我想做一个很小的 AI + IoT 项目：用传感器记录植物的土壤湿度，然后直接询问 AI：
我的绿萝现在怎么样？
理想的回答不是一串传感器数据，而是一句可以采取行动的建议：
当前湿度为 38%，已经接近偏干状态。
建议今天检查土壤，必要时浇水。这就是“智能植物助手”的起点。
问题不是缺少数据
养植物时常见的问题包括：
- 忘记浇水
- 不知道什么时候应该浇水
- 离开家后无法查看状态
- 没有连续的养护记录
湿度传感器只能解决“测量”问题。真正有价值的是把测量结果转换成用户能理解、能执行的判断。
因此，这个项目不是给植物装一块屏幕，而是建立一条从物理世界到自然语言的最短链路。
最小架构
V1 的链路可以保持简单：
土壤湿度传感器
↓
ESP32-C3
↓
Wi-Fi
↓
云端接口
↓
数据存储与状态判断
↓
AI Skill
↓
用户设备负责采集和上报，服务器负责保存数据与判断状态，Skill 负责把结果组织成自然语言。
这种拆分有一个好处：阈值、提示语和植物状态规则都可以在服务端调整，不必频繁修改设备固件。
V1 只做四件事
1. 读取湿度
ESP32 定时读取电容式土壤湿度传感器。开始阶段不追求非常高的采样频率，每 30 分钟一次已经足以观察趋势。
2. 上报数据
设备向服务端发送最少的数据：
{
"device_id": "plant_demo_01",
"humidity": 38
}真实部署时，设备认证信息不应直接写进公开仓库或文章示例。
3. 计算状态
服务器先用简单规则把湿度转换为三个状态：
正常
偏干
需要浇水第一版不需要复杂模型。先确认基础测量是否稳定、阈值是否有用，比过早预测未来更重要。
4. 用自然语言查询
用户可以问：
植物需要浇水吗？
最近一次湿度是多少？
我的绿萝当前状态如何？Skill 查询服务端状态后，再返回简短结论、数据依据和行动建议。
有意不做的事情
控制范围比增加功能更难。V1 暂时不做：
- 自动浇水
- 摄像头识别
- 多植物管理
- 独立 App 或小程序
- 电池供电优化
- 定制电路板
- 复杂趋势预测
这些功能不是没有价值，而是会把“验证一次完整链路”变成多个项目同时开工。
尤其是自动浇水，它会从信息系统升级为物理控制系统。水泵误动作可能造成真实损失，因此必须等传感、规则和异常处理足够可靠后再考虑。
怎么判断 V1 是否成功
项目完成不等于功能写完。至少要回答以下问题：
- 湿度数据能否稳定采集和上传？
- 不同土壤环境下，传感器读数是否可解释？
- 状态判断是否真的帮助用户决定要不要浇水？
- 自然语言查询是否比打开一个仪表盘更方便？
- 连续使用后，忘记浇水的次数是否减少？
如果前四项都能成立，这个项目已经完成了核心验证。至于是否有人愿意付费，可以放到有真实使用记录之后再讨论。
下一步
后续版本可以逐步增加历史曲线、浇水记录、多植物管理和趋势预测。但每增加一层，都应该建立在前一层数据可信的基础上。
这个项目对我最大的价值，不只是做一个植物监测器，而是练习如何把硬件、服务端和 AI 工具串成一个闭环。一个小项目只要链路完整，就足以暴露真实的工程问题，也足以验证一个产品想法。