FatihMakes/Mark-LIII

解决的问题

Mark LIII 是一个跨平台的个人AI助手，旨在提供免提、实时的语音交互和系统控制。它利用 Gemini Live API，无需订阅即可实现，让用户在保持数字自主权的同时，通过语音命令控制 Windows、macOS 和 Linux 计算机。

工作原理

该项目使用 Gemini 3.1 Flash Live 引擎实现低延迟音频流和对话。它具备本地唤醒词检测器（"Hey Jarvis"），在设备上处理音频，以确保隐私并降低云成本。系统采用模块化架构，技能和插件是自描述文件，无需修改核心代码即可添加新功能。它还实现了基于本地搜索的记忆系统，用于存储和回忆个人事实，而不会使系统提示臃肿。

适用人群

希望获得高度可定制、语音驱动的AI助手，能够控制操作系统、管理文件，并与各种网络服务集成，而无需依赖付费订阅服务的用户。

主要亮点

• 免提控制：本地“Hey Jarvis”唤醒词检测，支持自动休眠功能。
• 系统集成：可启动应用程序、调整系统设置（音量、亮度、WiFi），并管理文件，支持可撤销操作的“撤销”功能。
• 可扩展插件系统：只需将 .py 文件放入 plugins 文件夹，即可添加新技能。
• 视觉感知：实时屏幕捕获和摄像头视觉功能已集成到 Gemini 会话中。
• 持久记忆：具备专用UI面板的本地记忆存储，用于管理存储的事实。
• 低延迟：由 Gemini 3.1 Flash Live 驱动，实现更快的首字响应时间。
• 跨平台：原生支持 Windows、macOS 和 Linux，具备针对不同操作系统的依赖处理能力。