[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-RunanywhereAI--RCLI":3,"tool-RunanywhereAI--RCLI":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",153609,2,"2026-04-13T11:34:59",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":76,"owner_email":76,"owner_twitter":77,"owner_website":78,"owner_url":79,"languages":80,"stars":109,"forks":110,"last_commit_at":111,"license":112,"difficulty_score":32,"env_os":113,"env_gpu":114,"env_ram":115,"env_deps":116,"category_tags":125,"github_topics":127,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":145,"updated_at":146,"faqs":147,"releases":176},7186,"RunanywhereAI\u002FRCLI","RCLI","Talk to your Mac, query your docs, no cloud required. On-device voice AI + RAG","RCLI 是一款专为 macOS 设计的本地化语音 AI 助手，让你无需联网即可通过自然对话操控电脑、查询文档。它彻底解决了用户对云端隐私泄露的担忧以及网络延迟问题，所有语音识别、大模型推理、语音合成及视觉分析均在设备本地完成，端到端响应速度低于 200 毫秒。\n\n无论是希望提升效率的普通用户，还是关注数据隐私的开发者和研究人员，都能从中受益。你可以直接用语音控制 Spotify 播放、调节音量或打开应用（支持 40 余种系统操作），也能让它“阅读”你的本地文档并回答相关问题，甚至分析屏幕内容或摄像头画面。\n\nRCLI 的核心亮点在于其强大的本地运行能力。它基于 Apple Silicon 芯片优化，内置完整的 STT+LLM+TTS+VLM 流水线。特别是其搭载的 MetalRT 引擎（需 M3 及以上芯片），能充分发挥苹果显卡性能；而在 M1\u002FM2 设备上也能自动兼容运行。整个工具无需配置 API 密钥，安装后即可通过简单的命令行启动，既保护了数据安全，又带来了流畅的离线智能体验。","\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FRunanywhereAI_RCLI_readme_7eec0ff7784e.gif\" alt=\"RCLI Waveform\" width=\"700\" \u002F>\n  \u003Cbr>\n  \u003Cstrong>Talk to your Mac, query your docs, no cloud required.\u003C\u002Fstrong>\n  \u003Cbr>\u003Cbr>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fplatform-macOS-blue\" alt=\"macOS\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fchip-Apple_Silicon-black\" alt=\"Apple Silicon\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Finference-100%25_local-green\" alt=\"Local\">\u003C\u002Fa>\n  \u003Ca href=\"LICENSE\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-MIT-blue\" alt=\"MIT\">\u003C\u002Fa>\n\u003C\u002Fp>\n\n**RCLI** is an on-device voice AI for macOS. A complete STT + LLM + TTS + VLM pipeline running natively on Apple Silicon — 40 macOS actions via voice, local RAG over your documents, on-device vision (camera & screen analysis), sub-200ms end-to-end latency. No cloud, no API keys.\n\nPowered by [MetalRT](#metalrt-gpu-engine), a proprietary GPU inference engine built by [RunAnywhere, Inc.](https:\u002F\u002Frunanywhere.ai) specifically for Apple Silicon.\n\n## Demo\n\n> Real-time screen recordings on Apple Silicon — no cloud, no edits, no tricks.\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd width=\"50%\" align=\"center\">\n\u003Cstrong>Voice Conversation\u003C\u002Fstrong>\u003Cbr>\n\u003Cem>Talk naturally — RCLI listens, understands, and responds on-device.\u003C\u002Fem>\u003Cbr>\u003Cbr>\n\u003Ca href=\"https:\u002F\u002Fyoutu.be\u002FqeardCENcV0\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FRunanywhereAI_RCLI_readme_444c706a45d7.gif\" alt=\"Voice Conversation Demo\" width=\"100%\">\n\u003C\u002Fa>\n\u003Cbr>\u003Csub>Click for full video with audio\u003C\u002Fsub>\n\u003C\u002Ftd>\n\u003Ctd width=\"50%\" align=\"center\">\n\u003Cstrong>App Control\u003C\u002Fstrong>\u003Cbr>\n\u003Cem>Control Spotify, adjust volume — 38 macOS actions by voice.\u003C\u002Fem>\u003Cbr>\u003Cbr>\n\u003Ca href=\"https:\u002F\u002Fyoutu.be\u002FeTYwkgNoaKg\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FRunanywhereAI_RCLI_readme_7c44e424e73e.gif\" alt=\"App Control Demo\" width=\"100%\">\n\u003C\u002Fa>\n\u003Cbr>\u003Csub>Click for full video with audio\u003C\u002Fsub>\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd width=\"50%\" align=\"center\">\n\u003Cstrong>Models\u003C\u002Fstrong>\u003Cbr>\n\u003Cem>Browse models, hot-swap LLMs — all from the TUI.\u003C\u002Fem>\u003Cbr>\u003Cbr>\n\u003Ca href=\"https:\u002F\u002Fyoutu.be\u002FHD1aS37zIGE\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FRunanywhereAI_RCLI_readme_03ce5a0faab3.gif\" alt=\"Models & Benchmarks Demo\" width=\"100%\">\n\u003C\u002Fa>\n\u003Cbr>\u003Csub>Click for full video with audio\u003C\u002Fsub>\n\u003C\u002Ftd>\n\u003Ctd width=\"50%\" align=\"center\">\n\u003Cstrong>Document Intelligence (RAG)\u003C\u002Fstrong>\u003Cbr>\n\u003Cem>Ingest docs, ask questions by voice — ~4ms hybrid retrieval.\u003C\u002Fem>\u003Cbr>\u003Cbr>\n\u003Ca href=\"https:\u002F\u002Fyoutu.be\u002F8FEfbwS7cQ8\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FRunanywhereAI_RCLI_readme_7e7866912c75.gif\" alt=\"RAG Demo\" width=\"100%\">\n\u003C\u002Fa>\n\u003Cbr>\u003Csub>Click for full video with audio\u003C\u002Fsub>\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n## Install\n\n> [IMPORTANT]\n> **Requires macOS 13+ on Apple Silicon. MetalRT engine requires M3 or later.** M1\u002FM2 Macs fall back to llama.cpp automatically.\n\n**One command:**\n\n```bash\ncurl -fsSL https:\u002F\u002Fraw.githubusercontent.com\u002FRunanywhereAI\u002FRCLI\u002Fmain\u002Finstall.sh | bash\n```\n\n**Or via Homebrew:**\n\n```bash\nbrew tap RunanywhereAI\u002Frcli https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI.git\nbrew install rcli\nrcli setup          # required — downloads AI models (~1GB, one-time)\n```\n\n**Upgrade to latest:**\n\n```bash\nbrew update\nbrew upgrade rcli\n```\n\n\u003Cdetails>\n\u003Csummary>\u003Cstrong>Troubleshooting: SHA256 mismatch or stale version\u003C\u002Fstrong>\u003C\u002Fsummary>\n\nIf `brew install` or `brew upgrade` fails with a checksum error:\n\n```bash\n# Force-refresh the tap to pick up the latest formula\ncd $(brew --repo RunanywhereAI\u002Frcli) && git fetch origin && git reset --hard origin\u002Fmain\nbrew reinstall rcli\n```\n\nIf that doesn't work, clean re-tap and clear the download cache:\n\n```bash\nbrew untap RunanywhereAI\u002Frcli\nrm -rf \"$(brew --cache)\u002Fdownloads\u002F\"*rcli*\nbrew tap RunanywhereAI\u002Frcli https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI.git\nbrew install rcli\nrcli setup\n```\n\n\u003C\u002Fdetails>\n\n## Quick Start\n\n```bash\nrcli                             # interactive TUI (push-to-talk + text)\nrcli listen                      # continuous voice mode\nrcli ask \"open Safari\"           # one-shot command\nrcli ask \"play some jazz on Spotify\"\nrcli vlm photo.jpg \"what's in this image?\"  # vision analysis\nrcli camera                      # live camera VLM\nrcli screen                      # screen capture VLM\nrcli metalrt                     # MetalRT GPU engine management\nrcli llamacpp                    # llama.cpp engine management\n```\n\n\n## Benchmarks\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FRunanywhereAI_RCLI_readme_364131048173.webp\" alt=\"MetalRT vs llama.cpp decode speed\" width=\"700\" \u002F>\n  \u003Cbr>\n  \u003Cem>MetalRT decode throughput vs llama.cpp and Apple MLX on Apple M3 Max\u003C\u002Fem>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FRunanywhereAI_RCLI_readme_d806ea98f66f.webp\" alt=\"STT and TTS real-time factor comparison\" width=\"700\" \u002F>\n  \u003Cbr>\n  \u003Cem>STT and TTS real-time factor — lower is better. MetalRT STT is 714x faster than real-time.\u003C\u002Fem>\n\u003C\u002Fp>\n\nFor More info : \n- https:\u002F\u002Fwww.runanywhere.ai\u002Fblog\u002Fmetalrt-fastest-llm-decode-engine-apple-silicon\n- https:\u002F\u002Fwww.runanywhere.ai\u002Fblog\u002Fmetalrt-speech-fastest-stt-tts-apple-silicon\n- https:\u002F\u002Fwww.runanywhere.ai\u002Fblog\u002Ffastvoice-on-device-voice-ai-pipeline-apple-silicon\n\n## Features\n\n### Voice Pipeline\n\nA full STT + LLM + TTS pipeline running on Metal GPU with three concurrent threads:\n\n- **VAD** — Silero voice activity detection\n- **STT** — Zipformer streaming + Whisper \u002F Parakeet offline\n- **LLM** — Qwen3 \u002F LFM2 \u002F Qwen3.5 with KV cache continuation and Flash Attention\n- **TTS** — Double-buffered sentence-level synthesis (next sentence renders while current plays)\n- **Tool Calling** — LLM-native tool call formats (Qwen3, LFM2, etc.)\n- **Multi-turn Memory** — Sliding window conversation history with token-budget trimming\n\n### Vision (VLM)\n\nAnalyze images, camera captures, and screen regions using on-device vision-language models. VLM runs on the llama.cpp engine via Metal GPU — no cloud.\n\n- **Image Analysis** — `rcli vlm photo.jpg \"describe this\"` for single-image queries\n- **Camera** — Press **V** in the TUI or run `rcli camera` for live camera analysis\n- **Screen Capture** — Press **S** in the TUI or run `rcli screen` to analyze screen regions\n- **Models** — Qwen3 VL 2B, Liquid LFM2 VL 1.6B, SmolVLM 500M — download on demand via `rcli models vlm`\n\n> **Note:** VLM is currently available on the llama.cpp engine. MetalRT VLM support is coming soon.\n\n### 40 macOS Actions\n\nControl your Mac by voice or text. The LLM routes intent to actions executed locally via AppleScript and shell commands.\n\n| Category | Examples |\n|----------|---------|\n| **Productivity** | `create_note`, `create_reminder`, `run_shortcut` |\n| **Communication** | `send_message`, `facetime_call` |\n| **Media** | `play_on_spotify`, `play_apple_music`, `play_pause`, `next_track`, `set_music_volume` |\n| **System** | `open_app`, `quit_app`, `set_volume`, `toggle_dark_mode`, `screenshot`, `lock_screen` |\n| **Web** | `search_web`, `search_youtube`, `open_url`, `open_maps` |\n\nRun `rcli actions` to see all 40, or toggle them on\u002Foff in the TUI Actions panel.\n\n> **Tip:** If tool calling feels unreliable, press **X** in the TUI to clear the conversation and reset context. With small LLMs, accumulated context can degrade tool-calling accuracy — a fresh context often fixes it.\n\n### RAG (Local Document Q&A)\n\nIndex local documents, query them by voice. Hybrid vector + BM25 retrieval with ~4ms latency over 5K+ chunks. Supports PDF, DOCX, and plain text.\n\n```bash\nrcli rag ingest ~\u002FDocuments\u002Fnotes\nrcli ask --rag ~\u002FLibrary\u002FRCLI\u002Findex \"summarize the project plan\"\n```\n\n### Interactive TUI\n\nA terminal dashboard with push-to-talk, live hardware monitoring, model management, and an actions browser.\n\n| Key | Action |\n|-----|--------|\n| **SPACE** | Push-to-talk |\n| **V** | Camera — capture and analyze with VLM |\n| **S** | Screen — capture and analyze a screen region with VLM |\n| **M** | Models — browse, download, hot-swap LLM\u002FSTT\u002FTTS\u002FVLM |\n| **A** | Actions — browse, enable\u002Fdisable macOS actions |\n| **R** | RAG — ingest documents |\n| **X** | Clear conversation and reset context |\n| **T** | Toggle tool call trace |\n| **ESC** | Stop \u002F close \u002F quit |\n\n## MetalRT GPU Engine\n\nMetalRT is a high-performance GPU inference engine built by [RunAnywhere, Inc.](https:\u002F\u002Frunanywhere.ai) specifically for Apple Silicon. It delivers the fastest on-device inference for LLM, STT, and TTS — up to **550 tok\u002Fs** LLM throughput and sub-200ms end-to-end voice latency.\n\n> **Apple M3 or later required.** MetalRT uses Metal 3.1 GPU features available on M3, M3 Pro, M3 Max, M4, and later chips. M1\u002FM2 support is coming soon. On M1\u002FM2, RCLI automatically falls back to the open-source llama.cpp engine.\n\nMetalRT is automatically installed during `rcli setup` (choose \"MetalRT\" or \"Both\"). Or install separately:\n\n```bash\nrcli metalrt install\nrcli metalrt status\n```\n\n**Supported models:** Qwen3 0.6B, Qwen3 4B, Llama 3.2 3B, LFM2.5 1.2B (LLM) · Whisper Tiny\u002FSmall\u002FMedium (STT) · Kokoro 82M with 28 voices (TTS)\n\nMetalRT is distributed under a [proprietary license](https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002Fmetalrt-binaries\u002Fblob\u002Fmain\u002FLICENSE). For licensing inquiries: founder@runanywhere.ai\n\n## Supported Models\n\nRCLI supports 20+ models across LLM, STT, TTS, VLM, VAD, and embeddings. All run locally on Apple Silicon. Use `rcli models` to browse, download, or switch.\n\n**LLM:** LFM2 1.2B (default), LFM2 350M, LFM2.5 1.2B, LFM2 2.6B, Qwen3 0.6B, Qwen3.5 0.8B\u002F2B\u002F4B, Qwen3 4B\n\n**STT:** Zipformer (streaming), Whisper base.en (offline, default), Parakeet TDT 0.6B (~1.9% WER)\n\n**TTS:** Piper Lessac\u002FAmy, KittenTTS Nano, Matcha LJSpeech, Kokoro English\u002FMulti-lang\n\n**VLM:** Qwen3 VL 2B, Liquid LFM2 VL 1.6B, SmolVLM 500M — on-demand download via `rcli models vlm` (llama.cpp engine only)\n\n**Default install** (`rcli setup`): ~1GB — LFM2 1.2B + Whisper + Piper + Silero VAD + Snowflake embeddings. VLM models are downloaded on demand.\n\n```bash\nrcli models                  # interactive model management\nrcli models vlm              # download\u002Fmanage VLM models\nrcli upgrade-llm             # guided LLM upgrade\nrcli voices                  # browse and switch TTS voices\nrcli cleanup                 # remove unused models\n```\n\n## Build from Source\n\nCPU-only build using llama.cpp + sherpa-onnx (no MetalRT):\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI.git && cd RCLI\nbash scripts\u002Fsetup.sh\nbash scripts\u002Fdownload_models.sh\nmkdir -p build && cd build\ncmake .. -DCMAKE_BUILD_TYPE=Release\ncmake --build . -j$(sysctl -n hw.ncpu)\n.\u002Frcli\n```\n\nAll dependencies are vendored or CMake-fetched. Requires CMake 3.15+ and Apple Clang (C++17).\n\n\u003Cdetails>\n\u003Csummary>\u003Cstrong>CLI Reference\u003C\u002Fstrong>\u003C\u002Fsummary>\n\n```\nrcli                          Interactive TUI (push-to-talk + text + trace)\nrcli listen                   Continuous voice mode\nrcli ask \u003Ctext>               One-shot text command\nrcli vlm \u003Cimage> [prompt]     Analyze an image with VLM\nrcli camera [prompt]          Live camera capture + VLM analysis\nrcli screen [prompt]          Screen capture + VLM analysis\nrcli actions [name]           List actions or show detail\nrcli rag ingest \u003Cdir>         Index documents for RAG\nrcli rag query \u003Ctext>         Query indexed documents\nrcli models [llm|stt|tts|vlm] Manage AI models\nrcli voices                   Manage TTS voices\nrcli metalrt                  MetalRT GPU engine management\nrcli llamacpp                 llama.cpp engine management\nrcli setup                    Download default models\nrcli info                     Show engine and model info\n\nOptions:\n  --models \u003Cdir>      Models directory (default: ~\u002FLibrary\u002FRCLI\u002Fmodels)\n  --rag \u003Cindex>       Load RAG index for document-grounded answers\n  --gpu-layers \u003Cn>    GPU layers for LLM (default: 99 = all)\n  --ctx-size \u003Cn>      LLM context size (default: 4096)\n  --no-speak          Text output only (no TTS)\n  --verbose, -v       Debug logs\n```\n\n\u003C\u002Fdetails>\n\n## Contributing\n\nContributions welcome. See [CONTRIBUTING.md](CONTRIBUTING.md) for build instructions and how to add new actions, models, or voices.\n\n## License\n\nRCLI is open source under the [MIT License](LICENSE).\n\nMetalRT is proprietary software by [RunAnywhere, Inc.](https:\u002F\u002Frunanywhere.ai), distributed under a separate [license](https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002Fmetalrt-binaries\u002Fblob\u002Fmain\u002FLICENSE).\n\n\u003Cp align=\"center\">\n  Built by \u003Ca href=\"https:\u002F\u002Fwww.runanywhere.ai\">RunAnywhere, Inc.\u003C\u002Fa>\n\u003C\u002Fp>\n","\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FRunanywhereAI_RCLI_readme_7eec0ff7784e.gif\" alt=\"RCLI 波形\" width=\"700\" \u002F>\n  \u003Cbr>\n  \u003Cstrong>用语音与你的 Mac 交流，查询你的文档，无需云端。\u003C\u002Fstrong>\n  \u003Cbr>\u003Cbr>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fplatform-macOS-blue\" alt=\"macOS\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fchip-Apple_Silicon-black\" alt=\"Apple Silicon\">\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Finference-100%25_local-green\" alt=\"本地\">\u003C\u002Fa>\n  \u003Ca href=\"LICENSE\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-MIT-blue\" alt=\"MIT\">\u003C\u002Fa>\n\u003C\u002Fp>\n\n**RCLI** 是一款适用于 macOS 的设备端语音 AI。它是一个完整的 STT + LLM + TTS + VLM 流程，原生运行在 Apple Silicon 上——通过语音实现 40 种 macOS 操作，在你的文档上进行本地 RAG 查询，支持设备端视觉功能（摄像头和屏幕分析），端到端延迟低于 200 毫秒。无需云端，无需 API 密钥。\n\n由 [RunAnywhere, Inc.](https:\u002F\u002Frunanywhere.ai) 专为 Apple Silicon 打造的专有 GPU 推理引擎 [MetalRT](#metalrt-gpu-engine) 提供动力。\n\n## 演示\n\n> 实时屏幕录制，基于 Apple Silicon——无云端、无剪辑、无花招。\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd width=\"50%\" align=\"center\">\n\u003Cstrong>语音对话\u003C\u002Fstrong>\u003Cbr>\n\u003Cem>自然交谈——RCLI 在设备端聆听、理解并响应。\u003C\u002Fem>\u003Cbr>\u003Cbr>\n\u003Ca href=\"https:\u002F\u002Fyoutu.be\u002FqeardCENcV0\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FRunanywhereAI_RCLI_readme_444c706a45d7.gif\" alt=\"语音对话演示\" width=\"100%\">\n\u003C\u002Fa>\n\u003Cbr>\u003Csub>点击观看完整音频视频\u003C\u002Fsub>\n\u003C\u002Ftd>\n\u003Ctd width=\"50%\" align=\"center\">\n\u003Cstrong>应用控制\u003C\u002Fstrong>\u003Cbr>\n\u003Cem>控制 Spotify、调节音量——通过语音实现 38 种 macOS 操作。\u003C\u002Fem>\u003Cbr>\u003Cbr>\n\u003Ca href=\"https:\u002F\u002Fyoutu.be\u002FeTYwkgNoaKg\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FRunanywhereAI_RCLI_readme_7c44e424e73e.gif\" alt=\"应用控制演示\" width=\"100%\">\n\u003C\u002Fa>\n\u003Cbr>\u003Csub>点击观看完整音频视频\u003C\u002Fsub>\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003Ctr>\n\u003Ctd width=\"50%\" align=\"center\">\n\u003Cstrong>模型\u003C\u002Fstrong>\u003Cbr>\n\u003Cem>浏览模型、热插拔 LLM——全部通过 TUI 完成。\u003C\u002Fem>\u003Cbr>\u003Cbr>\n\u003Ca href=\"https:\u002F\u002Fyoutu.be\u002FHD1aS37zIGE\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FRunanywhereAI_RCLI_readme_03ce5a0faab3.gif\" alt=\"模型与基准测试演示\" width=\"100%\">\n\u003C\u002Fa>\n\u003Cbr>\u003Csub>点击观看完整音频视频\u003C\u002Fsub>\n\u003C\u002Ftd>\n\u003Ctd width=\"50%\" align=\"center\">\n\u003Cstrong>文档智能（RAG）\u003C\u002Fstrong>\u003Cbr>\n\u003Cem>导入文档、用语音提问——约 4 毫秒的混合检索。\u003C\u002Fem>\u003Cbr>\u003Cbr>\n\u003Ca href=\"https:\u002F\u002Fyoutu.be\u002F8FEfbwS7cQ8\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FRunanywhereAI_RCLI_readme_7e7866912c75.gif\" alt=\"RAG 演示\" width=\"100%\">\n\u003C\u002Fa>\n\u003Cbr>\u003Csub>点击观看完整音频视频\u003C\u002Fsub>\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n## 安装\n\n> [重要提示]\n> **需要 macOS 13+ 和 Apple Silicon。MetalRT 引擎要求 M3 或更高版本。** M1\u002FM2 Mac 将自动回退到 llama.cpp。\n\n**一条命令：**\n\n```bash\ncurl -fsSL https:\u002F\u002Fraw.githubusercontent.com\u002FRunanywhereAI\u002FRCLI\u002Fmain\u002Finstall.sh | bash\n```\n\n**或通过 Homebrew：**\n\n```bash\nbrew tap RunanywhereAI\u002Frcli https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI.git\nbrew install rcli\nrcli setup          # 必需步骤——下载 AI 模型（约 1GB，一次性）\n```\n\n**升级到最新版本：**\n\n```bash\nbrew update\nbrew upgrade rcli\n```\n\n\u003Cdetails>\n\u003Csummary>\u003Cstrong>故障排除：SHA256 不匹配或版本过时\u003C\u002Fstrong>\u003C\u002Fsummary>\n\n如果 `brew install` 或 `brew upgrade` 因校验和错误而失败：\n\n```bash\n# 强制刷新 tap 以获取最新 formula\ncd $(brew --repo RunanywhereAI\u002Frcli) && git fetch origin && git reset --hard origin\u002Fmain\nbrew reinstall rcli\n```\n\n如果仍然无效，请清理 tap 并清除下载缓存：\n\n```bash\nbrew untap RunanywhereAI\u002Frcli\nrm -rf \"$(brew --cache)\u002Fdownloads\u002F\"*rcli*\nbrew tap RunanywhereAI\u002Frcli https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI.git\nbrew install rcli\nrcli setup\n```\n\n\u003C\u002Fdetails>\n\n## 快速入门\n\n```bash\nrcli                             # 交互式 TUI（按住说话 + 文本输入）\nrcli listen                      # 连续语音模式\nrcli ask \"open Safari\"           # 一次性的命令\nrcli ask \"play some jazz on Spotify\"\nrcli vlm photo.jpg \"what's in this image?\"  # 视觉分析\nrcli camera                      # 实时摄像头 VLM\nrcli screen                      # 屏幕截图 VLM\nrcli metalrt                     # MetalRT GPU 引擎管理\nrcli llamacpp                    # llama.cpp 引擎管理\n```\n\n\n## 基准测试\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FRunanywhereAI_RCLI_readme_364131048173.webp\" alt=\"MetalRT 与 llama.cpp 解码速度对比\" width=\"700\" \u002F>\n  \u003Cbr>\n  \u003Cem>MetalRT 解码吞吐量 vs llama.cpp 和 Apple MLX 在 Apple M3 Max 上的对比\u003C\u002Fem>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FRunanywhereAI_RCLI_readme_d806ea98f66f.webp\" alt=\"STT 和 TTS 实时因子对比\" width=\"700\" \u002F>\n  \u003Cbr>\n  \u003Cem>STT 和 TTS 实时因子——数值越低越好。MetalRT 的 STT 速度比实时快 714 倍。\u003C\u002Fem>\n\u003C\u002Fp>\n\n更多信息：\n- https:\u002F\u002Fwww.runanywhere.ai\u002Fblog\u002Fmetalrt-fastest-llm-decode-engine-apple-silicon\n- https:\u002F\u002Fwww.runanywhere.ai\u002Fblog\u002Fmetalrt-speech-fastest-stt-tts-apple-silicon\n- https:\u002F\u002Fwww.runanywhere.ai\u002Fblog\u002Ffastvoice-on-device-voice-ai-pipeline-apple-silicon\n\n## 功能\n\n### 语音流水线\n\n一个完整的 STT + LLM + TTS 流水线，运行在 Metal GPU 上，采用三个并发线程：\n\n- **VAD** — Silero 语音活动检测\n- **STT** — Zipformer 流式传输 + Whisper \u002F Parakeet 离线模型\n- **LLM** — Qwen3 \u002F LFM2 \u002F Qwen3.5，支持 KV 缓存延续和 Flash Attention\n- **TTS** — 双缓冲句级合成（当前句子播放时，下一句已准备就绪）\n- **工具调用** — LLM 原生工具调用格式（Qwen3、LFM2 等）\n- **多轮记忆** — 滑动窗口对话历史，按 token 预算修剪\n\n### 视觉（VLM）\n\n使用设备端视觉语言模型分析图像、摄像头捕捉内容以及屏幕区域。VLM 通过 Metal GPU 在 llama.cpp 引擎上运行——无需云端。\n\n- **图像分析** — `rcli vlm photo.jpg \"describe this\"` 用于单张图像查询\n- **摄像头** — 在 TUI 中按下 **V** 键，或运行 `rcli camera` 进行实时摄像头分析\n- **屏幕截图** — 在 TUI 中按下 **S** 键，或运行 `rcli screen` 分析屏幕区域\n- **模型** — Qwen3 VL 2B、Liquid LFM2 VL 1.6B、SmolVLM 500M——可通过 `rcli models vlm` 按需下载\n\n> **注意：** 目前 VLM 仅在 llama.cpp 引擎上可用。MetalRT 对 VLM 的支持即将推出。\n\n### 40 个 macOS 操作\n\n通过语音或文本控制您的 Mac。LLM 会将意图路由到通过 AppleScript 和 shell 命令在本地执行的操作。\n\n| 类别 | 示例 |\n|----------|---------|\n| **生产力** | `create_note`、`create_reminder`、`run_shortcut` |\n| **通信** | `send_message`、`facetime_call` |\n| **媒体** | `play_on_spotify`、`play_apple_music`、`play_pause`、`next_track`、`set_music_volume` |\n| **系统** | `open_app`、`quit_app`、`set_volume`、`toggle_dark_mode`、`screenshot`、`lock_screen` |\n| **网络** | `search_web`、`search_youtube`、`open_url`、`open_maps` |\n\n运行 `rcli actions` 查看全部 40 个，或在 TUI 操作面板中启用\u002F禁用它们。\n\n> **提示：** 如果工具调用感觉不可靠，请在 TUI 中按 **X** 清除对话并重置上下文。对于小型 LLM，累积的上下文可能会降低工具调用的准确性——重新开始一个全新的上下文通常可以解决这个问题。\n\n### RAG（本地文档问答）\n\n索引本地文档，并通过语音进行查询。混合向量 + BM25 检索，在 5000 多个分块上延迟约为 4 毫秒。支持 PDF、DOCX 和纯文本。\n\n```bash\nrcli rag ingest ~\u002FDocuments\u002Fnotes\nrcli ask --rag ~\u002FLibrary\u002FRCLI\u002Findex \"summarize the project plan\"\n```\n\n### 交互式 TUI\n\n一个终端仪表盘，具有按住说话功能、实时硬件监控、模型管理和操作浏览器。\n\n| 键 | 动作 |\n|-----|--------|\n| **SPACE** | 按住说话 |\n| **V** | 相机 — 使用 VLM 捕获并分析 |\n| **S** | 屏幕 — 使用 VLM 捕获并分析屏幕区域 |\n| **M** | 模型 — 浏览、下载、热插拔 LLM\u002FSTT\u002FTTS\u002FVLM |\n| **A** | 操作 — 浏览、启用\u002F禁用 macOS 操作 |\n| **R** | RAG — 索引文档 |\n| **X** | 清除对话并重置上下文 |\n| **T** | 切换工具调用跟踪 |\n| **ESC** | 停止\u002F关闭\u002F退出 |\n\n## MetalRT GPU 引擎\n\nMetalRT 是由 [RunAnywhere, Inc.](https:\u002F\u002Frunanywhere.ai) 专门为 Apple Silicon 打造的高性能 GPU 推理引擎。它为 LLM、STT 和 TTS 提供最快的设备端推理——LLM 吞吐量高达 **550 tok\u002Fs**，端到端语音延迟低于 200 毫秒。\n\n> **需要 Apple M3 或更高版本。** MetalRT 使用 M3、M3 Pro、M3 Max、M4 及更高芯片上可用的 Metal 3.1 GPU 特性。M1\u002FM2 的支持即将推出。在 M1\u002FM2 上，RCLI 会自动回退到开源 llama.cpp 引擎。\n\nMetalRT 会在 `rcli setup` 时自动安装（选择“MetalRT”或“两者”）。也可以单独安装：\n\n```bash\nrcli metalrt install\nrcli metalrt status\n```\n\n**支持的模型：** Qwen3 0.6B、Qwen3 4B、Llama 3.2 3B、LFM2.5 1.2B（LLM）· Whisper Tiny\u002FSmall\u002FMedium（STT）· Kokoro 82M，带 28 种声音（TTS）\n\nMetalRT 采用 [专有许可](https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002Fmetalrt-binaries\u002Fblob\u002Fmain\u002FLICENSE) 分发。如需许可咨询，请联系 founder@runanywhere.ai。\n\n## 支持的模型\n\nRCLI 支持 LLM、STT、TTS、VLM、VAD 和嵌入等领域的 20 多种模型。所有模型都在 Apple Silicon 上本地运行。使用 `rcli models` 浏览、下载或切换模型。\n\n**LLM：** LFM2 1.2B（默认）、LFM2 350M、LFM2.5 1.2B、LFM2 2.6B、Qwen3 0.6B、Qwen3.5 0.8B\u002F2B\u002F4B、Qwen3 4B\n\n**STT：** Zipformer（流式）、Whisper base.en（离线，默认）、Parakeet TDT 0.6B（约 1.9% WER）\n\n**TTS：** Piper Lessac\u002FAmy、KittenTTS Nano、Matcha LJSpeech、Kokoro 英语\u002F多语言\n\n**VLM：** Qwen3 VL 2B、Liquid LFM2 VL 1.6B、SmolVLM 500M——可通过 `rcli models vlm` 按需下载（仅限 llama.cpp 引擎）\n\n**默认安装**（`rcli setup`）：约 1GB——LFM2 1.2B + Whisper + Piper + Silero VAD + Snowflake 嵌入。VLM 模型按需下载。\n\n```bash\nrcli models                  # 交互式模型管理\nrcli models vlm              # 下载\u002F管理 VLM 模型\nrcli upgrade-llm             # 引导式 LLM 升级\nrcli voices                  # 浏览和切换 TTS 音色\nrcli cleanup                 # 删除未使用的模型\n```\n\n## 从源代码构建\n\n仅 CPU 构建，使用 llama.cpp + sherpa-onnx（无 MetalRT）：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI.git && cd RCLI\nbash scripts\u002Fsetup.sh\nbash scripts\u002Fdownload_models.sh\nmkdir -p build && cd build\ncmake .. -DCMAKE_BUILD_TYPE=Release\ncmake --build . -j$(sysctl -n hw.ncpu)\n.\u002Frcli\n```\n\n所有依赖项均已打包或通过 CMake 获取。需要 CMake 3.15+ 和 Apple Clang（C++17）。\n\n\u003Cdetails>\n\u003Csummary>\u003Cstrong>CLI 参考\u003C\u002Fstrong>\u003C\u002Fsummary>\n\n```\nrcli                          交互式 TUI（按住说话 + 文本 + 跟踪）\nrcli listen                   连续语音模式\nrcli ask \u003Ctext>               一次性文本命令\nrcli vlm \u003Cimage> [prompt]     使用 VLM 分析图像\nrcli camera [prompt]          实时摄像头捕捉 + VLM 分析\nrcli screen [prompt]          屏幕截图 + VLM 分析\nrcli actions [name]           列出操作或显示详细信息\nrcli rag ingest \u003Cdir>         为 RAG 索引文档\nrcli rag query \u003Ctext>         查询已索引的文档\nrcli models [llm|stt|tts|vlm] 管理 AI 模型\nrcli voices                   管理 TTS 音色\nrcli metalrt                  MetalRT GPU 引擎管理\nrcli llamacpp                 llama.cpp 引擎管理\nrcli setup                    下载默认模型\nrcli info                     显示引擎和模型信息\n\n选项：\n  --models \u003Cdir>      模型目录（默认：~\u002FLibrary\u002FRCLI\u002Fmodels）\n  --rag \u003Cindex>       加载 RAG 索引以获取基于文档的答案\n  --gpu-layers \u003Cn>    LLM 的 GPU 层数（默认：99 = 全部）\n  --ctx-size \u003Cn>      LLM 的上下文大小（默认：4096）\n  --no-speak          仅输出文本（不使用 TTS）\n  --verbose, -v       调试日志\n```\n\n\u003C\u002Fdetails>\n\n## 贡献\n\n欢迎贡献。请参阅 [CONTRIBUTING.md](CONTRIBUTING.md) 了解构建说明以及如何添加新的操作、模型或音色。\n\n## 许可证\n\nRCLI 采用 [MIT 许可证](LICENSE) 开源。\n\nMetalRT 是 [RunAnywhere, Inc.](https:\u002F\u002Frunanywhere.ai) 的专有软件，采用单独的 [许可证](https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002Fmetalrt-binaries\u002Fblob\u002Fmain\u002FLICENSE) 分发。\n\n\u003Cp align=\"center\">\n  由 \u003Ca href=\"https:\u002F\u002Fwww.runanywhere.ai\">RunAnywhere, Inc.\u003C\u002Fa> 构建\n\u003C\u002Fp>","# RCLI 快速上手指南\n\nRCLI 是一款专为 macOS Apple Silicon 芯片设计的本地化语音 AI 工具。它集成了语音识别 (STT)、大语言模型 (LLM)、语音合成 (TTS) 和视觉语言模型 (VLM)，无需云端即可实现自然的语音交互、文档问答及系统控制。\n\n## 环境准备\n\n在开始之前，请确保您的设备满足以下要求：\n\n*   **操作系统**：macOS 13.0 (Ventura) 或更高版本。\n*   **硬件架构**：必须为 **Apple Silicon** (M1, M2, M3, M4 系列芯片)。\n    *   **高性能模式**：若需使用专有的 **MetalRT** GPU 推理引擎（超低延迟），需要 **M3** 或更新机型。\n    *   **兼容模式**：M1\u002FM2 机型将自动回退至开源的 `llama.cpp` 引擎运行。\n*   **网络环境**：初次安装需下载约 1GB 的 AI 模型文件，请保持网络连接畅通。\n\n## 安装步骤\n\n您可以选择通过一键脚本或 Homebrew 进行安装。\n\n### 方式一：一键脚本安装（推荐）\n\n在终端执行以下命令：\n\n```bash\ncurl -fsSL https:\u002F\u002Fraw.githubusercontent.com\u002FRunanywhereAI\u002FRCLI\u002Fmain\u002Finstall.sh | bash\n```\n\n### 方式二：通过 Homebrew 安装\n\n如果您已安装 Homebrew，可执行以下步骤：\n\n```bash\n# 添加 RCLI 仓库\nbrew tap RunanywhereAI\u002Frcli https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI.git\n\n# 安装 RCLI\nbrew install rcli\n\n# 初始化设置（必需）：下载默认 AI 模型（约 1GB，仅首次运行）\nrcli setup\n```\n\n> **注意**：如果在安装过程中遇到校验和错误或版本问题，请参考官方文档清理缓存后重试。\n\n## 基本使用\n\n安装完成后，您可以通过以下几种方式使用 RCLI：\n\n### 1. 启动交互式终端界面 (TUI)\n这是最常用的模式，支持按键说话、文本输入及实时硬件监控。\n\n```bash\nrcli\n```\n*   **空格键 (SPACE)**：按住说话 (Push-to-talk)。\n*   **V 键**：调用摄像头进行视觉分析。\n*   **S 键**：截取屏幕区域进行视觉分析。\n*   **M 键**：浏览和切换模型。\n*   **A 键**：管理 macOS 系统动作。\n*   **ESC 键**：退出。\n\n### 2. 连续语音监听模式\n让 RCLI 持续监听您的指令（适合免提操作）：\n\n```bash\nrcli listen\n```\n\n### 3. 单次命令执行\n直接通过命令行发送一条指令并获取结果：\n\n```bash\n# 打开 Safari 浏览器\nrcli ask \"open Safari\"\n\n# 在 Spotify 上播放爵士乐\nrcli ask \"play some jazz on Spotify\"\n```\n\n### 4. 视觉分析 (VLM)\n分析本地图片、实时摄像头画面或屏幕内容：\n\n```bash\n# 分析本地图片\nrcli vlm photo.jpg \"what's in this image?\"\n\n# 启动实时摄像头分析\nrcli camera\n\n# 启动屏幕截图分析\nrcli screen\n```\n\n### 5. 本地文档问答 (RAG)\n索引本地文档并进行语音或文本问答：\n\n```bash\n# 索引文档目录\nrcli rag ingest ~\u002FDocuments\u002Fnotes\n\n# 基于索引提问\nrcli ask --rag ~\u002FLibrary\u002FRCLI\u002Findex \"summarize the project plan\"\n```\n\n### 6. 查看可用系统动作\nRCLI 内置了 40 多种 macOS 控制动作（如调节音量、切换深色模式、发送消息等）：\n\n```bash\nrcli actions\n```","资深开发者李明正在 MacBook Pro 上赶工，他需要一边查阅本地存储的数百页技术文档，一边快速切换应用并分析屏幕上的报错信息，同时严格确保代码和文档数据不上传云端。\n\n### 没有 RCLI 时\n- **操作割裂低效**：必须频繁在终端、浏览器和文档阅读器之间手动切换，打断心流，无法通过语音直接控制 Spotify 播放背景乐或调整音量。\n- **本地检索困难**：查找本地 PDF 或 Markdown 笔记中的特定参数时，只能依赖关键词搜索，难以理解上下文语义，往往需要打开多个文件人工比对。\n- **隐私安全顾虑**：不敢将敏感的私有代码库或内部文档投喂给云端 AI 助手，担心数据泄露或被用于模型训练。\n- **视觉分析缺失**：遇到屏幕上的复杂图表或即时报错弹窗，无法直接让 AI“看”懂并解释，只能截图后手动上传到外部工具分析。\n\n### 使用 RCLI 后\n- **全语音流畅操控**：李明只需口述指令，RCLI 即可在毫秒级延迟内完成打开 Safari、切换歌曲或调节系统音量等 40 多种 macOS 原生操作，全程无需动手。\n- **智能本地问答**：直接对着麦克风提问“上次那个异步处理的方案在哪”，RCLI 利用本地 RAG 技术在约 4 毫秒内从海量文档中精准定位并口头回答，无需打开文件。\n- **数据绝对私有**：所有语音识别、大模型推理及文档分析均在 Apple Silicon 芯片本地完成，无需联网，彻底杜绝了敏感数据外泄风险。\n- **实时视觉洞察**：遇到报错时，直接让 RCLI 分析当前屏幕或摄像头画面，它能立即识别问题根源并给出修复建议，实现真正的“所见即所问”。\n\nRCLI 将 Mac 变成了真正懂你、保护隐私且能眼观六路的本地智能副驾驶，让开发者在零云依赖下实现效率与安全的双重飞跃。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FRunanywhereAI_RCLI_7eec0ff7.gif","RunanywhereAI","RunAnywhere","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FRunanywhereAI_6db9046b.png","ODLM - On Device Language Models",null,"runanywhereai","https:\u002F\u002Fwww.runanywhere.ai\u002F","https:\u002F\u002Fgithub.com\u002FRunanywhereAI",[81,85,89,93,97,101,105],{"name":82,"color":83,"percentage":84},"C++","#f34b7d",91.2,{"name":86,"color":87,"percentage":88},"Shell","#89e051",2.9,{"name":90,"color":91,"percentage":92},"C","#555555",2.3,{"name":94,"color":95,"percentage":96},"Objective-C++","#6866fb",1.9,{"name":98,"color":99,"percentage":100},"CMake","#DA3434",0.8,{"name":102,"color":103,"percentage":104},"Objective-C","#438eff",0.6,{"name":106,"color":107,"percentage":108},"Ruby","#701516",0.2,1422,74,"2026-04-13T08:39:26","MIT","macOS","必需 Apple Silicon 芯片 (M1\u002FM2\u002FM3\u002FM4)。若要使用高性能 MetalRT 引擎，必须为 M3 或更新版本 (支持 Metal 3.1+)；M1\u002FM2 会自动回退到 llama.cpp 引擎。无需 NVIDIA GPU 或 CUDA。","未说明 (默认模型包约 1GB，建议具备运行本地 LLM 的常规内存)",{"notes":117,"python":118,"dependencies":119},"1. 仅支持 macOS 13+ 系统。2. 核心功能完全本地运行，无需云端或 API 密钥。3. 首次安装需运行 'rcli setup' 下载约 1GB 的默认 AI 模型。4. VLM (视觉语言模型) 功能目前仅在 llama.cpp 引擎上可用，MetalRT 支持即将推出。5. MetalRT 引擎为专有软件，其余部分基于 MIT 协议开源。","未说明 (源码构建需 Apple Clang C++17 和 CMake 3.15+)",[120,121,122,123,124],"MetalRT (专有，M3+)","llama.cpp","sherpa-onnx","CMake >= 3.15","Apple Clang (C++17)",[35,126,14],"音频",[128,129,130,131,132,133,134,135,136,137,138,139,140,141,142,143,144],"ai-assistant","apple-silicon","llama-cpp","llm","local-ai","metal","on-device-ai","rag","speech-to-text","text-to-speech","tool-calling","voice-assistant","kitten-tts","kokoro-tts","lfm2","parakeet","qwen3","2026-03-27T02:49:30.150509","2026-04-13T23:52:46.429161",[148,153,158,163,168,172],{"id":149,"question_zh":150,"answer_zh":151,"source_url":152},32240,"安装时遇到 Homebrew 校验和（checksum）不匹配错误怎么办？","这通常是因为 Homebrew 缓存了旧文件或损坏的文件。请尝试以下步骤清除缓存并重新安装：\n1. 取消 tap：`brew untap RunanywhereAI\u002Frcli`\n2. 删除缓存：`rm -rf \"$(brew --cache)\u002Fdownloads\u002F\"*rcli*`\n3. 重新 tap：`brew tap RunanywhereAI\u002Frcli https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI.git`\n4. 重新安装：`brew install rcli`\n5. 运行设置：`rcli setup`\n如果上述步骤繁琐，也可以直接尝试运行 `brew install runanywhereai\u002Frcli\u002Frcli`。","https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fissues\u002F15",{"id":154,"question_zh":155,"answer_zh":156,"source_url":157},32241,"在 M3\u002FM4 Mac 上运行 MetalRT 引擎时出现分段错误（segmentation fault）或崩溃如何解决？","这是部分 M3\u002FM4 Mac 上的已知问题。当发生崩溃时，RCLI 会自动在下次启动时回退到使用 llama.cpp 引擎。\n你也可以手动强制切换到 llama.cpp 引擎，运行命令：`rcli engine llamacpp`。\n如果问题持续，建议卸载后重新安装最新版本，因为新版本已增加了对 MetalRT 崩溃的防护机制。","https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fissues\u002F6",{"id":159,"question_zh":160,"answer_zh":161,"source_url":162},32242,"运行 rcli 时提示找不到库文件（Library not loaded: @rpath\u002Flibonnxruntime...）导致中止怎么办？","此错误通常发生在 macOS 版本较新或环境配置不一致时（例如报错提示 'built for macOS 26.0 which is newer than running OS'）。\n解决方案是执行完全卸载并重新安装，以确保所有依赖库（如 libonnxruntime）正确链接到当前系统架构。请尝试：\n1. `brew uninstall rcli`\n2. `brew untap RunanywhereAI\u002Frcli`\n3. `brew tap RunanywhereAI\u002Frcli`\n4. `brew install rcli`\n5. `rcli setup`","https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fissues\u002F5",{"id":164,"question_zh":165,"answer_zh":166,"source_url":167},32243,"安装完成后运行命令提示 'zsh: command not found: rcli' 是什么原因？","这表示 rcli 可执行文件未被添加到系统的 PATH 环境变量中，或者安装过程未完全成功。\n请检查安装日志确认是否有报错。如果是通过 Homebrew 安装，尝试运行 `brew link rcli` 手动创建链接。如果仍然无效，建议按照标准流程重新安装：`brew install runanywhereai\u002Frcli\u002Frcli`，安装完成后重启终端或运行 `source ~\u002F.zshrc` 刷新环境变量。","https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fissues\u002F28",{"id":169,"question_zh":170,"answer_zh":171,"source_url":157},32244,"初始化时报告多个模型文件（tokens.txt, .onnx 等）不存在导致加载失败怎么办？","这通常意味着模型下载未完成或路径配置错误。维护者已修复了部分错误打印问题，但用户仍需确保运行了初始化命令。\n请执行 `rcli setup` 命令，该命令会自动下载所需的 LLM、STT（语音识别）、TTS（语音合成）和 VAD（语音活动检测）模型文件到指定目录（如 ~\u002FLibrary\u002FRCLI\u002Fmodels\u002F）。如果之前安装过，建议先清理旧模型目录后重新运行 setup。",{"id":173,"question_zh":174,"answer_zh":175,"source_url":162},32245,"如何在 RCLI 中选择不同的推理引擎（Open Source vs MetalRT）？","在首次运行 `rcli setup` 时，系统会提示你选择推理引擎：\n1. Open Source (llama.cpp + sherpa-onnx)：社区维护，支持所有模型，体积约 1GB。\n2. MetalRT：Apple Silicon GPU 加速，速度更快（约 550 tok\u002Fs），体积约 0.9GB，但在某些 M3\u002FM4 芯片上可能不稳定。\n3. Both（推荐）：同时安装两者。默认优先使用 MetalRT，若不可用则自动回退到 llama.cpp。\n安装后如需切换，可使用命令 `rcli engine \u003Cengine_name>`（例如 `rcli engine llamacpp`）进行手动切换。",[177,182,187,192,197,202,207,212,217,222,227,232,237,242,247,252,257,262,267,272],{"id":178,"version":179,"summary_zh":180,"released_at":181},247028,"v0.3.7","## 安装\n\n```bash\nbrew tap RunanywhereAI\u002Frcli https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI.git\nbrew install rcli\nrcli setup  # 下载 AI 模型 (~1GB，仅需一次)\n```\n\n### SHA256\n```\n631349d585231b8f9b4590022c8c1fc3525e6112cce2308ee9871856cd327e3c\n```\n\n\n## 变更内容\n* @sanchitmonga22 在 https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fpull\u002F25 中添加了 VLM 支持\n\n## 新贡献者\n* @sanchitmonga22 在 https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fpull\u002F25 中做出了首次贡献\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fcompare\u002Fv0.3.6...v0.3.7","2026-03-15T05:41:59",{"id":183,"version":184,"summary_zh":185,"released_at":186},247029,"v0.3.6","## 安装\n\n```bash\nbrew tap RunanywhereAI\u002Frcli https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI.git\nbrew install rcli\nrcli setup  # 下载 AI 模型（约 1GB，仅需执行一次）\n```\n\n### SHA256\n```\n13b303dfabc11338a65ec1bc9c3730b5525a3574c5be41b6d8a72e6ebc352e2e\n```\n\n\n**完整更新日志**: https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fcompare\u002Fv0.3.5...v0.3.6","2026-03-12T05:39:47",{"id":188,"version":189,"summary_zh":190,"released_at":191},247030,"v0.3.5","## 安装\n\n```bash\nbrew tap RunanywhereAI\u002Frcli https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI.git\nbrew install rcli\nrcli setup  # 下载 AI 模型 (~1GB，仅需一次)\n```\n\n### SHA256\n```\n53d5519b24de6ff1dfb76fed73c69772295fd6e126d2853b686f2a95a7d4eaf7\n```\n\n\n## 变更内容\n* @shubhammalhotra28 在 https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fpull\u002F23 中所做的改进\n\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fcompare\u002Fv0.3.4...v0.3.5","2026-03-12T02:33:15",{"id":193,"version":194,"summary_zh":195,"released_at":196},247031,"v0.3.4","## 安装\n\n```bash\nbrew tap RunanywhereAI\u002Frcli https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI.git\nbrew install rcli\nrcli setup  # 下载 AI 模型 (~1GB，仅需一次)\n```\n\n### SHA256\n```\n9a143601a331b659f2a9023e9ef5202b34cd62892e1f4a725d05c6b192bd0a46\n```\n\n\n## 变更内容\n* 个性化功能——由 @shubhammalhotra28 在 https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fpull\u002F22 中实现\n* 新增 toggle_mute 和 set_brightness 动作——由 @harvenstar 在 https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fpull\u002F18 中实现\n\n## 新贡献者\n* @harvenstar 在 https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fpull\u002F18 中完成了首次贡献\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fcompare\u002Fv0.3.3...v0.3.4","2026-03-11T20:10:28",{"id":198,"version":199,"summary_zh":200,"released_at":201},247032,"v0.3.3","## 安装\n\n```bash\nbrew tap RunanywhereAI\u002Frcli https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI.git\nbrew install rcli\nrcli setup  # 下载 AI 模型 (~1GB，仅需执行一次)\n```\n\n### SHA256\n```\n1a7ac50b41422d3cf62739209962a0143e12edc445eb48deca398b8ca9fafc71\n```\n\n\n## 变更内容\n* 修复：MetalRT 段错误崩溃、缺少动态库打包问题，以及 M5+ 向前兼容性，由 @shubhammalhotra28 在 https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fpull\u002F19 中完成。\n\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fcompare\u002Fv0.3.2...v0.3.3","2026-03-10T22:48:34",{"id":203,"version":204,"summary_zh":205,"released_at":206},247033,"v0.3.2","## 安装\n\n```bash\nbrew tap RunanywhereAI\u002Frcli https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI.git\nbrew install rcli\nrcli setup  # 下载 AI 模型 (~1GB，仅需一次)\n```\n\n### SHA256\n```\n06db2630206ef9feff764ef53a20b41027d3fca1df330928d0e4384d5273205a\n```\n\n\n## 变更内容\n* 由 @shubhammalhotra28 在 https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fpull\u002F13 中修复\n\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fcompare\u002Fv0.3.1...v0.3.2","2026-03-10T20:17:17",{"id":208,"version":209,"summary_zh":210,"released_at":211},247034,"v0.3.1","## 新增功能\n\n### MetalRT 崩溃防护（修复 #5）\n- **自动恢复**：如果 MetalRT 在初始化时崩溃（在某些 M3\u002FM4 Mac 上较为常见），下次启动会自动回退到 llama.cpp — 不再出现崩溃循环\n- **友好的错误提示**：显示清晰的提示信息，而非简单的“段错误”，并附带切换引擎的说明\n- **防御性保护**：在所有代码路径中，防止访问未初始化的 LLM 引擎时发生段错误\n\n### 引擎 CLI 命令\n- `rcli metalrt` — 直接使用 MetalRT GPU 引擎启动\n- `rcli llamacpp` — 直接使用 llama.cpp 引擎启动\n\n### TTFA 内联指标\n- 首次音频到达时间现在会立即显示在 LLM 性能行上，当首次音频开始播放时即刻呈现，而不再是在 TTS 完成后以单独一行显示\n\n## 安装\n\n```bash\nbrew tap RunanywhereAI\u002Frcli https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI.git\nbrew install rcli\nrcli setup  # 下载 AI 模型（约 1GB，仅需一次）\n```\n\n或更新：\n```bash\nbrew upgrade rcli\n```\n\n### SHA256\n```\n278e0f83d8431957cebb3e2f0020d6049962d961a67a05dd3e855dcd20959596\n```\n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fcompare\u002Fv0.3.0...v0.3.1","2026-03-10T19:31:39",{"id":213,"version":214,"summary_zh":215,"released_at":216},247035,"v0.3.0","## 安装\n\n```bash\nbrew tap RunanywhereAI\u002Frcli https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI.git\nbrew install rcli\nrcli setup  # 下载 AI 模型 (~1GB，仅需一次)\n```\n\n### SHA256\n```\nf269751118e0c55ca70ad9a7c7c7d4a116eb0b39fd4f3d4148b456c1bb001f58\n```\n\n\n**完整更新日志**: https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fcompare\u002Fv0.2.9...v0.3.0","2026-03-10T17:25:41",{"id":218,"version":219,"summary_zh":220,"released_at":221},247036,"v0.2.9","## 安装\n\n```bash\nbrew tap RunanywhereAI\u002Frcli https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI.git\nbrew install rcli\nrcli setup  # 下载 AI 模型 (~1GB，仅需执行一次)\n```\n\n### SHA256\n```\n166483891daa893bc77bda2a0bdac1c85d1631e11b6f2cb28b6bc0d39fea955f\n```\n\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fcompare\u002Fv0.2.8...v0.2.9","2026-03-10T17:12:39",{"id":223,"version":224,"summary_zh":225,"released_at":226},247037,"v0.2.8","## 安装\n\n```bash\nbrew tap RunanywhereAI\u002Frcli https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI.git\nbrew install rcli\nrcli setup  # 下载 AI 模型（约 1GB，只需执行一次）\n```\n\n### SHA256\n```\ne10da8bc5719d612d8d4eba508e2a439d5aba174029d0e0259e9aadf963ba649\n```\n\n\n**完整更新日志**: https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fcompare\u002Fv0.2.7...v0.2.8","2026-03-10T16:42:07",{"id":228,"version":229,"summary_zh":230,"released_at":231},247038,"v0.2.7","## Installation\n\n```bash\nbrew tap RunanywhereAI\u002Frcli https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI.git\nbrew install rcli\nrcli setup  # download AI models (~1GB, one-time)\n```\n\n### SHA256\n```\nb1acc8ee1a7033571ca3ea8062da7cf58148fb99afc5d69c3318a77006e790c2\n```\n\n\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fcompare\u002Fv0.2.6...v0.2.7","2026-03-10T16:31:33",{"id":233,"version":234,"summary_zh":235,"released_at":236},247039,"v0.2.6","## Installation\n\n```bash\nbrew tap RunanywhereAI\u002Frcli https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI.git\nbrew install rcli\nrcli setup  # download AI models (~1GB, one-time)\n```\n\n### SHA256\n```\n1a0bc6067c00282307633dbf5617ce7321c83010f5667fb8464a2acdd2fdfec4\n```\n\n\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fcompare\u002Fv0.2.5...v0.2.6","2026-03-10T16:21:37",{"id":238,"version":239,"summary_zh":240,"released_at":241},247040,"v0.2.5","## Installation\n\n```bash\nbrew tap RunanywhereAI\u002Frcli https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI.git\nbrew install rcli\nrcli setup  # download AI models (~1GB, one-time)\n```\n\n### SHA256\n```\n0e2f9cbdb4555070e75612db807ac1b662afc88f888ff78f6068325a16b6d79c\n```\n\n\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fcompare\u002Fv0.2.4...v0.2.5","2026-03-10T15:42:42",{"id":243,"version":244,"summary_zh":245,"released_at":246},247041,"v0.2.4","## Installation\n\n```bash\nbrew tap RunanywhereAI\u002Frcli https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI.git\nbrew install rcli\nrcli setup  # download AI models (~1GB, one-time)\n```\n\n### SHA256\n```\na4ea2c89ca18277607f5731ebfbb6a3ab5e515f9dfa29046d3267c70d7d6413a\n```\n\n\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fcompare\u002Fv0.2.3...v0.2.4","2026-03-10T15:30:05",{"id":248,"version":249,"summary_zh":250,"released_at":251},247042,"v0.2.3","## Installation\n\n```bash\nbrew tap RunanywhereAI\u002Frcli https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI.git\nbrew install rcli\nrcli setup  # download AI models (~1GB, one-time)\n```\n\n### SHA256\n```\n4c24a637c4afceebf0eff978001f8f31c684f4020425db86dfe7268381c661c3\n```\n\n\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fcompare\u002Fv0.2.2...v0.2.3","2026-03-10T15:08:33",{"id":253,"version":254,"summary_zh":255,"released_at":256},247043,"v0.2.2","## Installation\n\n```bash\nbrew tap RunanywhereAI\u002Frcli https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI.git\nbrew install rcli\nrcli setup  # download AI models (~1GB, one-time)\n```\n\n### SHA256\n```\n826c3e8288c33f8c7b24df0d72b40a785160fc64e84599fae0542cf9a86e0dcf\n```\n\n\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fcompare\u002Fv0.2.1...v0.2.2","2026-03-10T10:31:54",{"id":258,"version":259,"summary_zh":260,"released_at":261},247044,"v0.2.1","## Installation\n\n```bash\nbrew tap RunanywhereAI\u002Frcli https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI.git\nbrew install rcli\nrcli setup  # download AI models (~1GB, one-time)\n```\n\n### SHA256\n```\n15930d391192160e182de928b554759c20c6bdafc975d8cd5ad9ef46be98f4a9\n```\n\n\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fcompare\u002Fv0.2.0...v0.2.1","2026-03-10T09:33:59",{"id":263,"version":264,"summary_zh":265,"released_at":266},247045,"v0.1.5","## Installation\n\n```bash\nbrew tap RunanywhereAI\u002Frcli https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI.git\nbrew install rcli\nrcli setup  # download AI models (~1GB, one-time)\n```\n\n### SHA256\n```\nc80573dcad9f4cd205afaa7ac1ed0b491bd9de5840572e7a355a7c9bc243adbd\n```\n\n\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fcompare\u002Fv0.1.4...v0.1.5","2026-03-05T09:00:45",{"id":268,"version":269,"summary_zh":270,"released_at":271},247046,"v0.1.4","## Installation\n\n```bash\nbrew tap RunanywhereAI\u002Frcli https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI.git\nbrew install rcli\nrcli setup  # download AI models (~1GB, one-time)\n```\n\n### SHA256\n```\n3f12dc919a961608f39af372049ca6fe0dee3c5ce8a9bc287206aef345efb3bd\n```\n\n\n## What's Changed\n* Refactor by @shubhammalhotra28 in https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fpull\u002F2\n\n## New Contributors\n* @shubhammalhotra28 made their first contribution in https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fpull\u002F2\n\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fcompare\u002Fv0.1.3...v0.1.4","2026-03-05T02:43:00",{"id":273,"version":274,"summary_zh":275,"released_at":276},247047,"v0.1.3","## Installation\n\n```bash\nbrew tap RunanywhereAI\u002Frcli https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI.git\nbrew install rcli\nrcli setup  # download AI models (~1GB, one-time)\n```\n\n### SHA256\n```\n03cace858e34b5ce0ddafce71b18edbd598e54066ca4048e4150ec0a3e9cea0a\n```\n\n\n## What's Changed\n* Add multi-turn conversation memory by @AmanSwar in https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fpull\u002F1\n\n## New Contributors\n* @AmanSwar made their first contribution in https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fpull\u002F1\n\n**Full Changelog**: https:\u002F\u002Fgithub.com\u002FRunanywhereAI\u002FRCLI\u002Fcompare\u002Fv0.1.2...v0.1.3","2026-03-04T21:06:22"]