FatihMakes/Mark-LI

解决的问题

Mark LI 是一个跨平台个人 AI 助手，旨在作为用户的数字延伸，通过实时语音和视觉交互，提供无需手动操作的计算机控制和日常任务管理方式。它通过一个简单的插件系统，让用户能够轻松添加新功能，无需持续进行手动配置。

工作原理

基于 Gemini Live API 构建，该助手使用原生音频流实现低延迟对话和情感化交互，能够感知用户语音中的情绪。它采用插件架构，用户只需将 .py 文件放入特定文件夹，即可添加新技能，而无需修改核心引擎。系统结合实时屏幕捕捉和摄像头视觉，与一系列内置操作（系统控制、网络搜索、应用管理）集成，全部通过基于 PyQt6 的 HUD 进行管理。

适用人群

寻找类似 JARVIS 风格的 AI 助手，能够控制其操作系统（Windows、macOS、Linux），并通过语音、视觉和可扩展插件融入日常工作的用户。

主要亮点

• 插件系统：通过将单个 Python 文件放入插件文件夹即可添加新技能，内置崩溃隔离机制。
• 情感化对话：根据用户语音中检测到的情绪自动调整语气。
• 主动音频识别：可区分直接指令与背景对话，避免误触发。
• 系统控制：通过语音控制硬件设置（音量、亮度）、应用程序启动和桌面管理。
• 视觉感知：实时屏幕和摄像头画面输入到 Gemini 会话中，提供视觉上下文。
• 无限会话：使用滑动窗口上下文压缩技术，保持长时间对话不丢失上下文。