Raspberry Pi：你的 24/7 实验室助手
本文是英文原文的机器翻译，部分细节可能有所损失，请以英文版本为准。 阅读英文原文
要点速览
在数十亿美元数据中心的时代，这台 80 美元的电脑是我最可靠的员工。当我在 DFW 开始搭建 Gekro 时，我意识到自己需要一个“Ground Truth”节点：即使我的主力 Mac Mini 正在重启，或者工作站被 3D 渲染压得喘不过气，它也能保持在线。Raspberry Pi 就是这个锚点。它不负责繁重的“思考”，但能确保“大脑”所需的数据（比如我的 Tesla 的充电状态或办公室的温度）始终可用并已建立索引。
架构
Pi 充当网关层。它位于混乱的 IoT 设备世界和高性能推理层之间。
graph LR
subgraph "External World"
T[Tesla API] --> P[Pi Gateway]
S[Sensors] --> P
end
subgraph "The Hub (RPi 5)"
P --> M[MQTT Broker]
M --> D[Dockerised Agents]
end
subgraph "The Brain (Mac Mini)"
D -->|JSON| B[Gekro Reasoning Engine]
end| 组件 | 硬件 / 软件 | 作用 |
|---|---|---|
| 主板 | Raspberry Pi 5 (16GB) | 高性能 ARM 计算。 |
| 存储 | M.2 HAT + NVMe 256GB SSD | 避免 SD 卡损坏，并加快 I/O。 |
| 代理 | Mosquitto (Docker) | 所有实验室遥测数据的“邮局”。 |
| 调度器 | Cron / Supercronic | 触发夜间的研究和清理智能体。 |
搭建
生产环境的 Pi 必须坚持“Immutability-First”（不可变优先）原则。除了 Docker 和 Tailscale，我不会在基础系统上安装任何东西。
1. NVMe 的优势
如果你除了周末小项目还在用 SD 卡，那就是在沙子上盖房子。有一次，一个大量写日志的智能体把一张高端 SD 卡写坏了，我因此丢了三周的数据。现在我用 NVMe SSD。
# Verify NVMe is detected and using Gen 3 speeds
lsblk
sudo lspci -vvv | grep LnkSta2. 用 Docker 搭建的助手栈
我为助手节点维护一个 docker-compose.yml，开机后自动启动。
services:
mqtt:
image: eclipse-mosquitto:latest
ports:
- "1883:1883"
volumes:
- ./mosquitto/config:/mosquitto/config
tesla-telemetry:
build: ./agents/tesla-bridge
restart: always
environment:
- TESLA_VIN=${VIN}
- MQTT_HOST=mqtt
nightly-summarizer:
image: python:3.12-slim
volumes:
- ./scripts:/app
command: ["python", "/app/daily_digest.py"]3. WSL2 说明：远程管理
我从不给 Pi 接显示器。我在 WSL2 环境里写了一个专用的 Zsh 函数，可以瞬间跳转到集群里的任何节点。
# Fast SSH to lab nodes
lab() {
ssh rohit@192.168.1.$1
}
# Usage: lab 50 (connects to Pi at .50)取舍
Pi 最大的弱点是算力饱和。有一次，我试图在 Pi 上运行本地向量数据库（ChromaDB），同时还跑着另外四个智能体。I/O 等待时间飙升，我的 MQTT 桥开始丢掉来自 Tesla 的消息。你得做一个“资源拾荒者”。我学会了把 Pi 严格限制在受 I/O 限制的任务（拉取 API 数据、转发消息）上，把所有受 CPU/GPU 限制的任务交给 Mac Mini。
另外，供电很重要。“普通”的 USB-C 手机充电器会让 Pi 5 在负载下降频。为了让 NVMe 硬盘和主动散热器在德州夏季热浪中全速运行，我不得不换成官方的 27W PD 电源。
接下来
我目前正在给 Pi 的 GPIO 引脚接一个物理急停开关。如果我发现某个智能体行为异常，或者触及 API 花费上限，我桌上的一个实体按钮就会向整个 Docker 栈发送 SIGTERM。完全的自主权，意味着手要真正按在电源插头上。
