FatihMakes/Mark-LIII

解決的問題

Mark LIII 是一個跨平台的個人AI助理，旨在提供免手操作、即時語音互動與系統控制。它利用 Gemini Live API，無需訂閱即可實現，讓使用者在保持數位自主權的同時，透過語音指令控制 Windows、macOS 和 Linux 電腦。

工作原理

本專案使用 Gemini 3.1 Flash Live 引擎實現低延遲音訊串流與對話。它具備本地喚醒詞偵測器（"Hey Jarvis"），在裝置上處理音訊，以確保隱私並降低雲端成本。系統採用模組化架構，技能與外掛是自我描述的檔案，無需修改核心程式碼即可新增功能。它還實作了基於本地搜尋的記憶系統，用於儲存與回憶個人事實，而不會使系統提示過於臃腫。

適用對象

尋找高度可客製化、語音驅動的AI助理，能控制作業系統、管理檔案，並與各種網路服務整合，而無需依賴付費訂閱服務的使用者。

主要特色

• 免手操作：本地「Hey Jarvis」喚醒詞偵測，支援自動休眠功能。
• 系統整合：可啟動應用程式、調整系統設定（音量、亮度、WiFi），並管理檔案，支援可撤銷操作的「取消」功能。
• 可擴展外掛系統：只需將 .py 檔案放入 plugins 資料夾，即可新增技能。
• 視覺感知：即時螢幕擷取與攝影機視覺功能已整合至 Gemini 會話中。
• 持久記憶：具備專用UI面板的本地記憶儲存，可用於管理儲存的事實。
• 低延遲：由 Gemini 3.1 Flash Live 驅動，實現更快的首字回應時間。
• 跨平台：原生支援 Windows、macOS 和 Linux，具備針對不同作業系統的相依性處理能力。