函数计算斐波那契数列。处理结果是：以下是计算斐波那契数列的Python函数..." }, "shouldEndSession": true } }

shouldEndSession表示本次对话是否结束。对于一次性任务，我们设为true。

5. 实战第二步：构建Vercel云函数作为中继服务器

接下来，我们构建系统的核心——中继服务器。我们将使用Python在Vercel上创建一个Serverless Function。

5.1 项目初始化与环境准备

1. 在本地创建一个新目录，例如dueros-claude-bridge。
2. 初始化一个Python虚拟环境并安装依赖：

   python -m venv venv source venv/bin/activate # Windows: venv\Scripts\activate pip install anthropic flask

   这里我们安装anthropic库用于调用Claude API，flask用于在Vercel函数中创建Web端点（虽然Vercel函数不直接运行Flask服务器，但其WSGI兼容性使得编写类似Flask的应用很方便）。
3. 在项目根目录创建requirements.txt文件，写入：

   anthropic==0.25.14 flask==3.0.3

5.2 编写核心的Vercel Serverless Function

在项目根目录创建api/文件夹，然后在api/下创建dueros.py文件。这是Vercel的约定，api/dueros.py文件会自动暴露为/.netlify/functions/dueros端点（Vercel类似）。

api/dueros.py内容如下：

from http.server import BaseHTTPRequestHandler import json import os from anthropic import Anthropic # 从环境变量读取Claude API密钥 ANTHROPIC_API_KEY = os.environ.get("ANTHROPIC_API_KEY") MODEL_NAME = "claude-3-haiku-20240307" # 选用速度快、成本低的Haiku模型，适合对话 def handle_dueros_request(request_json): """处理DuerOS平台发来的请求""" try: request_type = request_json.get("request", {}).get("type") # 如果是启动请求（LaunchRequest），返回欢迎语 if request_type == "LaunchRequest": response_text = "AI助手已启动。你可以让我帮你写代码、分析问题或执行其他智能任务。请说出你的需求。" should_end = False # 如果是意图请求（IntentRequest），处理用户任务 elif request_type == "IntentRequest": intent_name = request_json.get("request", {}).get("intent", {}).get("name") slots = request_json.get("request", {}).get("intent", {}).get("slots", {}) if intent_name == "AskClaudeToCode": task = slots.get("task", {}).get("value") if slots.get("task") else None if not task: response_text = "抱歉，我没有听清楚你的任务内容，请再描述一次。" else: # 调用Claude处理任务 claude_response = call_claude_for_task(task) response_text = f"好的，任务已接收。Claude正在处理：{task}。处理结果是：{claude_response}" should_end = True # 单次任务，完成后结束会话 else: response_text = "抱歉，我还不支持这个指令。" should_end = True # 如果是会话结束请求或其他 else: response_text = "再见！" should_end = True # 构建符合DuerOS规范的响应 response = { "version": "2.0", "session": request_json.get("session", {}), "response": { "outputSpeech": { "type": "PlainText", "text": response_text }, "shouldEndSession": should_end } } return response except Exception as e: # 发生错误时返回友好提示 error_response = { "version": "2.0", "session": request_json.get("session", {}), "response": { "outputSpeech": { "type": "PlainText", "text": f"处理请求时出了点问题：{str(e)}。请稍后再试。" }, "shouldEndSession": True } } return error_response def call_claude_for_task(task_description): """调用Anthropic Claude API处理任务""" if not ANTHROPIC_API_KEY: return "系统配置错误，无法连接AI服务。" client = Anthropic(api_key=ANTHROPIC_API_KEY) # 构建给Claude的提示词（Prompt），明确它的角色和能力 system_prompt = """你是一个高效的编程助手，擅长用代码解决问题。请用简洁、专业的语言回答用户的技术问题。如果用户要求写代码，请提供完整、可运行的代码片段并附上简要解释。如果问题无法用代码解决，请直接给出文本回答。""" try: message = client.messages.create( model=MODEL_NAME, max_tokens=1000, system=system_prompt, messages=[ {"role": "user", "content": task_description} ] ) # 提取Claude的回复内容 if message.content and len(message.content) > 0: # content是一个列表，每个元素是一个TextBlock或ToolUseBlock # 对于简单文本回复，我们取第一个TextBlock的text for block in message.content: if block.type == 'text': return block.text return "Claude没有返回有效内容。" except Exception as e: return f"调用AI服务时发生错误：{str(e)}" # Vercel Serverless Function 入口 class handler(BaseHTTPRequestHandler): def do_POST(self): content_length = int(self.headers['Content-Length']) post_data = self.rfile.read(content_length) request_json = json.loads(post_data.decode('utf-8')) # 处理请求 response_json = handle_dueros_request(request_json) # 返回响应 self.send_response(200) self.send_header('Content-type', 'application/json; charset=utf-8') self.end_headers() self.wfile.write(json.dumps(response_json, ensure_ascii=False).encode('utf-8'))

注意：这是一个极简的示例。在生产环境中，你需要添加更完善的错误处理、请求验证、日志记录，并考虑对话状态的持久化（如果支持多轮）。另外，Claude API调用是收费的，且存在速率限制，需要做好管控。

5.3 部署到Vercel并配置环境变量

1. 将代码推送到一个GitHub仓库。
2. 登录Vercel，点击“New Project”，导入你的GitHub仓库。
3. 在项目设置中，找到“Environment Variables”，添加一个变量：
   • Name:ANTHROPIC_API_KEY
   • Value: 你的Anthropic Claude API密钥（从Anthropic控制台获取）。
4. Vercel会自动部署。部署成功后，你会获得一个类似https://your-project.vercel.app的域名。
5. 你的函数端点地址就是https://your-project.vercel.app/api/dueros。记下这个地址。

5.4 回填DuerOS技能后端服务地址

回到DuerOS技能平台，找到你创建的技能，在“后端服务”配置中，将之前填的临时地址，替换成你刚刚获取的Vercel函数地址：https://your-project.vercel.app/api/dueros。

保存并提交技能进行审核（自定义技能通常需要简单的审核）。

6. 进阶探索：从云端API到本地“小龙虾”工作空间

上面的方案使用了官方的云端Claude API，简单直接。但“小龙虾”的精华在于其本地工作空间和工具调用能力。如何让我们的中继服务器与一个本地运行的、功能更强大的Claude Code Agent交互呢？这需要更复杂的架构。

6.1 本地“小龙虾”服务化

首先，我们需要让本地的Claude Code能够通过网络被调用。有几种思路：

• 思路一：封装为HTTP API服务。写一个本地的Python脚本，使用Flask或FastAPI创建一个Web服务器。这个服务器接收任务描述，然后在本地调用Claude Code的SDK（如果提供）或通过模拟操作与Claude Code工作空间交互，最后返回结果。
• 思路二：使用消息队列。本地服务作为消费者，从Redis或RabbitMQ这样的消息队列中取出任务，处理完毕后将结果放回另一个队列。公网中继服务器则负责投递任务和获取结果。这更适合异步长任务。
• 思路三：反向代理与WebSocket。在本地运行一个Agent服务，并通过内网穿透工具（如ngrok、frp）将其暴露到一个公网地址。公网中继服务器直接通过HTTP或WebSocket调用这个地址。这种方式延迟最低，但需要解决内网穿透的稳定性问题。

6.2 一个基于Flask的本地Agent服务示例

假设我们采用思路一。我们在本地运行一个Flask服务，它内部使用anthropic库，但通过更复杂的Prompt和可能的工具调用来模拟“小龙虾”的深度操作。

local_agent.py:

from flask import Flask, request, jsonify from anthropic import Anthropic import subprocess import os import json app = Flask(__name__) anthropic_client = Anthropic(api_key=os.environ.get("ANTHROPIC_API_KEY")) MODEL = "claude-3-sonnet-20240229" # 使用能力更强的Sonnet模型 def execute_shell_command(command): """安全地执行shell命令并返回结果""" try: result = subprocess.run(command, shell=True, capture_output=True, text=True, timeout=30) return { "success": result.returncode == 0, "stdout": result.stdout, "stderr": result.stderr, "returncode": result.returncode } except subprocess.TimeoutExpired: return {"success": False, "error": "Command timed out"} except Exception as e: return {"success": False, "error": str(e)} @app.route('/process_task', methods=['POST']) def process_task(): """处理来自中继服务器的任务""" data = request.json task = data.get('task', '') session_id = data.get('session_id', 'default') # 简单的会话管理 # 构建一个增强版的System Prompt，赋予Claude“执行能力” system_prompt = f""" 你是一个运行在受控环境中的AI助手，拥有执行Shell命令和读写文件（在允许范围内）的能力。 用户会向你提出需要实际操作的任务，例如运行代码、检查系统状态、处理文件等。 当你认为需要执行命令来完成任务时，请严格按照以下JSON格式回复，且只回复这个JSON： {{ "action": "run_command", "command": "要执行的shell命令", "reason": "执行此命令的原因" }} 当你只需要返回信息或分析结果时，直接回复文本。 当前工作目录是：{os.getcwd()} 请谨慎执行命令，确保安全。 """ messages = [{"role": "user", "content": task}] final_result = "" # 模拟多轮交互，最多3轮，让Claude可以规划并执行命令 for _ in range(3): response = anthropic_client.messages.create( model=MODEL, max_tokens=1500, system=system_prompt, messages=messages ) assistant_reply = "" for block in response.content: if block.type == 'text': assistant_reply = block.text break # 尝试解析是否为命令执行请求 try: action_data = json.loads(assistant_reply) if action_data.get('action') == 'run_command': cmd = action_data['command'] # **重要：这里必须进行严格的白名单过滤，防止任意命令执行！** allowed_commands = ['ls', 'pwd', 'cat', 'grep', 'python3 --version', 'pip list'] if any(cmd.startswith(allowed) for allowed in allowed_commands): exec_result = execute_shell_command(cmd) # 将执行结果作为新一轮的用户输入 messages.append({"role": "assistant", "content": assistant_reply}) messages.append({"role": "user", "content": f"命令执行结果：{json.dumps(exec_result)}。请根据结果继续分析或完成任务。"}) continue else: final_result = f"请求的命令 '{cmd}' 不在允许列表中，出于安全考虑已被拒绝。" break except json.JSONDecodeError: # 回复不是JSON，是普通文本，作为最终结果 final_result = assistant_reply break return jsonify({"result": final_result}) if __name__ == '__main__': app.run(host='0.0.0.0', port=5000, debug=True)

这个本地服务运行后，监听本地的5000端口。我们的公网Vercel函数就需要修改为：不再直接调用Anthropic API，而是向这个本地服务的公网代理地址（通过ngrok等工具获取）发送请求。

6.3 打通公网与内网：使用ngrok进行内网穿透

1. 在本地机器上安装ngrok并注册账号获取Authtoken。
2. 启动上面的本地Flask服务 (python local_agent.py)。
3. 在另一个终端，运行ngrok http 5000。ngrok会分配一个如https://xxxx.ngrok-free.app的公网地址。
4. 将Vercel函数中call_claude_for_task函数里的API调用，替换为向https://xxxx.ngrok-free.app/process_task发送POST请求。
5. 这样，小度的请求流就变成了：小度 -> DuerOS -> Vercel函数 -> ngrok公网地址 -> 你本地的Flask Agent服务 -> Claude API/本地执行。

警告：这只是用于演示的极端简化方案。将本地服务暴露到公网，并允许执行Shell命令，存在巨大的安全风险。在实际应用中，必须实现严格的身份认证、命令白名单、输入清洗、资源隔离（如使用Docker容器）和访问日志监控。

7. 避坑指南与安全考量

将消费级IoT设备与强大的AI执行引擎连接，乐趣与风险并存。以下是几个关键的注意事项：

7.1 网络延迟与超时处理

DuerOS技能平台对后端服务的响应有时间限制（通常为5-10秒）。而Claude API调用，尤其是涉及复杂推理或工具调用的多轮对话，很可能超时。

• 策略一：异步响应。对于耗时长的任务，你的技能后端应该立即返回一个“已接收，正在处理”的响应 (shouldEndSession: false)，然后通过小度的“事件上报”机制，在任务完成后主动推送结果给用户。这需要更复杂的会话状态管理和事件推送配置。
• 策略二：优化任务粒度。设计技能时，引导用户提出能在几秒内得到答案的、相对轻量的任务，比如“解释这段代码”、“写一个简单的排序函数”，避免“帮我重构整个项目”这样的巨量请求。
• 策略三：设置备用超时响应。在你的后端服务中设置一个比DuerOS要求更短的超时（如3秒）。如果调用Claude或本地服务超时，立即返回一个友好的提示，如“任务处理时间较长，请稍后在手机App中查看结果”，并记录任务ID供后续查询。

7.2 成本控制与滥用防范

Claude API是按Token收费的。一个公开的技能可能面临恶意调用或意外的高频使用。

• API密钥管理：绝对不要将API密钥硬编码在代码中。使用环境变量（如Vercel的环境变量），并定期轮换。
• 频率限制与配额：在你的Vercel函数或本地服务中，实现基于用户ID或IP的简单频率限制（例如，每分钟最多5次请求）。Anthropic API本身也有速率限制，要做好错误处理。
• 预算告警：在Anthropic控制台设置每月预算和告警，防止意外费用。
• 输入过滤与审核：对从小度传来的task内容进行基本的过滤，屏蔽明显恶意、无关或涉及隐私的请求。

7.3 隐私与数据安全

用户的语音指令经过百度服务器、你的中继服务器、Anthropic服务器，链路很长。

• 隐私声明：在你的技能描述中，明确告知用户查询内容会被发送到第三方AI服务进行处理。
• 数据最小化：不要存储不必要的用户数据。如果为了会话状态需要临时存储，应设定短期的自动过期时间。
• 传输安全：确保所有环节都使用HTTPS加密传输。
• 本地化部署的价值：这正是为什么“接入本地小龙虾”有吸引力。如果你能在家庭局域网内完成所有处理（小度通过局域网与你的本地服务器通信，本地服务器运行开源的LLM和工具），那么数据完全不出私域，隐私性极大提升。但这需要破解或利用小度音箱的本地通信协议，难度极高，通常需要设备Root权限。

7.4 技能审核与平台政策

DuerOS对技能内容有审核规范。一个能“执行任意命令”的技能很可能无法通过审核，或在上线后被下架。

• 明确技能边界：在技能描述中，清晰地说明技能的功能和限制，例如“本技能是一个AI编程助手，可回答技术问题和生成简单代码示例”。
• 避免高危功能：不要宣传或实现文件系统操作、系统控制等危险功能。即使后端有能力，在前端技能描述和实际响应中也要进行限制和引导。
• 准备人工审核话术：如果审核人员问及技能的实现方式，可以解释为“接入了一个AI文本生成接口”，专注于其问答和内容生成属性，避免强调“自动化执行”能力。

8. 体验总结与未来想象

折腾完这一套，实际体验如何？对着小度说：“小度小度，打开AI助手。” 小度回应：“AI助手已启动。” 你接着说：“帮我用Python写一个快速排序算法。” 等待几秒后，小度用语音播报出Claude生成的代码和解释。那一刻，感觉确实很酷——一个简单的语音指令，背后却串联起了云端的技能平台、无服务器函数、顶尖的大语言模型。

然而，这种体验目前更多是“玩具”性质的。延迟感明显（云函数冷启动+API调用），交互局限于单轮问答，复杂任务无法完成，且存在安全和成本问题。但它清晰地揭示了一个方向：语音作为最自然的交互界面，与具备执行能力的AI智能体结合，将是下一代个人计算助理的雏形。

未来的理想形态，可能是设备厂商（如百度）原生集成强大的端侧或本地AI模型，用户可以在设备上授权AI访问特定的工具和能力（日历、邮件、智能家居、代码仓库），通过语音进行复杂的、多步骤的任务编排。比如：“小度，总结我上周所有会议纪要的待办事项，并安排到下周的日历里，优先级高的标红。”

对于我们开发者而言，这个项目更像是一个技术原型（Proof of Concept）。它验证了连接的可行性，并让我们亲身经历了其中各个环节的挑战：协议转换、网络桥接、安全边界、成本控制。这些经验，比单纯调用一个API要宝贵得多。

如果你也想尝试，我的建议是：先从最简单的云端API方案开始，成功实现一次“问答”，感受整个流程。然后，再逐步尝试更复杂的本地化部署和工具调用。最重要的是，在整个过程中，始终把安全放在第一位，明确技术的边界，享受创造和连接的乐趣，而不是制造风险。也许，你捣鼓出的下一个“奇怪”组合，就是未来某个实用功能的早期形态。