你想把一块 ESP32-C3 加几个传感器(温湿度、水浸、紫外线),做成能长期放室外跑的「环境监测站」,数据实时联网上报,然后用手机打开一个域名就能看曲线和告警。这条链路从头到尾每一步(硬件采集、网络上报、云端存数据库、网页画图、绑域名开 HTTPS)本技能都给了一套已跑通、可复用的骨架。
它最大的价值不止是「搭起来」,更是踩坑清单:服务端怎么解析被 bytes 污染的坏 JSON、时间戳为什么全是 1970/1996、前端用 Chart.js CDN 为什么会手机闪退、为什么字段不显示。照着它的 pitfalls 改,能直接跳过这些反复踩的坑。
node:sqlite 需 --experimental-sqlite,或改用 better-sqlite3)。主循环 main.py + 配置中心 wifi_cfg.py(集中放 NETWORKS/HOST/PORT/DEVICE_ID)+ 各传感器驱动(aht20.py/water.py/uvi.py)。采集后 json.dumps 经 urequests.post 上报,字段含 device,temp,hum,water,waterAlarm,uv,uv_index,rssi,ssid,t。
Express + node:sqlite(表 readings:id/device/temp/hum/water/uv/uv_index/rssi/ssid/ts)。接口:POST /api/outdoor/upload、GET /api/outdoor/{latest,history,devices},并托管 public/ 静态前端。
单页深蓝暗色,自绘 canvas 折线,绝不用 Chart.js 的 CDN(手机上会闪退)。支持多变量 + 时窗切换、最新值卡、趋势箭头、浸水红警、最近 N 条记录。
PM2 起 node;nginx 新建独立的 conf.d server block(不动现站);certbot --nginx -d 子域 自动签证书并改 80 跳转;DNS 里给子域加 A 记录指向服务器 IP。
本技能最大价值在 references/pitfalls.md:服务端宽松解析被 bytes 污染的坏 JSON、时间戳由服务器兜底、存量时间批量修正、latest 的 timeStr 必须塞进 data、RSSI 只读信号不上传 rf 等,坚决照改别重蹈。
你直接对 AI大模型或AI智能体 说:「帮我用 ESP32-C3 + AHT20 + 水浸传感器做一个放室外阳台的环境监测站,手机能看曲线。」
AI大模型或AI智能体 会:按这套竖切骨架建:C3 端写模块化 MicroPython(main.py + wifi_cfg.py + aht20.py/water.py)每 30 秒 POST JSON 上报;云端写 Express + SQLite 的 Node 服务存 readings 并提供 latest/history 接口;前端自绘 canvas 折线页;最后 PM2 起服务、nginx 反代、certbot 绑 HTTPS 子域。并提醒你读 pitfalls 避开坏 JSON 与时间戳坑。
你直接对 AI大模型或AI智能体 说:「页面上时间全显示 1970 年,而且手机一打开就闪退。」
AI大模型或AI智能体 会:判断两个典型坑——① 时间戳没由服务器兜底,C3 发的 t 为 0 导致 1970;② 前端用了 Chart.js 的 CDN 在手机上崩。改法是服务器侧给时间戳兜底、前端改自绘 canvas 折线,并照 pitfalls 修正。
你直接对 AI大模型或AI智能体 说:「再加一个点位监测,要怎么多设备共存?」
AI大模型或AI智能体 会:把 wifi_cfg 的 DEVICE_ID 改成新点位名,POST 的接收路径不变即可多设备共存(latest/history 支持 ?device=);前端把默认设备名与标题改成新点位即可。
references/pitfalls.md。