FatihMakes/Mark-LI

解決的問題

Mark LI 是一個跨平台個人 AI 助手，旨在作為使用者的數位延伸，透過即時語音與視覺互動，提供免手動操作的電腦控制與日常任務管理方式。它透過簡單的外掛系統，讓使用者能輕鬆新增功能，無需持續進行手動設定。

工作原理

基於 Gemini Live API 建構，該助手使用原生音訊串流實現低延遲對話與情感化互動，能夠感知使用者語音中的情緒。它採用外掛架構，使用者只需將 .py 檔案放入特定資料夾，即可新增技能，無需修改核心引擎。系統結合即時螢幕擷取與攝影機視覺，與一系列內建操作（系統控制、網路搜尋、應用程式管理）整合，全部透過基於 PyQt6 的 HUD 進行管理。

適用對象

尋找類似 JARVIS 風格的 AI 助手，能控制其作業系統（Windows、macOS、Linux），並透過語音、視覺與可擴展外掛融入日常工作的使用者。

主要亮點

• 外掛系統：透過將單一 Python 檔案放入外掛資料夾即可新增技能，內建崩潰隔離機制。
• 情感化對話：根據使用者語音中偵測到的情緒自動調整語氣。
• 主動音訊識別：可區分直接指令與背景對話，避免誤觸發。
• 系統控制：透過語音控制硬體設定（音量、亮度）、應用程式啟動與桌面管理。
• 視覺感知：即時螢幕與攝影機畫面輸入至 Gemini 會話中，提供視覺上下文。
• 無限會話：使用滑動視窗上下文壓縮技術，保持長時間對話不遺失脈絡。