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。

七夏尊888 · 2026-7-28 20:18:32

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：

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。

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。

回复

相关帖子

晨曦初露

QQ用户

有头有脸

快捷访问

附加功能

关于我们

关注我们