always-on-ai-assistant

GitHub
986 214 简单 1 次阅读 2天前语言模型音频Agent
AI 解读 由 AI 自动生成,仅供参考

always-on-ai-assistant 是一款专为工程场景打造的“全天候”语音 AI 助手。它允许开发者通过自然语音随时唤醒并指挥计算机执行任务,无需手动输入命令,从而将繁琐的命令行操作转化为流畅的对话交互,显著提升开发效率。

该工具特别适合需要频繁操作终端、管理服务器或编写脚本的软件工程师及极客用户。其核心亮点在于独特的架构设计:集成了 Deepseek-V3 作为强大的逻辑大脑,负责理解复杂指令并生成准确的 Typer 命令;配合 RealtimeSTT 实现低延迟的实时语音识别,确保“随叫随到”;同时支持 ElevenLabs 提供自然的语音反馈。此外,它还具备“动态记事本(Scratchpad)”功能,能在多轮对话中保持上下文记忆,准确处理如“先检查服务器状态,若有异常则重启”这类连贯任务。无论是本地轻量级对话还是云端复杂指令执行,always-on-ai-assistant 都能让代码操控变得像与人交谈一样简单自然。

使用场景

资深后端工程师李明正在深夜排查生产环境的突发网络延迟问题,需要频繁执行诊断命令并记录分析过程。

没有 always-on-ai-assistant 时

  • 操作打断心流:每次想执行 pingtraceroute 等诊断命令,都必须停下思路,手动切换到终端窗口输入,严重干扰排查逻辑。
  • 上下文记忆负担重:需要在不同文档、聊天窗口和终端之间来回复制粘贴关键报错信息和临时变量,容易遗漏细节。
  • 响应滞后:遇到复杂指令时,需先查阅文档确认参数格式,再手动构建命令,从产生想法到执行操作存在明显的时间延迟。
  • 记录繁琐:排查过程中的每一步操作和结果都需要人工整理到事故报告(Post-mortem)中,增加了额外的工作量。

使用 always-on-ai-assistant 后

  • 语音即执行:李明只需清晰说出"Ada, ping the server wait for a response",always-on-ai-assistant 立即通过 RealtimeSTT 识别并调用 Deepseek-V3 生成命令自动执行,双手无需离开键盘。
  • 动态记忆同步:工具自动将生成的命令、服务器返回结果及关键变量实时写入 scratchpad.md,形成完整的排查时间线,随时可查。
  • 智能意图理解:基于 Deepseek-V3 的强大推理能力,即使口语化表达如“看看刚才那个节点通不通”,工具也能准确转化为具体的网络测试命令并执行。
  • 自动化归档:整个交互过程和执行的命令序列已被自动记录在案,事后直接基于 scratchpad 文件即可快速生成故障复盘报告。

always-on-ai-assistant 通过将自然语言交互与自动化命令执行深度融合,让工程师在高压排查场景下实现了“所想即所得”的无感操作体验。

运行环境要求

操作系统
  • 未说明
GPU
  • Base Assistant 模式使用本地 Ollama (phi4) 和 RealtimeSTT,通常需要 NVIDIA GPU 以加速推理
  • Typer Assistant 模式调用 Deepseek V3 API,本地无需高性能 GPU
  • 具体显存和 CUDA 版本未说明
内存

未说明

依赖
notes1. 项目使用 'uv' 作为包管理和运行工具,需先安装 uv。 2. 提供两种模式:'Base Assistant' 完全本地运行(依赖 Ollama 和 phi4 模型),'Typer Assistant' 混合模式(本地语音交互 + 云端 Deepseek V3 大脑)。 3. 必须配置环境变量 DEEPSEEK_API_KEY 和 ELEVEN_API_KEY 才能使用完整功能。 4. 语音识别依赖 RealtimeSTT(底层可使用 faster-whisper 或 openai-whisper)。
python3.11
uv
RealtimeSTT
ElevenLabs
Deepseek SDK
Typer
faster-whisper (可选)
always-on-ai-assistant hero image

快速开始

“始终在线”的 Deepseek AI 助手

一种由 Deepseek-V3、RealtimeSTT 和 Typer 提供支持的始终在线 AI 助手模式,专为工程师设计。

请查看演示,我们将带您逐步体验这款始终在线的 AI 助手。

ada-deepseek-v3.png

设置

  • cp .env.sample .env
    • 使用您的密钥更新 .env 文件:DEEPSEEK_API_KEYELEVEN_API_KEY
  • uv sync
  • (可选)安装 Python 3.11(uv python install 3.11

命令

基础助手聊天界面

更多详情请参阅 main_base_assistant.py。 启动与基础助手的对话式聊天会话:

uv run python main_base_assistant.py chat

Typer 助手对话命令

更多详情请参阅 main_typer_assistant.pymodules/typer_agent.pycommands/template.py

  • --typer-file: 包含 Typer 命令的文件
  • --scratchpad: 您和助手之间的活动记忆
  • --mode: 决定助手如何处理命令:('default', 'execute', 'execute-no-scratch')。
  1. 唤醒助手
uv run python main_typer_assistant.py awaken --typer-file commands/template.py --scratchpad scratchpad.md --mode execute
  1. 与助手交谈 试试这个:“你好!Ada,ping 一下服务器,等待响应”(请确保清晰地发音“Ada”)

  2. 查看草稿板中的命令 打开 scratchpad.md,即可看到生成的命令。

助手架构

更多详情请参阅 assistant_config.yml

Typer 助手

更多详情请参阅 assistant_config.yml

  • 🧠 大脑:Deepseek V3
  • 📝 工作(提示):prompts/typer-commands.xml
  • 💻 活动记忆(动态变量):scratchpad.txt
  • 👂 耳朵(语音识别):RealtimeSTT
  • 🎤 口舌(文本转语音):ElevenLabs

基础助手

更多详情请参阅 assistant_config.yml

  • 🧠 大脑:ollama:phi4
  • 📝 工作(提示):
  • 💻 活动记忆(动态变量):
  • 👂 耳朵(语音识别):RealtimeSTT
  • 🎤 口舌(文本转语音):本地

资源

常见问题

相似工具推荐

stable-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。 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。

162.1k|★★★☆☆|昨天
开发框架图像Agent

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

140.4k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

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。 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。 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。

107.7k|★★☆☆☆|3天前
开发框架图像Agent

Deep-Live-Cam

Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具,用户仅需一张静态照片,即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点,让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界,更因其极简的操作逻辑(仅需三步:选脸、选摄像头、启动),广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换,还是制作趣味短视频和直播互动,Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力,支持口型遮罩(Mouth Mask)以保留使用者原始的嘴部动作,确保表情自然精准;同时具备“人脸映射”功能,可同时对画面中的多个主体应用不同面孔。此外,项目内置了严格的内容安全过滤机制,自动拦截涉及裸露、暴力等不当素材,并倡导用户在获得授权及明确标注的前提下合规使用,体现了技术发展与伦理责任的平衡。

88.9k|★★★☆☆|今天
开发框架图像Agent

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。

87.6k|★★☆☆☆|昨天
开发框架语言模型

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。

85k|★★☆☆☆|昨天
图像数据工具视频