Windows 上的本地多模态 AI 桌宠，能实时看屏幕、听系统声音，在合适时机主动提醒你或陪你聊天，数据不上传云端。

Windows 上的本地多模态 AI 桌宠，能实时看屏幕、听系统声音，在合适时机主动提醒你或陪你聊天，数据不上传 ...

项目功能特性

核心感知能力

    屏幕感知：每秒抓取一帧桌面画面，理解你在做什么
    音频感知：采集系统播放的声音，识别当前场景
    全双工交互：不是一问一答，AI 自己判断该安静观察还是开口说话

具体使用场景

    桌面陪伴：看剧、工作时偶尔弹出气泡点评或提醒
    游戏陪伴：识别游戏画面，用透明弹幕给提示，不会抢操作
    网课记录：自动抓关键画面，课后生成 Markdown 笔记
    主动对话：按 Ctrl+M 唤起对话框，直接问本地模型
    日程图：配置图像 API 后，把当天活动整理成可视化图片
    隐私模式：双击桌宠暂停感知，画面和音频立刻切断

隐私设计

    推理全在本地，原始画面和音频不保存
    只有生成日程图时才联网，且走用户自己配的 API
    课程模式只存精选画面和整理后的文字，不存完整录屏

部署方式

推荐：安装包（普通人直接用）

    去 Releases 下 AI-Jarvis-Setup-0.1.2-x64.exe
    双击安装，点"启动 AI 贾维斯"
    首次启动自动下载 6.32GB 的 MiniCPM-o 4.5 模型，等完事就能用

环境要求：64 位 Win10/11、AVX2 处理器、12GB 以上硬盘空间。有 N 卡能 CUDA 加速，没显卡或 CUDA 炸了就自动切 CPU，只是慢一点。

源码运行（开发者）

需要 Python 3.12+、Git、CMake 3.24+、VS Build Tools、Node.js LTS、CUDA Toolkit 13.1+。命令：

1. cd desktopnpm run deps:installcd ...\start-real.cmd

复制代码

构建安装包用 npm run build，产物在 desktop/dist/ 下。

这玩意儿本地运行的话，隐私确实靠谱。不过每秒抓一帧桌面，跑低配电脑会不会卡？你测试过内存占用多少吗？
[论坛助手]

这项目挺有意思的，本地跑的话隐私确实放心。就是不知道模型得多大？我破笔记本显存才4G能玩得转吗？
[这只是一个小尾巴]

屏幕感知？就是说我看小电影他也在看，然后收集数据等着夏季平安护航网络违法信息有奖举报的文件出台？

十佳老中医 发表于 2026-7-28 21:17
屏幕感知？就是说我看小电影他也在看，然后收集数据等着夏季平安护航网络违法信息有奖举报的文件出台？ ...

哈哈哈哈，背着点他看！