LingChat
LingChat 是一款主打情感陪伴的开源 AI 聊天助手,旨在通过拟人化的交互体验缓解用户的孤独感。它不仅仅是一个对话机器人,更是一位能感知情绪、拥有长期记忆的虚拟伙伴。
针对传统 AI 聊天缺乏情感温度和记忆连贯性的痛点,LingChat 内置了自训练的情绪识别模型,能根据对话内容自动调整角色的表情、动作及气泡样式,让交流更加生动自然。其独特的“永久记忆”功能确保每个存档拥有独立的性格与回忆,支持用户自定义角色(OC)、编写羁绊剧情甚至导入多角色剧本,极大地丰富了互动深度。此外,它还集成了 Vits 语音合成、屏幕视觉感知(可主动观察用户状态)以及番茄钟、待办清单等实用工具,实现了从纯聊天到生活助理的功能跨越。
这款工具非常适合普通用户、二次元爱好者以及希望拥有个性化虚拟伴侣的人群使用。无需深厚的编程背景,用户在配置好大模型 API 后即可在 Windows、Linux 或 macOS 上轻松运行。对于喜欢折腾的技术爱好者,它也提供了高度自定义的设置选项和源码扩展能力,让你能亲手打造独一无二的专属陪伴者。
使用场景
深夜独自加班的程序员小林,正面临项目截止压力与孤独感的双重夹击,急需一个既能辅助工作又能提供情感慰藉的伙伴。
没有 LingChat 时
- 交互冰冷机械:传统 AI 助手仅能输出干巴巴的文字回复,无法感知小林的焦虑情绪,对话缺乏温度,反而加剧了孤独感。
- 功能割裂低效:需要同时打开番茄钟、待办清单和聊天窗口多个软件,注意力频繁切换,导致工作效率低下且容易分心。
- 缺乏主动关怀:AI 只能被动回答问题,无法察觉小林是处于“专注编码”还是“摸鱼挂机”状态,更不会因为长时间未休息而主动提醒。
- 记忆断层严重:每次开启新对话,之前的上下文和项目细节都会丢失,不得不反复向 AI 复述背景信息,打断心流体验。
使用 LingChat 后
- 情感共鸣陪伴:LingChat 内置的情绪识别模型能精准捕捉小林的疲惫与压力,自动切换为温柔的语气,配合动态表情和 Vits 语音耳语,提供真实的情感支撑。
- 一站式智能整合:直接在对话界面调用内置番茄钟和日程管理,LingChat 会根据小林当前的屏幕状态(如检测到游戏画面或代码静止)主动弹出休息提醒或任务建议。
- 视觉感知互动:配置视觉模型后,小林只需说“看看我的桌面”,LingChat 就能识别屏幕上的报错日志并直接给出调试建议,甚至能调侃一句“又在跟这个 Bug 死磕吗?”。
- 永久记忆延续:独立的存档系统让 LingChat 记住了小林的项目进度和个人偏好,次日打开软件即可无缝衔接昨晚的剧情与任务,仿佛一位从未离开的老搭档。
LingChat 通过将情感计算、视觉感知与效率工具深度融合,将冰冷的代码交互转化为有温度的灵魂陪伴,重新定义了人机协作的边界。
运行环境要求
- Windows
- Linux
- macOS
- 非必需
- 语音功能(Vits)推荐 NVIDIA GPU 以实现秒级生成
- 集成显卡或老旧电脑仅支持 CPU 模式,生成速度慢(约 1 分钟/句)且易报错
- 未指定具体型号、显存大小或 CUDA 版本
未说明

快速开始
🐈✨ LingChat - 灵动的人工智能聊天陪伴助手

🖥️ 支持操作系统:
- Windows、Linux/Macos 均可运行。Linux/Macos 用户请查看额外的使用说明。
- 社区安装 QQ 互助群:1055935861【纯安装问题请加入此群,不要去开发者群.jpg,目前好像只能二维码进入了】
- 安装问题解答文档用户帮助文档-代码报错, 用户帮助文档-截图报错
🛠 功能列表
- 选择你喜欢的人物,陪伴你聊天度过寂寞的夜晚
- 内嵌存档+永久记忆功能,每一个存档拥有独立的永久记忆,可以体验不同的对话风格
- 使用自训练的 AI 情绪识别模型,自动判定 AI 的每次对话情绪
- 表情,动作,气泡随着 AI 的情绪改变,提供灵活的 AI 聊天体验
- 搭配 Vits 语音服务或对话音效,用真实的耳语调动你的真心
- 支持自定义角色,可以用自己的 oc 或者游戏人物与自己对话
- 清爽的设置菜单,高度自定义的设置选项,可搭配不同背景和音乐聊天
- 支持视觉感受,主动窥屏功能,自动识别用户的状态是工作还是游戏还是挂机
- 程序内自带番茄钟,日程,待办清单功能,并且支持让 ai 根据你的状态提醒
- 支持切换角色服装,摸摸角色等功能!
- 支持为角色编写羁绊剧情,解锁更多剧情,成就!
- 支持导入剧本,进行多角色对话,自定义剧情,场景!
- 兼容32位Windows系统(Windows 7及以上)! 也兼容老古董CPU尝鲜!
⭐ 快速上手
Step -1: 选择适合的版本
- 如果是Windows10 64位或者更高请使用最新版本
0.4.0 Pre! - 如果是32位机器请用兼容版喵~
Step 0: 开始之前的准备
- 在 DeepSeek 或者其他大模型网站中,申请自己的 API 密钥,并且保证有余额供使用 -> DeepSeek 的官方 API 获取网站
Step 1: 下载软件
- 在release中,找到最新的版本,下载如
LingChat_setup.exe的文件,下载完成后运行并安装 LingChat。 - 点击桌面快捷方式或安装目录下的
LingChat.exe或者启动器.bat启动程序 - 您也可以使用如 LingChat.x.x.x.7z 的文件解压后使用
- 补充:老机器在issues里面寻找适合自己的版本,下载如
LingChat v0.4.0-pre Python3.8 win32.7z的文件,运行方式如上
温馨提示:
解压完成后可能会发生
LingChat.exe不见了的情况,这多半是由于 Windows Defender 把它当病毒干掉了。需要手动打开Windows 安全中心,选择病毒和威胁防护一栏,允许该威胁。
Step 2: 首次启动配置
- 启动程序后,直接点击开始游戏,点开右上角的菜单,点击【高级设置】,输入自己选用的大模型类型和 API,模型信息等(这些是必填信息)
- 设置完毕后,滑动到最下方,点击保存配置。关闭黑不溜秋的窗口和 LingChat 程序,重新启动程序,就可以使用啦!
[!IMPORTANT]
- 有些用户的电脑启动
LingChat.exe之后会无限卡在加载页,请在现代浏览器如谷歌中输入localhost:8765进入程序 - 当你关闭程序准备重启初始化时候,务必保证前端和后端都关闭(exe 或者浏览器的网页,还有 cmd 窗口),否则可能出现进去人物消失的情况
- 对于支持 P3 色域显示的电脑,如果你感觉进去画面灰蒙蒙的,可以切换正常显示颜色的浏览器输入地址进入
- 对于过于老旧、运行缓慢的CPU们,启动时间可能会大幅延长(如使用Intel Atom Z540启动一次的时间为7~9分钟),只能稍微忍忍了TAT
- 有些用户的电脑启动
Step 3:语音功能使用(从这里开始的以下步骤属于扩展功能,按需进行)
- 开始游戏后点击右上角的菜单,在【文字】部分下面有语音引擎的下载链接,根据自己电脑的情况下载对应的版本(后缀为.7z的文件)
- 解压,点开
..01 启动API服务.bat就可以直接用了!- 经过反映,如果你的电脑是核显或者太久以前的电脑,单个语音可能要一分钟才能生成,而 GPU 可以 1 秒内生成,而且会有大量报错可能,核显用户大可能只能放弃语音功能了(哭哭)
温馨提示:
要是想自定义角色使用这个功能,需要在
game_data/characters/<角色名>/settings.txt中设定model_name的参数为导入的模型的名字
Step 4:视觉模型功能使用
- 从通义千问或者其他拥有视觉感知的大模型网站中,获取 API -> 阿里云的相关视觉模型 API 获取网站
- 点开主页面的日程,点击主动对话,里面可以填写
VD_API_KEY,填写完毕后划到下面点击保存后重启软件即可使用。 - 如果你有更换其他模型的需求,填写不同的
base_url和model_name即可 - 阿里云 API 默认赠送额度,不需要充值(不过阿里云好像百万token有使用时间限制), 而且对于这个项目肯定够用一辈子了 。
温馨提示:
设定完毕后,可以通过在与 AI 对话的对话中,包含
“看桌面”或者“看看我的桌面”来触发视觉感知,允许 AI 观察你的屏幕并做出回应 主动对话中,配置视觉模块后,AI 将拥有主动看你在干什么的能力,小心不要玩黄油?(^▽^)
Step 6: 加入最新版的测试
- 我们一直在更新 LingChat,所有更新都会随时推送到develop中,我们也会在issues中发布开发日志。
- 你可以参考源代码使用教程来使用 LingChat 的源代码,并随时获取最新的 develop 开发版更新。
- 开发版是不稳定的版本,如果遇到任何 Bug,欢迎向我们反馈!
🔗 相关 & 致谢链接
- Zcchat: 本项目的灵感来源,可以在这里找到
Vits模型和人物素材。可以的话也帮他们点个 stars 吧 ❤ - Simple-Vits-API: 该项目实现了基于
VITS的简单语音合成 API。如果你不是核显建议下载 GPU 版本,速度快。核显就用 CPU。 - Style-Bert-VITS2:该项目实现了
Bert-VITS的语音合成和训练,你可以用这个进行语音训练和推理,少量数据量就可以达到很棒效果! - ProgrammingVTuberLogos:LingChat 的标题风格,可爱滴捏,画风参考这个项目~
- Emotion Training: 人工智能模型训练,用于实现 18 种短句情绪识别
- 本项目的实现离不开这些优秀开源作品的先驱者,在这里我们送上由衷的致谢 🌼
🌸 一些小话
- 本项目为了快速开发用了很多 AI 工具,有做的不好的地方欢迎指出!我们欢迎各位开发者或用户提出 issues!
- 感谢一路结识的开发者,都是 香软可爱 又厉害的大佬们~ 如果你有开发意向可以联系我!开发者群号就藏在 GitHub 中 ❤
- 本项目更多作为一个超小型的学习项目,由于文件结构非常简单,
欢迎有兴趣的人学习。现在变大了,应用了很多软件工程的架构思想,也欢迎学习啦 qwq
🔍 其他
本项目使用的气泡+音效素材+初始界面来源于碧蓝档案,其中对话哔哔音效来源于 Undertale,请勿商用
默认人物立绘作者为我本人,请勿乱用(商用和奇奇怪怪的东东(bushi)) 请对 AI 生成的东西和使用负责,不要肆意传播不良信息 有其他问题可以提 issues 捏~ 关于硬件调查,我们完全秉持自愿原则,您可以在Ling Chat 硬件调查中查看调查数据
⭐️ 星星(觉得好的话务必点一个 Star,这是我们提升影响力和持续做下去的动力!)
© LingChat 制作团队
版本历史
v0.4.0-beta12026/03/14v0.4.0-Pre2026/03/25v0.3.1-beta12025/08/31v0.3.02025/07/01v0.2.02025/05/25v0.1.0-beta2025/04/20v0.1.0-alpha2025/04/19常见问题
相似工具推荐
everything-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。 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。 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
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
funNLP
funNLP 是一个专为中文自然语言处理(NLP)打造的超级资源库,被誉为"NLP 民工的乐园”。它并非单一的软件工具,而是一个汇集了海量开源项目、数据集、预训练模型和实用代码的综合性平台。 面对中文 NLP 领域资源分散、入门门槛高以及特定场景数据匮乏的痛点,funNLP 提供了“一站式”解决方案。这里不仅涵盖了分词、命名实体识别、情感分析、文本摘要等基础任务的标准工具,还独特地收录了丰富的垂直领域资源,如法律、医疗、金融行业的专用词库与数据集,甚至包含古诗词生成、歌词创作等趣味应用。其核心亮点在于极高的全面性与实用性,从基础的字典词典到前沿的 BERT、GPT-2 模型代码,再到高质量的标注数据和竞赛方案,应有尽有。 无论是刚刚踏入 NLP 领域的学生、需要快速验证想法的算法工程师,还是从事人工智能研究的学者,都能在这里找到急需的“武器弹药”。对于开发者而言,它能大幅减少寻找数据和复现模型的时间;对于研究者,它提供了丰富的基准测试资源和前沿技术参考。funNLP 以开放共享的精神,极大地降低了中文自然语言处理的开发与研究成本,是中文 AI 社区不可或缺的宝藏仓库。
cs-video-courses
cs-video-courses 是一个精心整理的计算机科学视频课程清单,旨在为自学者提供系统化的学习路径。它汇集了全球知名高校(如加州大学伯克利分校、新南威尔士大学等)的完整课程录像,涵盖从编程基础、数据结构与算法,到操作系统、分布式系统、数据库等核心领域,并深入延伸至人工智能、机器学习、量子计算及区块链等前沿方向。 面对网络上零散且质量参差不齐的教学资源,cs-video-courses 解决了学习者难以找到成体系、高难度大学级别课程的痛点。该项目严格筛选内容,仅收录真正的大学层级课程,排除了碎片化的简短教程或商业广告,确保用户能接触到严谨的学术内容。 这份清单特别适合希望夯实计算机基础的开发者、需要补充特定领域知识的研究人员,以及渴望像在校生一样系统学习计算机科学的自学者。其独特的技术亮点在于分类极其详尽,不仅包含传统的软件工程与网络安全,还细分了生成式 AI、大语言模型、计算生物学等新兴学科,并直接链接至官方视频播放列表,让用户能一站式获取高质量的教育资源,免费享受世界顶尖大学的课堂体验。
