本文是參考部落格文章：Cactus x Raspberry Pi，但改用Arduino UNO Q開發板 並搭配新版本的Needle 3進行實作驗證。關於Needle AI模型與Arduino UNO Q開發板的背景知識就不再此重複說明，請參照「參考資訊」內連結之內容。
接下來進行「將文字輸入轉化為動作」的實作，使用這段英文"Please turn on the device's LED."將Arduino UNO Q開發板上的LED點亮。相關步驟說明如下：

【步驟一】 開啟Arduino App Lab，選擇「Blink LED from Python」範例：

【步驟二】 點選Arduino App Lab右上方複製按鈕，以複製該範例：

並將專案命名為「Cactus Needle Hello World」：

【步驟三】 在python目錄下新增requirements.txt，加入Needle套件：

並修改main.py程式碼：

完整的Python程式碼如下所示：

from arduino.app_utils import *
import needle

# Define your hardware action tools using the @needle.tool decorator
@needle.tool
def set_led(state: str):
    """Turn the device LED on or off.

    Args:
        state: Must be either 'on' or 'off'.
    """
    if state.lower() == "on":
        Bridge.call("set_led_state", True)
        print("Hardware action: LED turned ON")
        return {"status": "success", "led": "on"}
    elif state.lower() == "off":
        Bridge.call("set_led_state", False)
        print("Hardware action: LED turned OFF")
        return {"status": "success", "led": "off"}
    return {"status": "error", "message": "Invalid state argument"}

# Initialize the Needle agent with your tools
agent = needle.Needle(tools=[set_led])

# Run a natural language prompt to trigger the action
response = agent.run("Please turn on the device's LED.")
print(response["results"])

App.run()

之後點選Arduino App Lab右上方Run按鈕，以執行該專案。

【步驟四】 執行結果如下所示：

參考資訊

• Edge AI Taiwan邊緣智能交流區之介紹文章 ：
  Needle 2是由Cactus Compute開發的超輕量級開源基礎 AI 模型(4,500 萬參數)，檔案大小僅有14MB，專門針對手機、穿戴式裝置、智慧家庭與機器人等邊緣運算裝置設計，可在極低資源環境下實現離線的工具呼叫(Tool Calling)與結構化資料萃取。
• Arduino UNO Q 專欄：
  • 【Arduino UNO Q 專欄01】- 基礎硬體及軟體簡介
  • 【Arduino UNO Q 專欄02】- 軟體開發初體驗
• EDGE AI Taipei 2026議程：
  A Siri for Your Fridge — Cactus Needle: a Tiny Function-Calling LLM for Any Hardware