## 一、前言 之前聊了三篇了。Embedding 搜索、Reranker 精排、向量索引加速。文本侧的 RAG 管线基本捋顺了。但有读者问了一个现阶段我还没法回答的问题：**小落同学能不能听懂人话？** 不是 NLP 层面的”理解”，是物理意义上的。你对着手机说一句话，它翻译成另一种语言，再读出来。实时的那种。 小落同学目前跑在一台十年前的笔记本和一台 99 块的 ECS 上，2GB 内存，纯 CPU。这个硬件跑 Whisper 语音识别？想都不用想。但手机就不一样了——现在的 Android 手机，哪怕是个中端机，也塞了 8GB 内存和一堆 NPU/DSP 加速单元。 RTranslator 就是干这个的。开源的，离线的，实时的，一个 Android 翻译 App。翻译用 Meta 的 NLLB，语音识别用 OpenAI 的 Whisper。全在手机上跑，不联网，没服务器。 RTranslator 在 GitHub 上 10k+ stars 了，v2.1.5 已经发了，v3.0 还在搞。这篇就是想看看它能不能帮小落同学实现同声传译——能不能把手机变成小落同学的耳朵和嘴巴。 ## 二、方案介绍 先把概念拉出来： | 概念 […]
XiaoMATE
34 posts
一、前言 半个多月前，计划着给我的小落同学做个改版，当时的目标是在一张消费级3060的GPU上跑全套虚拟人ASR+TTS+3DAvatar。 当时是计划着搞一台电脑，再去买一张3060的GPU，然后在上面跑全套的KWS+ASR+TTS+3DAvatar，但是后来想想现在去买3060实在有点过时，而如果要买新的50系列的卡呢又实在太贵，犹豫了几天后啥也没买，然后五一假期就到了。 于是，没办法，我只能继续在我这台10年前的老笔记本上折腾。于是，整个五一我就门也没出，一个人在家折腾这个东西了。于是，经过几天的折腾，现在终于有一个基础版本了。 市面上各种虚拟人方案多如牛毛，但是基本上清一色都需要GPU，咱买不起带GPU的电脑，所以自己手搓了这么一个方案。 简单汇总一下小落同学的优点如下： 百度网盘下载地址：https://pan.baidu.com/s/1y7ifkopK5ZesSgPUqxTY5A?pwd=vifz 提取码: vifz 二、先看效果 不废话，先直接看效果。简单录了两个视频, 一个是纯文本交互模式的, 另一个是全语音交互模式。 1. 在99元/年的2H2G阿里云ECS上跑产品知识问答(文本交互) https://www.bilibili.com/video/BV1htRvBWEfM 2. 十年前老笔记本（无GPU）上可跑全套语音交互，稍卡 https://www.bilibili.com/video/BV1xfReBVEQr 三、下载安装 1. 从github代码仓库下载 仓库地址：https://github.com/oddmeta/yay 克隆代码 安装依赖 运行服务 2. Windows绿色免安装包 无需安装python环境，无法安装依赖包/下载安装模型等繁杂的操作，解压缩后即可直接运行，使用的是硅基流动的免费API。私信：MetaYAY，即可获取。 四、进阶玩法 1. 完全本地运行（可断网运行） 若要完全本地运行，需自行下载ollama，并下载模型，然后修改根目录下的环境变量配置文件.env，将模型切换为本地的ollama，然后关闭运行中的metayay，再双击start.bat重新运行。 自行搜索教程。 根据你自己的硬件配置，下载不同尺寸的模型，具体什么模型适合你的硬件，可以把自己的硬件输入进去，问一下千问、豆包、Deepseek。 打开.env文件，将下面的三个变量设置成下面这样： LLM模型： Embedding模型： 注：若有多个设置，最终实际生效的是最下面的一个。 若已有启动YAY，先关闭，然后再双击 start.bat 重新启动。 浏览器打开：http://localhost:8000 ，测试验证。 2. 更新你自己的知识库 1）偷懒的办法 直接修改现有角色的知识库。 (1) 修改角色信息 […]
前言 我从去年开始就一直在零零碎碎的自己搞一个小落同学的项目，我的目标是： 给自己做一个专属的虚拟人，把 TA 当作我自己的树洞。每天或者隔一段时间，把想说的话、想吐槽的事都告诉 TA。等哪天想咨询点什么事的时候，去问 TA，看看 TA 记住的东西多了之后，会不会比我自己还了解我。 然后今天看到一个Pika的项目，于是就去研究、学习了一下。 一、它是什么？ 当大多数 AI 厂商还在忙着卷工具的时候，Pika 突然发了条推：算了，不卷了，我们来”造人”。 2026 年 2 月，Pika 出了个叫 AI Selves 的产品。官方说法是：一个由你”孕育，培养并放手”的 AI 分身，成为你的一个活生生的延伸。 说人话就是：不是那种只会答题的聊天机器人，而是一个有记忆、会学你说话风格、能同时在好几个平台帮你跑业务的数字分身。 消息一出，科技媒体全在转。腾讯、网易、搜狐的标题都差不多——”不卷视频卷造人”。国外更热闹，评价两极分化，有人说是 AI 的下一个未来，也有人直接管这叫”AI 奴隶制”。 我看到的时候愣了一秒：这不就是我正在搞的”小落同学”吗？ 今天来扒一扒这东西，顺便对比一下我的项目。 二、怎么用？ 第一步：加入候补 现在还没全量开放，得先去官网排队： 官网入口：https://pika.me 支持 Google 账号和邮箱登录。邮箱注册可能要收个验证码，也可能直接进候补名单等通知。 第二步：设置你的分身 点 “Birth Your AI Self” 开始创建。 这一步决定你的分身有多像你： 官方原话：”一切由你决定。” 第三步：定外观 三个选项： […]
七个配置文件：SOUL、USER、AGENTS、HEARTBEAT、IDENTITY、BOOTSTRAP、TOOLS，三种使用场景：个人助手、个人知识库、数字分身（跟我的小落同学一样，复刻一个数字版本的你自己），加上 MEMORY 让你的 OpenClaw 从「傻白甜」变成「专属智能体」 很多人装了 OpenClaw，也接了飞书/Telegram，却总觉得它还是个”有记忆的 ChatGPT”——每次对话像在和陌生人聊天。 其实决定 AI 智商的，不是插件有多少，而是藏在 ~/.openclaw/workspace/ 目录下的 7 个 Markdown 文件。 这篇文章带你从零搞懂这套配置体系，并用个人助手、个人知识库、数字分身三个场景，手把手教你配置。 一、前言 OpenClaw 是 2026 年最火的开源 AI Agent 框架之一，GitHub 星标突破 25 万。它的核心理念是：AI 不应该是云端的黑盒，而应该跑在你自己的机器上，接入你日常使用的工具。 但问题来了——装好 OpenClaw 之后，很多人发现它和其他聊天机器人没什么区别。问什么答什么，没有主动性，不了解你的偏好，甚至每次对话都像失忆了一样。 原因很简单：你没有给它注入”灵魂”。 OpenClaw 的灵魂，藏在工作区目录下的 7 个 Markdown 文件里。搞懂它们，你的 AI 就能从”通用工具”进化成”专属搭档”。 二、方案介绍：7 个文件各管什么 OpenClaw 的工作区默认位于 ~/.openclaw/workspace/，所有配置都是纯 Markdown 文件，不需要懂代码就能编辑。 核心文件一览 文件 回答的问题 类比 […]
想不想拥有一个完全属于你自己的”小爱同学”或”小艺”？今天我来教你用开源项目 OddAgent，从零开始搭建一套智能家居意图识别系统。 一、前言 清晨，你刚睁开眼，窗帘自动缓缓拉开，温暖的阳光洒进房间。你随口说一句”我起床了”，灯光从暗淡的夜灯模式切换到柔和的晨光，咖啡机已经启动——这不是科幻电影，而是智能家居正在实现的未来。 然而，当你想要DIY一套完全可控的智能家居系统时，往往面临两难：要么选择米家、HomeKit 等封闭生态，功能受限于平台；要么自研整个系统，从设备协议到AI对话，技术门槛高得离谱。 今天要介绍的 OddAgent 项目，为我们提供了一条中间路线——它专注于意图识别，你可以对接任意品牌的设备，只需专注于实现具体的业务逻辑。 二、方案介绍 2.1 什么是 OddAgent 概念 定义 OddAgent 一个通用的意图、指令识别框架，基于 LLM 实现自然语言理解 Intent（意图） 用户想要完成的操作，如”打开客厅灯” Slot（槽位） 意图中的关键参数，如房间”客厅”、设备”灯” Tool（工具） 实际执行操作的接口，如控制灯的 API 配图 1 展示 OddAgent 识别用户语音/文字指令的流程图 OddAgent 的核心能力可以用一句话概括：“只负责听懂你要什么，不负责具体怎么干。” 它把意图识别做到极致，把功能实现交给开发者。 2.2 核心特性 2.3 为什么选择 OddAgent 对比自研 NLU 系统： 维度 自研 NLU OddAgent 开发周期 3-6 个月 1 […]
序言 想象这样一个场景：你花了半小时向 AI 助手解释你的项目架构、编码偏好和团队规范，得到了一次满意的协作体验。第二天你带着新问题回来，它却一脸茫然——「请问您的项目使用什么技术栈？」 这不是科幻，这是无数 OpenClaw「养成」过程中最常见的阵痛。 这不是科幻，这是无数 OpenClaw 用户每天都在经历的现实。 「OpenClaw 又忘了！」——这是 GitHub Issue 区最常见的抱怨。就在今年 1 月，一位开发者在 Issue #5429 中诉说了自己的遭遇：他花 45 小时与 Agent 协作积累的配置、技能集成、任务优先级，在一次静默的压缩（compaction）操作后全部消失。原因很简单：OpenClaw 在上下文窗口满载时，会自动对历史对话进行摘要和压缩，而这个过程没有任何警告。 这不是孤例。另一位用户报告说，他正在处理一个重要的代码重构任务，当对话进行到第 72 分钟时，compaction 触发了无限循环，整个 Agent 被锁死了 72 分钟。再重启时，之前的工作成果荡然无存。 本文将带你从痛点出发，遍历官方与社区方案，最终选定 lily-memory 这套「本地化 + 混合搜索 + 零成本」的方案，手把手教你从零养成 OpenClaw 的持久记忆能力。 一、前言：问题本质——三层失效 要理解 OpenClaw 为什么会「失忆」，我们需要理解它的记忆架构。在实际使用中，记忆失效发生在三个层面： 失效层一：从未存储。这是最常见的情况。用户在与 Agent 对话时，会自然地给出一些重要信息：「我习惯用 Tab 缩进」「上次那个 […]
一、前言 养了三个星期的龙虾，由于可以在手机上就能指挥它干活，相比电脑上用ClaudeCode/OpenCode或者其它IDE带来了很大的便利，但是带来便利的同时就是这家伙的胃口太好，太吃token了。 前天3月18日，阿里云与百度智能云同一天宣布涨价。阿里云涨幅最高达34%；百度智能云则上调约5%—30%，并行文件存储等价格上调约30%。两家云厂商均将涨价归因于“全球AI需求爆发”。 腾讯云一周前已宣布上调两款自研模型Tencent HY2.0 Instruct和Tencent HY2.0 Think的价格，上涨463%。同时，腾讯云结束对GLM 5、MiniMax 2.5、Kimi 2.5 三款模型的免费公测，转为正式商用服务。 1、阿里云百炼 阿里云百炼 Coding plan套餐：https://bailian.console.aliyun.com/cn-beijing 前两天还有7.9元和39.9元的coding plan套餐，当时只是没抢到。 现在你再打开阿里云百炼的 Coding plan，会发现原先的7.9元和39.9元的两个套餐已经没有了，只剩下那个200元的套餐了。 2、百度云 百度千帆 Coding plan套餐：https://console.bce.baidu.com/qianfan/resource/subscribe 同阿里云百炼，40元的套餐已经买不到，只有200元的套餐还可以买。 二、寻找各种可白嫖的API Token方案 网上一搜免费API，你会发现：卧草，各种可以白嫖的API，什么Googe Gemini，OpenRouter， Nvidia的，但是我试了一下，在国内Gemini和Nvidia都无法使用，创建了API后，直接报401。 OpenRouter的可以用，但是额度太少，像我的小落同学的使用场景，三两下就把额度花完了。 最后找到OpenCode Zen的方案，目前是给小落同学还有我本机的OpenClaw给配置上去了。 三、如何白嫖OpenCode Zen的API token 步骤很简单：注册账号，复制自动创建的API Key，选择免费模型并测试，配置到你的OpenClaw。 1. 注册并登录OpenCode账号 登录你的OpenCode账号（如果还没有的话，那就注册一个），然后点击上面菜单项中的 Zen，或者直接打开链接：https://opencode.ai/zen ，Get Started With Zen, 进入你的workspace，这个时候opencode就已经给你自动创建了一个api key。如： 2. […]
前言：我想玩龙虾，但我不想掏钱 最近，OpenClaw 这个项目火遍了圈子，我也迫不及待地在自己的电脑上部署了一套，想让它成为我的 24 小时智能助理，也顺便想学习一下看看能给我的小落同学带来一些什么样的新思路。 然而，兴奋劲还没过，我就遇到了一个尴尬的现实问题：想要让它具备“联网搜索”能力，官方推荐的方案大多需要注册 API Key，要么有严格的免费额度限制，要么就得绑卡付费。 作为一个只想在本地跑跑实验、查查资料，既不想注册一堆账号，更不想每个月为几个搜索请求掏腰包的人，我觉得这很不爽。我的原则很简单：既然是本地部署的开源项目，那就应该尽可能地把控制权和数据隐私掌握在自己手里，而且——必须免费！ 于是，我花了一个下午，调研了市面上所有的免费搜索方案，从阿里云百炼的免费额度，到 Tavily 的每月限额，再到 Google Serper 的试用陷阱。最终，我锁定并成功实施了一个完全免费、无需注册、纯本地运行的终极方案：DuckDuckGo + 自建 Python 脚本。 现在，我的 OpenClaw 已经可以帮我查新闻、搜论文、核实事实，而我不需要花一分钱，也不用担心配额用完。 这篇文档就是我整个折腾过程的复盘。如果你也像我一样，想用 OpenClaw 又想极致省钱，那么请跟随我的脚步，我们一起把这个“免费永动机”装上去。 1. 我的方案选型心路历程 在动手之前，我像做侦探一样对比了所有可能的路径。以下是我当时的思考过程： 方案 我的评价 为什么我没选它？ A. 阿里云百炼/百度等大厂 API 稳定是稳定，但太麻烦。 我得注册账号、实名认证、创建应用、获取 Key。而且免费额度用完了怎么办？还要绑定支付宝？算了，太重了。 B. Tavily / Serper 等专用 API 专为 AI 设计，很好用。 每月只有几百次免费调用。对于我这种喜欢让 Agent 疯狂测试的人来说，两天就爆表了。还得时刻盯着配额，心累。 C. […]
一、前言 前前后后的给小落同学加了许多的MCP。 但是这些功能之前一直在我本地的小落同学上跑，部署在阿里云ECS上的小落同学因为买的ECS配置太低（99元一年的2H2G特惠主机）跑不动，这个周末在家没事做，想想是不是干脆用frp让公网上的小落同学也可以把这些MCP也都给支持起来。 所以这个周末的任务就是：把原先一直在我本地电脑上跑的小落同学的MCP Server部署到公网，并让阿里云上的小落同学来访问和使用。 目前小落同学支持的MCP包括： 既然想了，那不管有没有人用小落同学，咱先给它配上去再说。 二、MCP Server可配置化 1. 新增ODDMCP配置 在小落同学的.env环境变量里新增mcp相关环境变量配置 2. 同步调整MCP Server和MCP Client中与MCP相关的配置 把原先固定的localhost的地址，改成从环境变量中获取。 1）代码：oddmcp_server.py 2）代码：oddmcp_client.py 3）代码：oddmcp_status_callback.py 4）oddagent 同步的时候发现几个新的MCP Server功能还没同步到小落同学上的oddagent，也顺手改了一下。 三、利用frp来做跳转 ODDMCP用了两个端口，一个是MCP Server所绑定的9600端口，另一个是每个在MCP运行过程中的一些实时进展状态回调时所使用的redis。 1. 客户端配置 代码：frpc-https.toml 杀掉并重新启动 frpc 2. 服务端口配置 客户端修改并新增了这两个端口，并且重启了frpc之后，先到ECS服务器端查看一下，端口状态是否都正常。 如果都有正常绑定了，说明frp已经可以工作了。 需要注意的是：服务绑定地址应该是 0.0.0.0:9600，而不是 127.0.0.1:9600（后者只允许本地访问）。 四、阿里云ECS配置 配置好frp后，还需要让阿里云ECS放行这两个端口。 1. 修改ECS安全组配置 打开浏览器，登录阿里云控制台，进入安全组配置，并在其中新增、放行9600和63579这两个TCP的端口。 阿里云控制台上的功能比较多，不常用的话，可能要找地址找半天。由于忘记功能名字了，搜索也不好搜索，呵呵。 为方便记录，特把安全组的链接地址也贴一下：https://ecs.console.aliyun.com/securityGroup/region/cn-shanghai 2. 放行防火墙 打开xshell，ssh登录上ECS服务器，查看是否放行 9600/tcp 如果是centos/openEuler操作系统： […]
一、前言 昨天用OpenCode Desktop做了下书签管理的SKILL，今天就想去看看这个“早就想去看看的”、“国内第一个支持SKILL”的扣子。 于是，今天我就把昨天在Open Code Desktop上做的事情原封不动的在扣子上做了一遍。下面的完整的过程。 具体的SKILL的原理什么的我就不讲了，网上随处可见，咱们来实操。 为省流，直接上结论： 总的来说，单纯对于我这个书签管理功能来说，生成的SKILL的确还可以，但是SKILL描述和references还是需要自己仔细分析一下改一下。 除此之外，简单列一下我个人的一点经历和看法 也为扣子加一把油，为国内的开发者搭建了一个更好的平台和环境。 二、在扣子上创建skill 1. 创建skill 进入扣子网站（ www.coze.cn ），输入提示词如下： 快速出了一个版本，但是自测验证报错，但是扣子会自己修改代码重测。a little monments later（约二十来分钟），终于完成。 2. 上传skill 作为一个懒人，只想动嘴，不想动手，所以第一个尝试是让扣子直接把它写好的这个skill安装到扣子上。 1）自动安装：失败 但是，扣子实际上只是给了一个帮助文档，还是让我自己上传安装。 那好吧，那我先下载一下扣子生成的skill及代码。 2）手动安装：成功 下载下来后，到扣子技能商店：https://www.coze.cn/skills?tab=my 然后点击右上角的“创建技能”，把下载下来的这个zip文件上传，扣子就会自动按照标准流程帮你适配这个 Skill。 但是扣子会将原先的 MCP 服务器实现重写为纯函数式工具，这说明扣子不会在上面自己开一个MCP Server来让Skill调用。 3. 部署Skill 点击右上角的“部署”按钮，跳过变量设定，秒级完成部署。 三、Skill的使用 通过上面的步骤，我的扣子版的书签管理Skill就完成了，并且可以直接在扣子上使用了。使用方法也很简单，在聊天框里输入 @ ，然后在跳出来的选项框里选择技能，技能列表里会包括所有你安装的和创建的技能列表，在那里选择“书签管理技能”。 四、进一步完善 希望收藏下来的文章的可以按我的要求来命名文件，保存的路径，以及图片的路径，那就让它再来改一下吧。 最后，扣子再输出了一版SKILL，并简单测试了一下包括新浪新闻，今日头条，CSDN，博客园，知乎等网站的文章都可成功抓取。收工！ 五、完整代码 考虑到未来SKILL无限的可能性，我准备再建一个仓库，然后把一些自己实现的SKILL都放到这个仓库里。今天的扣子版本的书签功能的SKILL是第一个。 仓库地址： https://github.com/oddmeta/odd-skills 感兴趣的大佬可以直接到这里下载完整的代码。也可私信我，我发你。