手把手教程：基于RT-Thread在单片机上部署大模型AI终端

还在羡慕那些动辄几十GB显存的AI大佬？今天，就让你体验到与大语言模型畅聊的快感！谁说嵌入式设备只能闪烁LED？今天我们就要让它"口吐莲花"！ 

从"Hello World"到"Hey, AI" 

记得刚入行时，点亮一个LED灯都激动半天。如今，我们的嵌入式设备已经可以直接和AI大模型对话了！这不仅是技术的进步，更是开发思路的革命。今天，我将手把手教大家如何在开发板上接入DeepSeek大模型，让你的单片机秒变"AI终端"！

本文将详细介绍如何利用RT-Thread操作系统和完善的网络协议栈， 让开发板成功接入DeepSeek大语言模型，实现实时对话功能，以FRDM-MCXN947为例。 

准备工作：工欲善其事，必先利其器~

硬件准备 

• FRDM-MCXN947开发板：NXP的明星开发板, MCX系列最强王者，搭载150MHz Arm Cortex-M33内核 
• 网络连接：RT-Thread RW007 WIFI模块 
• USB TypeC 线：用于供电和调试 

软件准备 

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

DeepSeek API Key: 用于访问DeepSeek大模型的API KEY, 见下节 

• Keil

申请 DeepSeek API KEY 首先，我们需要前往DeepSeek官网 ：https://platform.deepseek.com/api_keys1. 注册并登录DeepSeek账号 2. 进入开发者控制台 3. 创建新的API Key 4. 复制并保存API Key（注意：这个Key只显示一次！）牢记你的API KEY! 

环境配置 

1. 我们需要确保RT-Thread能够正常运行在MCXN947上，并且网络功能正常。这属于基础配置部分,已经有完善的教程,参见: NXP FRDM-MCXN947 上手指南. 这里不再赘述。

2. 进入RT-Thread env工具的menuconfig. 在menuconfig中，我们需要启用以下功能： 

开启RT-Thread 大预言模型包：

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

开启Webclient组件:

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

退出保存配置，输入 pkgs --update 拉取软件包； 

生成Keil工程 scons --target=mdk5 

完成所有配置后，我们可以编译并运行程序,如果一切顺利，你应该能在串口终端看到RT-Thread的启动信息: 

首先先输入你的WiFi 用户名密码,先让板子上网: 

 看到 Got IP address 说明已经成功通过WIFI模块连接到了网络, 下面,输入llm进入大模型对话框,然后就 可以和DeepSeek聊天啦:

实际应用场景

将LLM功能集成到嵌入式设备中，可以开启许多有趣的应用场景：

1. 智能家居控制：通过自然语言控制家中设备 2. 工业设备诊断：询问设备状态和故障诊断 3. 教育辅助设备：创建交互式学习工具 4. 智能客服终端：部署在公共场所的信息查询终端 

5. 辅助开发工具：在开发过程中提供代码建议和调试帮助 

优化与改进 

现在只是串口终端交互,后期如果能改成语音交互,体验感就能更上一个层次了,可以做成一个超级“天猫精灵” 或者“小爱同学”

• 目前这套代码并未细致的优化,所以大预言模型的反应速度比较慢,一般需要1-4秒,且RAM占用比较大 (160KB)左右,笔者曾经尝试移植到FRDM-MCXA156上(1MFlash, 128KB RAM),RAM就不够用了,目前还在 优化中-_-!

 结语与完整代码下载 

通过本文的实践，我们成功地将FRDM-MCXN947开发板变成了一个能与DeepSeek大模型对话的AI终端。这不仅展示了NXP MCU强大的网络通信能力，也为嵌入式设备的智能化应用开辟了新的可能性。

未来，随着边缘计算技术的发展，我们甚至可以期待在MCU上直接运行轻量级LLM模型，实现真正的本地AI推理。而现在通过API调用云端大模型，我们已经能够为嵌入式设备赋予"智慧"。