PowCoder 技术文档（团队：PowerX）
输入“/”快速插入内容
PowCoder 技术文档（团队：PowerX）
PowCoder 技术文档（团队：PowerX）
用户5847用户5847
用户9616用户96164月13日修改
京东 JoyInside 首届创新创业大赛 探索者赛道
PowCoder——全球首款AI Agent 操控硬件设备 × 移动电源
技术文档
1.
产品技术概述
PowCoder 是一款面向开发者&创作者的便携式AI Agent操控设备，他既是充电宝，也是Vibe Coding移动设备，随时随地操控家里的桌面级Agent进行开发。通过语音交互方式，用户可以在任何场景下对代码进行查询、修改和执行操作。产品支持双模式切换：在家通过 USB 串口直连电脑，外出通过蓝牙连接手机，实现无缝的跨场景编程体验。
2.
系统架构
2.1
架构分层
画板
层级 | 核心功能 | 关键组件 |
用户交互层 | 接收用户语音输入，作为整个系统的触发起点 | 用户语音 |
硬件层 | 采集音频、显示状态、播放反馈，提供物理交互能力 | 麦克风、按键、OLED、扬声器、蓝牙串口 |
通讯层 | 实现双模式通信切换，确保在家/外出场景的无缝连接 | 模式A(USB串口)、模式B(BLE蓝牙) |
AI 云 | 核心智能处理中枢，将口语转化为清晰可执行的技术指令 | ASR、文本润色/意图识别、TTS |
代码执行层 | 接收清晰指令，执行实际的代码操作 | Claude Code / OpenClaw |
反馈层 | 向用户展示执行结果，并收集确认/拒绝反馈 | 屏幕显示、TTS播报、用户按键操作 |
数据流向：用户语音 → 硬件采集 → 通讯传输 → AI处理 → 代码执行 → 结果反馈 → 用户确认
3.
各层详细说明
3.1
用户交互层
用户交互层是整个系统的入口层，负责接收用户的输入指令并触发后续处理流程。这一层的核心设计理念是"自然语言即接口"，让用户能够像与同事对话一样与系统交互，无需记忆复杂的命令或操作界面。
用户交互层支持两种主要的交互方式。第一种是语音输入，用户通过自然语言描述编程需求，例如"帮我把这个函数改成异步的"、"查询一下这个错误是什么意思"、"提交刚才的修改到 git"等。这种方式的优势在于直观自然，用户无需中断编码思路去操作界面，特别适合在专注编程时使用。第二种是按键控制，通过物理按键触发录音、确认、拒绝等操作，提供可靠的物理反馈，确保在嘈杂环境或需要精确控制的场景下也能正常使用。
用户交互层的设计充分考虑了开发者的工作习惯。开发者在使用传统 IDE 时，经常需要在键盘和鼠标之间切换，打断心流状态。而 PowCoder 的语音交互方式让开发者可以"动口不动手"，在思考代码的同时直接表达需求，系统会自动完成后续操作。这种交互模式特别适合以下场景：双手正在键盘上编码时想要快速查询文档、正在调试代码时需要快速修改某个函数、在代码审查时需要快速理解某段代码的功能等。
3.2
硬件层
硬件层是 PowCoder 智能充电宝的物理载体，集成了多种传感器和执行器，为用户提供完整的硬件交互能力。硬件层的核心设计目标是"便携、低功耗、全功能"，确保用户在任何场景下都能获得一致的使用体验。
硬件层的核心组件包括以下几个部分。主控芯片采用 ESP32-S3，这是一款双核 Xtensa LX7 处理器，主频可达240MHz，内置 WiFi 和 BLE 双模通信能力，能够满足音频采集、数据处理和通信传输的综合需求。麦克风采用双 MEMS数字麦克风阵列，通过 I2S 接口直连 MCU，支持波束成形降噪，具有高信噪比和低功耗特性，能够在各种环境噪声下准确采集用户语音。输入部分包含四个物理组件：MIC 录音键、旋转编码滚轮、确认键（绿）和取消键（红），分别用于录音触发、列表浏览与模式切换、确认操作和拒绝操作，整体布局符合人体工学，便于单手盲操作。显示屏采用 1.3英寸圆形 OLED 屏幕，分辨率为 240×240 像素，SPI驱动，能够清晰显示系统状态、识别文本、执行结果摘要以及状态表情。扬声器采用 8 欧姆 1 瓦的微型扬声器，用于TTS 语音播报，音量可调节，适应不同使用环境。通信接口包括 USB-C 接口和 BLE 5.3模块，支持有线和无线两种通信模式。电池采用定制三角形异形 LiPo 锂聚合物电池，容量为 10000mAh，标称电压3.87V，能量 38.7Wh；充电协议支持 USB-C PD 30W 双向快充（5V/3A、9V/3A、15V/2A 多档协商），输入输出共用同一USB-C 接口；整机重量约 220g，在正常使用场景下可连续工作 8 小时以上。硬件兼容macOS、Windows、iOS、Android 四大主流操作系统，固件支持 WiFi OTA 在线升级，产品通过 3C、CE、FCC、RoHS全套安规认证。
硬件层的工作流程如下。
•
当用户按下录音键时，麦克风开始采集音频数据，ESP32-S3 对音频进行编码压缩。编码后的音频数据根据当前连接模式，通过 USB 串口或 BLE 蓝牙发送出去。
•
系统接收到返回结果后，OLED 显示屏会显示关键信息，同时扬声器进行 TTS 语音播报。此时系统进入等待状态，等待用户通过按键进行确认或拒绝操作。
3.3
通讯层
通讯层负责实现 PowCoder 与外部设备的数据传输，采用双模式设计，确保用户在家和外出两种场景下都能正常使用。通讯层的核心设计思想是"无缝切换、透明传输"，用户无需关心当前使用哪种模式，系统会自动选择最优的通信方式。
3.3.1
模式A：有线模式（在家使用）
有线模式通过 USB 串口与电脑建立连接，是家庭办公场景下的首选模式。在这种模式下，数据流向为 PowCoder 通过 USB 串口与电脑端 Agent 通信，电脑端 Agent 再通过网络与 JoyInside AI Cloud 交互。
有线模式具有以下特点。首先是低延迟，由于采用本地串口通信，音频数据传输延迟极低，适合高强度编码场景下的快速响应需求。其次是直接控制，电脑端 Agent 可以直接调用本地安装的 Agent CLI 和 IDE，无需额外的网络转发，操作更加直接高效。第三是边用边充，USB 连接的同时可以为充电宝充电，确保长时间使用时电量充足。
电脑端 Agent 是有线模式下的关键组件，承担以下职责。
◦
串口数据接收与解析，负责从 USB 串口接收音频数据并进行协议解析。
◦
◦
Cloud Code API 调用，接收 AI 云返回的清晰指令，调用本地安装的 Cloud Code 或 OpenClaw 执行代码操作。文件系统操作执行，根据指令执行文件读写、代码修改等操作，并将执行结果返回。
3.3.2
模式B：蓝牙模式（外出使用）
蓝牙模式通过 BLE 5.3 与手机建立连接，是移动办公场景下的主要模式。在这种模式下，数据流向为 PowCoder 通过 BLE 与手机 App 通信，手机 App 作为网络代理将数据转发到 JoyInside AI Cloud。