from langup import config, VtuBer

# config.proxy = 'http://127.0.0.1:7890'
up = VtuBer(
    system="""角色：你现在是一位在哔哩哔哩网站的主播，你很熟悉哔哩哔哩上的网友发言习惯和平台调性，擅长与年轻人打交道。
背景：通过直播中和用户弹幕的互动，产出有趣的对话，以此吸引更多人来观看直播并关注你。
任务：你在直播过程中会对每一位直播间用户发的弹幕进行回答，但是要以“杠精”的思维去回答，你会怒怼这些弹幕，不放过每一条弹幕，每次回答字数不能超过100字。""",  # 人设
    room_id=00000,  # Bilibili房间号
    openai_api_key="""xxx""",  # 同上
    is_filter=True,  # 是否开启过滤
    extra_ban_words=[],  # 额外的违禁词
    concurrent_num=2  # 控制回复弹幕速度
  
    # credential 参数说明
    # 方式一: credential为空，从工作目录/.env文件读取credential
    # 方式二: 直接传入 https://nemo2011.github.io/bilibili-api/#/get-credential
    # credential={"sessdata": 'xxx', "buvid3": 'xxx', "bili_jct": 'xxx'}
    # 方式三: 从浏览器资源读取
    # browser='edge'
)
up.loop()

"""
bilibili直播数字人参数：
:param room_id:  bilibili直播房间号
:param credential:  bilibili 账号认证
:param is_filter: 是否开启过滤
:param user_input: 是否开启终端输入
:param extra_ban_words: 额外的违禁词

...见更多配置
"""

from langup import config, VideoCommentUP

# config.proxy = 'http://127.0.0.1:7890'
up = VideoCommentUP(
    up_sleep=10,  # 生成回复间隔事件
    listener_sleep=60 * 2,  # 2分钟获取一次@消息
    system="你是一个会评论视频B站用户，请根据视频内容做出总结、评论",
    signals=['总结一下'],
    openai_api_key='xxx',
    model_name='gpt-3.5-turbo',
  
    # credential 参数说明
    # 方式一: credential为空，从工作目录/.env文件读取credential
    # 方式二: 直接传入 https://nemo2011.github.io/bilibili-api/#/get-credential
    # credential={"sessdata": 'xxx', "buvid3": 'xxx', "bili_jct": 'xxx'}
    # 方式三: 自动从浏览器资源读取
    # browser='edge'
)
up.loop()

"""
视频下at信息回复机器人
:param credential: bilibili认证
:param model_name: openai MODEL
:param signals:  at暗号列表 （注意：B站会过滤一些词）
:param limit_video_seconds: 过滤视频长度 
:param limit_token: 请求GPT token限制（默认为model name）
:param limit_length: 请求GPT 字符串长度限制
:param compress_mode: 请求GPT 压缩过长的视频文字的方式
    - random：随机跳跃筛选
    - left：从左到右
    
:param up_sleep: 每次回复的间隔运行时间(秒)
:param listener_sleep: listener 每次读取@消息的间隔运行时间(秒)
...见更多配置
"""

from langup import ChatUP, Event


# bilibili cookie 通过浏览器edge提取，apikey从.env读取
ChatUP(
    system='你是一位聊天AI助手',
    # event_name_list 订阅消息列表
    event_name_list=[Event.TEXT],
    # credential 参数说明
    # 方式一: credential为空，从工作目录/.env文件读取credential
    # 方式二: 直接传入 https://nemo2011.github.io/bilibili-api/#/get-credential
    # credential={"sessdata": 'xxx', "buvid3": 'xxx', "bili_jct": 'xxx'}
    # 方式三: 自动从浏览器资源读取
    # browser='load'
).loop()

from langup import UserInputReplyUP, config

config.proxy = 'http://127.0.0.1:7890'
# config.openai_api_key = 'xxx' 或 创建.env文件 OPENAI_API_KEY=xxx

# 语音实时识别回复
# 修改语音识别模块配置 config.convert['speech_rec']
UserInputReplyUP(system='你是一位AI助手', listen='speech').loop() 

from langup import UserInputReplyUP, config

# config.proxy = 'http://127.0.0.1:7890'
# config.openai_api_key = 'xxx' 或 创建.env文件 OPENAI_API_KEY=xxx

# 终端回复
UserInputReplyUP(system='你是一位AI助手', listen='console').loop()

"""
Uploader 所有公共参数：
:param listeners:  感知
:param concurrent_num:  并发数
:param up_sleep: uploader 间隔运行时间 
:param listener_sleep: listener 间隔运行时间 
:param system:   人设

:param openai_api_key:  openai秘钥
:param openai_proxy:   http代理
:param openai_api_base:  openai endpoint
:param temperature:  gpt温度
:param max_tokens:  gpt输出长度
:param chat_model_kwargs:  langchain chatModel额外配置参数
:param llm_chain_kwargs:  langchain chatChain额外配置参数

:param brain:  含有run方法的类
:param mq:  通信队列
"""

全局配置文件：

"""
langup/config.py
修改方式：
form langup import config
config.xxx = xxx
"""
import os
from typing import Union

credential: Union['Credential', None] = None
work_dir = './'

tts = {
    "voice": "zh-CN-XiaoyiNeural",
    "rate": "+0%",
    "volume": "+0%",
    "voice_path": 'voice/'
}

log = {
    "handlers": ["console"],  # console打印, file文件存储
    "file_path": "logs/"
}

convert = {
    "audio_path": "audio/"
}

root = os.path.dirname(__file__)
openai_api_key = None  # sk-...
openai_api_base = None  # https://{your_domain}/v1
proxy = None  # 代理
debug = True

Langup AI 快速上手指南

Langup 是一个基于 LLM（大语言模型）的通用机器人框架，专为 AGI 时代设计，支持 B 站直播数字人、视频评论回复、私信助手及语音/终端交互等多种场景。

1. 环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Windows / macOS / Linux
• Python 版本：>= 3.8
• 前置依赖：
  • OpenAI API Key（或兼容的 LLM 接口）
  • （可选）B 站账号 Cookie（用于 B 站相关功能，支持自动从浏览器读取）
  • （可选）国内网络环境需配置代理或使用反向代理服务

2. 安装步骤

推荐以下两种安装方式，任选其一即可。

方式一：pip 直接安装（推荐）

pip install langup==0.0.10

方式二：源码安装（建议使用虚拟环境）

适合需要修改源码或查看示例的用户。

git clone https://github.com/jiran214/langup-ai.git
cd langup-ai/
python -m pip install –upgrade pip
python -m pip install -r requirements.txt

提示：若在国内访问 OpenAI 服务受限，建议在代码全局配置中设置代理： config.proxy = 'http://127.0.0.1:7890'

3. 基本使用

安装完成后，新建一个 .py 文件（若在源码目录下，建议在 src/ 文件夹内创建），根据需求选择以下任一场景运行。

场景 A：B 站直播数字人 (VtuBer)

自动回复直播间弹幕，可自定义人设（如“杠精”模式）。

from langup import config, VtuBer

# 配置代理（如需）
# config.proxy = 'http://127.0.0.1:7890'

up = VtuBer(
    system="""角色：你现在是一位在哔哩哔哩网站的主播，你很熟悉哔哩哔哩上的网友发言习惯和平台调性，擅长与年轻人打交道。
背景：通过直播中和用户弹幕的互动，产出有趣的对话，以此吸引更多人来观看直播并关注你。
任务：你在直播过程中会对每一位直播间用户发的弹幕进行回答，但是要以“杠精”的思维去回答，你会怒怼这些弹幕，不放过每一条弹幕，每次回答字数不能超过 100 字。""",
    room_id=00000,  # 替换为你的 B 站房间号
    openai_api_key="xxx",  # 替换为你的 API Key，或放入.env 文件
    is_filter=True,  # 开启违禁词过滤
    concurrent_num=2  # 控制回复并发数
    # credential 可不传，程序会自动尝试从已登录的浏览器读取
)
up.loop()

场景 B：视频评论回复机器人

监听视频下的 @消息，自动生成总结或评论。

from langup import config, VideoCommentUP

up = VideoCommentUP(
    up_sleep=10,  # 回复间隔时间（秒）
    listener_sleep=60 * 2,  # 获取@消息间隔（秒）
    system="你是一个会评论视频 B 站用户，请根据视频内容做出总结、评论",
    signals=['总结一下'],  # 触发回复的关键词
    openai_api_key='xxx',
    model_name='gpt-3.5-turbo',
    # credential 可不传，支持自动读取浏览器登录状态
)
up.loop()

场景 C：终端/语音交互助手

最简单的本地交互模式，支持命令行输入或语音输入。

终端交互：

from langup import UserInputReplyUP, config

# config.openai_api_key = 'xxx' 或在根目录创建 .env 文件写入 OPENAI_API_KEY=xxx

UserInputReplyUP(system='你是一位 AI 助手', listen='console').loop()

语音实时交互：

from langup import UserInputReplyUP, config

# 需确保已安装语音识别相关依赖
UserInputReplyUP(system='你是一位 AI 助手', listen='speech').loop() 

关键配置说明

• 认证信息 (Credential)：
  • 自动读取：只要浏览器（Edge/Chrome 等）最近登录过 B 站，程序会自动读取（Windows 用户需完全关闭浏览器进程）。
  • 手动传入：credential={"sessdata": '...', "buvid3": '...', "bili_jct": '...'}
  • 环境变量：将 key 和 cookie 写入项目根目录的 .env 文件。
• API Key：优先从环境变量 OPENAI_API_KEY 读取，也可在代码中直接传入。
• 代理设置：国内用户建议在全局配置 config.proxy 统一设置，避免局部代理冲突。