玩嵌入式的谁没被驱动折磨过：数据手册几十页，例程跑不通，一行行抠寄存器。这期我把 MAX98357（功放喇叭）和 INMP441（数字麦克风）两颗芯片的驱动整个交给 AI agent——资料先喂给它，出一份图文学习报告；需求一句话提进去，它追问、拆任务、写代码；我负责接线、编译、烧录。成品就是本期视频开头那样：长按屏幕播《起风了》高潮段，单击录音再回放。

视频看操作过程，这篇放干货：接线表、I2S 关键配置、踩坑清单，照着能复现。

硬件就两颗芯片：MAX98357 出声，INMP441 拾音

声音链路一进一出，各用一颗专用芯片，都挂在同一种总线上：

  • MAX98357：内置 16bit DAC + D 类功放，把 ESP32 发来的数字采样变成推得动喇叭的电流。它自动识别 I2S 时钟，没有寄存器可配——供电、给时钟、给数据，就出声。
  • INMP441：MEMS 拾音 + 片上 24bit ADC + I2S 从接口，声音进芯片、数字出芯片，ESP32 拿到的直接是采样值。

两颗芯片与 ESP32-S3 之间都走 I2S 三根线：BCLK（位时钟）、WS（帧同步）、SD（串行数据）。全链路统一 16kHz / 16bit——人声能量集中在 4kHz 以下，采样率取最高频率两倍就够还原。

音频接线总图

接线表如下，引脚是我按避让原则挑的：避开屏幕触摸（17/10/18/21）、USB（19/20）、strapping（0/45/46）和 PSRAM 专用（2637）。

接线表按模块分开列，「接」一列就是对面要接的引脚：

MAX98357（喇叭，I2S1 发送）

模块引脚 接 说明
VIN 3.3V 就近并联 220µF 电解，缓冲功放峰值电流
GND GND 与数字地单点汇接，防交流嗡嗡声
DIN GPIO14 串行数据
BCLK GPIO12 位时钟
LRC GPIO13 帧时钟
SD GPIO15 使能脚：拉高发声，拉低静音
GAIN 悬空 不接线，3.3V 供电下即 9dB 档
OUT± 8Ω 2W 喇叭 功率输出，无极性随便接

INMP441（麦克风，I2S0 接收）

模块引脚 接 说明
VDD 3.3V 就近 100nF，严禁 5V
GND GND 共地
SCK GPIO9 位时钟，ESP32 发出
WS GPIO8 帧时钟，ESP32 发出
SD GPIO11 串行数据，唯一回流的线
L/R GND 左声道选择，不许悬空

器材清单：ESP32-S3 开发板、MAX98357 模块、INMP441 模块、8Ω 2W 喇叭、公对公杜邦线若干。

第一步不是写代码，是让 AI 先学

驱动写错多半是原理没吃透，所以流程第一步是把资料交给 agent 学习。我用的编排技能是自己的 EM skill（安装见文末），调它的 learn 命令，提示词大概这样：

学习 MAX98357 和 INMP441 的驱动原理与接线。资料在 docs 目录：ESP32-S3 数据手册、核心板原理图、两颗芯片的数据手册。产出图文学习报告，作为后续开发参考。

它会检索资料、读数据手册，最后产出一份带图的报告。这份报告后来就是全程的技术底座，两段核心结论贴在这里。

播放方向：音频文件本来就是一个采样数列，ESP32 把数列写进 DMA 环形缓冲，I2S 硬件按节拍把采样送上三根线，MAX98357 接到后依次做数字转电压、电压放大功率，膜片推动空气。CPU 只负责填缓冲，搬运是 DMA 的活。

播放数据流

录音方向正好相反：三根线里 SCK、WS 两根时钟是 ESP32 发出去的，只有 SD 一根回来。INMP441 内部完成声音到数字的转换，ESP32 按同样的节拍收数。

拾音链路

有一个细节值得单独记：INMP441 的 24bit 采样装在 32bit 帧槽的高位。ESP32 按 32bit 槽收到 int32 后移位取值即可；要是按 16bit 槽配置，MSB 直接被截掉，录出来全是错位噪声——这是社区第一大配置错误。

24bit 装进 32bit 帧

报告里同时定稿了两个容易踩雷的时序：上电时先起 I2S 时钟、延时约 250ms 再拉高 SD（防爆音）；停止时先拉低 SD 再停时钟（BCLK 运行中撤掉 WS 会输出大直流，有烧喇叭风险）。

看完报告接好线，有不懂的地方直接追问 agent，直到自己想明白再开工。

需求一句话给够，agent 追问四轮再动手

开工用 EM skill 的 new 命令，需求原文就这么一句：

实现麦克风和喇叭驱动。长按屏幕播放《起风了》高潮段，播放中再长按停止；单击屏幕开始录音，再次单击停止并立即回放。

它没有直接开写，先追问了四个问题，都是影响边界的：

  1. 和上一版音频代码什么关系？——从零重写极简版，旧版留作参考。
  2. 重写边界？——只写这两颗芯片的驱动和应用逻辑，屏幕触摸沿用。
  3. 歌曲素材哪来？——从 150 秒完整版里自动剪出高潮三句。
  4. 什么算完成？——编译通过 + 真机四个交互全过；录音 16kHz/16bit/单声道，上限 60 秒。

追问完它给出理解摘要，我确认后进入拆分：五个子系统（喇叭驱动、麦克风驱动、演示应用、歌曲素材、界面复用），每个都有明确参数。接着是硬件对齐环节，agent 把接线表列出来让我核对——这一步拦住过我的错接，值得留着。

全部确认后，需求和拆分落成文档存在工程的 features 目录里。这一设计的实际好处在第二天兑现：我中断了一次开发，新会话里敲一条 rec 命令，agent 把上下文完整恢复到中断点，接着干。

代码只有两段值得看

整个驱动一千多行，真正决定成败的是两段。

第一段，I2S 初始化。标准 Philips 时序、16kHz、16bit、单声道（硬件自动复制左右声道），MAX98357 不需要 MCLK：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
/* bsp_audio_out.c（节选） */
i2s_chan_config_t chan = I2S_CHANNEL_DEFAULT_CONFIG(I2S_NUM_1, I2S_ROLE_MASTER);
chan.auto_clear = true;                 /* disable 时 DMA 自动清零，收尾干净 */
i2s_new_channel(&chan, &s_tx, NULL);

i2s_std_config_t std = {
    .clk_cfg  = I2S_STD_CLK_DEFAULT_CONFIG(AUDIO_SAMPLE_RATE),
    .slot_cfg = I2S_STD_PHILIPS_SLOT_DEFAULT_CONFIG(I2S_DATA_BIT_WIDTH_16BIT,
                                                    I2S_SLOT_MODE_MONO),
    .gpio_cfg = {
        .mclk = I2S_GPIO_UNUSED,        /* MAX98357 不需要 MCLK */
        .bclk = AUDIO_BCLK_PIN,         /* GPIO12 */
        .ws   = AUDIO_LRCK_PIN,         /* GPIO13 */
        .dout = AUDIO_DIN_PIN,          /* GPIO14 */
    },
};
i2s_channel_init_std_mode(s_tx, &std);
i2s_channel_enable(s_tx);
vTaskDelay(pdMS_TO_TICKS(250));         /* 时钟稳定后再放行功放，防爆音 */
bsp_audio_out_mute(false);

第二段，麦克风收数。按 32bit 槽读进 int32，取高 16 位，算术移位自动保符号：

1
2
3
4
5
6
/* bsp_audio_in.c（节选） */
static int32_t raw[MIC_DMA_FRAMES];
i2s_channel_read(s_rx, raw, sizeof(raw), &bytes, 200);
for (uint32_t i = 0; i < n; i++) {
    chunk[i] = (int16_t)(raw[i] >> 16); /* 高 16 位，算术移位保符号 */
}

写代码的活 agent 用多 agent 分工完成：主 agent 拆任务，三个子 agent 分别做各子系统，完成后再互查一遍。我全程没改一行，只负责看懂。

编译烧录，四条交互全过才算完

代码写完回到 VS Code，用 ESP-IDF 插件编译烧录。两个注意点：目标芯片要选对（选错构建直接失败）；首次全量编译要等几分钟，之后增量很快。

验收清单就四条，对照着按一遍：

  1. 长按屏幕 → 播放《起风了》高潮段
  2. 播放中再长按 → 停止，回待机
  3. 单击 → 开始录音，界面计时
  4. 录音中再单击 → 停止并立即回放

实测一次通过：喇叭出声、录音回放，串口没有 brownout 和爆音。最后一条 result 命令发给 agent，它更新项目文档、归档这个步骤——工作流闭环。要是哪条不过，把失败现象描述发过去，它按现象排查原因，改完再验。

踩坑速查

下面这些坑学习报告里都有，贴出来省得再踩：

症状 原因 处理
喇叭完全无声 SD 引脚被拉低 SD 拉高才发声，先查使能脚
上电”噗”一声 先开功放后起时钟 先 init I2S，延时 250ms 再放 SD
麦克风读出全 0 L/R 悬空（静默模式） L/R 必须接 GND 或 VDD
录音全是错位噪声 I2S 槽配成 16bit，MSB 被截 按 32bit 槽收，再移位取值
麦克风无响应 误接 5V 烧毁 INMP441 只吃 3.3V，别照抄喇叭接法
反复 brownout 复位 3.3V 顶不住功放峰值电流 退 5V 供电方案 + GAIN 接 GND

资料包

本期资料包在粉丝群公告，里面是：驱动源码（bsp/audio 目录）、学习报告全文、需求与拆分文档（features/S10）、接线表、本文用到的全部提示词，以及一张可直接打印的接线图。

EM skill 的安装方法见站内这篇：EM skill 安装指引。任意一个 AI 编程工具（Claude Code / Codex / ZCode）都能跑这套流程，编排技能是通用的。

桌面搭子系列继续往下走：耳朵嘴巴装上了，下期让它把听到的听懂。