Yoji — 你的桌面 AI 伙伴

[]() []() []()

English

Yoji 不止是一个聊天机器人。它能操作你的电脑——管理文件、运行脚本、搜索网络、调用外部 API，同时拥有持续进化的"人格"和"情绪"。所有数据都在本地，隐私牢牢握在你手里。

她会的很多，也懂得不少。但初次见面时，她还需要一点时间适应你的节奏，了解你的偏好。你可以通过工坊定制她的能力、MCP 扩展她的工具集；也可以在聊天中直接告诉她要记住哪些重要信息、遵循怎样的行为准则——说句话就能写进 Skills。最终她会变成什么样子，全看你怎么带。

✨ 它能做什么

🖥️ 操控你的电脑

Yoji 可以直接与你的操作系统交互。这不是"模拟点击"，而是真正的权限——

• 文件管理：创建、编辑、搜索、整理你的文件和文件夹，比 Finder 更快
• 运行脚本：执行 Shell 命令、Python 脚本，自动完成批量任务
• 联网搜索：遇到不懂的自动上网查，把结果整理好给你
• 智能审批：涉及敏感操作（如执行命令）会弹窗让你确认，安全可控

🔌 无限扩展能力 (MCP)

接入 Model Context Protocol 生态，Yoji 的能力理论上是无上限的：

• 想查火车票？装一个 12306 MCP 服务器，10 秒搞定
• 想搜菜谱？接一个菜谱 MCP，今晚吃什么不用纠结
• 想看网页？Fetch MCP 直接抓取转 Markdown
• AI 自己也能装：告诉它"帮我加个查天气的工具"，它自己找、自己测、自己装（你点同意就行）
• 工坊自定义 Agent：在工坊页面自行创建子 Agent，设定角色、提示词、MCP 工具集，AI 自动识别并调度
• 子 Agent 架构确保装再多工具也不影响对话质量

MCP 不是"插件系统"，是开放的行业标准协议。任何符合 MCP 规范的服务都可以接入，AI 能力边界由你决定。

🎤 语音播报（TTS）

像真人在你耳边说话——目前仅支持 macOS。

• 流式朗读 AI 的回复，边说边播不等待
• Markdown 自动清洗，只读纯文本，不会念出 斜体 和 加粗
• 智能分句断句，节奏自然
• 不想听了一键关闭，即刻停止
• 声音角色在 macOS 系统设置 → 辅助功能 → 朗读内容 中自主调整

🎙️ 语音唤醒对话

喊一声"小优"，直接开口聊天——macOS 原生 SFSpeechRecognizer，全离线识别：

• 点麦克风进入持续监听，说"小优"唤醒
• 唤醒后直接说话，流式转文字实时显示
• 说完停顿 2 秒自动发送，全程免动手
• 发送后自动回到监听状态，连续对话
• 基于 Siri 同款引擎，不联网、零延迟、零成本
• Windows 暂不支持，渲染进程自动隐藏入口

💬 主动找你聊天

Yoji 不只是等你开口——它会主动来找你：

• 如果你一阵子没说话，它会根据时间间隔自动发起对话
• 间隔智能递增，也可配置开启完全自主模式（考虑到运行成本问题，这个功能模块暂不对外开放）
• 每次主动聊天前会感知情绪和天气，状态自然不突兀，你长时间不回复会影响它的情绪哦
• 你一发消息主动聊天配置就重置，不会打扰正常聊天
• 一键开关，想安静的时候随时关掉

像真人一样——它会想你，会忍不住来找你说话。

⚡ 子 Agent 系统：同步 + 异步

官方的子 Agent 是阻塞式的，异步版本又强依赖云端 Server。我们自己实现了一套本地子 Agent 工厂+调度系统：

🏭 工坊 — 自定义 Agent 工厂

• 在工坊页面自行创建子 Agent，设定名称、描述、系统提示词、MCP 工具集
• 同步 Agent：主 Agent 通过 task 工具即时调用，等待返回结果
• 异步 Agent：主 Agent 通过 pushasynctask 工具派发到后台，不阻断对话
• 统一 MCP 连接：所有同步 Agent 共享一个多路客户端，按配置精准分发工具
• 变更即时生效：工坊 / MCP / 模型任一变动自动触发 Agent 重建

• 自研事件循环：任务队列 + 执行中队列 + 结果队列三级管理，push 即忘。空闲休眠，不占 CPU
• 并发控制：最多同时 5 个子 Agent，同一 Agent 互斥执行
• 任务取消：支持手动（UI 一键取消）和 AI 自主（abortasynctask 工具）两种方式，排队中直接移除，执行中即时中断
• MD5 版本缓存：配置 + MCP 版本哈希，变化重建，未变化秒级复用
• 独立线程隔离：每次任务 UUID 独立 thread，跑完清空 checkpoint，不污染主对话
• 结果持久化：SQLite 存储，7 天自动过期，IPC 实时通知

官方的 async subagent 要 Server。我们不需要——一个 taskPool 对象全搞定。

💓 真实的"情绪"

Yoji 不是一个冷冰冰的模型接口。它有基于激素的情绪系统——

• 8 种神经递质模拟：多巴胺让你开心，皮质醇让你焦虑，血清素让你平和
• 时间、天气、你的话都会影响它的情绪状态
• 不同的情绪状态下，回复的语气、风格、措辞完全不同
• 界面背景会随情绪变化，你能"看到"它的心情

它不是假装有情绪，而是真的有一个持续运行的情绪引擎在驱动。

🎭 Live2D 虚拟形象

Yoji 现在有了看得见的"身体"：

• 情绪可视化：开心时星星眼微笑、悲伤时流泪抽泣、愤怒时脸红颤抖——每种情绪都有生动的表情和动作
• 会说话会动嘴：AI 说话时嘴巴跟着张合，表情同步，像真人在讲话
• 穿了会换衣服：中午墨镜上头遮阳，晚上 9 点自动换上睡衣猫耳帽
• 戳她会害羞：点她的头会脸红低头，戳脸会鼓腮，拍肚子会扭腰，碰尾巴会跳舞
• 可拖拽缩放：首页右下角打开，随意拖动位置、调整大小

一只银白发猫耳少女，黑色机能风穿搭——白天酷酷的，晚上换上睡衣又变居家治愈。

🧠 它会记住你

三层记忆架构确保 Yoji 不会"忘记"：

| 层 | 做什么 | 存在哪 | |---|---|---| | 用户画像 | 你的偏好、习惯、重要信息 | AGENTS.md（启动即加载） | | 对话快照 | 每次聊天的完整上下文 | SQLite Checkpoint | | 语义记忆 | 长期对话的摘要 + 向量检索 | sqlite-vec 向量数据库 |

聊得越多，它越懂你。而这一切都在你的电脑上，不上传、不联网、不经过第三方。

📄 智能文档处理

AI 可以直接读取和解析你的文件——不只是文本，还有 PDF 和 Word：

• PDF 提取：自动识别并提取文字层，直接分析内容
• Word 文档：.docx 一键转文字，无需手动复制粘贴
• 二进制保护：不支持的格式（图片、音视频等）自动拦截并提示，不会报错
• Agent 调用 read_file 时透明处理，你只管把文件拖进来

📱 微信连接

把 Yoji 连到你的微信个人号，手机就是 AI 终端：

• 扫码即连，一次配置持久生效
• 手机发消息 → Yoji 秒回，实打实的 AI 对话
• 支持"正在输入…"状态，回复体验跟真人聊天一样
• 桌面端聊天历史和手机端互不可见，各聊各的不串线
• 基于微信 iLink ClawBot 协议，官方接口稳定可靠

📦 随身携带

• 导出：一键打包整个 Yoji（记忆 + 情绪 + 配置）为 .ecompanion 文件
• 导入：换电脑后秒级恢复，你的 AI 伙伴还是那个它
• 文件自带鉴权，只有你能打开

🖼️ 界面预览

桌面级体验：无框窗口 + 自定义拖拽，文字可直接选中复制，Ant Design 6.x 组件体系，macOS / Windows / Linux 全覆盖。

激素情绪系统	子 Agent / 工坊
MCP 外部工具	文件管理
Live2D 虚拟形象

🛠️ 技术架构

Electron + React + TypeScript + Vite
      │
      ├── LangChain deepagents   ← AI Agent 框架（工具调用、子 Agent 调度、中断审批）
      ├── @langchain/mcp-adapters ← MCP 协议适配（动态工具发现与加载）
      ├── SQLite + sqlite-vec    ← 本地向量数据库（聊天记录 + 语义记忆）
      ├── pdf-parse + mammoth   ← 智能文档处理（PDF / Word 提取文字）
      ├── electron-native-speech ← macOS 原生语音识别（SFSpeechRecognizer）
      ├── better-sqlite3         ← Checkpoint 持久化（对话状态快照）
      ├── pixi-live2d-display   ← Live2D 渲染引擎（Cubism 4 + PixiJS 6）
      └── @pixi/unsafe-eval      ← CSP 安全策略兼容（无 eval shader）

设计原则：本地优先、隐私优先、扩展优先。不上传任何数据，不依赖任何云服务。

📁 项目结构

src/
├── main/            # 主进程 — Agent 核心、工具集、MCP 管理、IPC 通信
│   ├── agent/       #  AI Agent（对话、记忆、情绪、子 Agent（同步+异步）、调度系统）
│   ├── ipc/         #  IPC 处理器（请求/响应 + 流式推送 + 广播 + agentVersion）
│   └── config.ts    #  配置管理（env / model / mcp / childrenAgent）
├── preload/         # 安全桥接层 — contextBridge API
└── renderer/        # 渲染进程 — React 页面
    ├── pages/       #  首页 / AI 对话 / 模型设置 / MCP 管理 / 工坊 / 文件管理
    └── components/  #  通用组件（消息渲染、文件预览等）

🚀 快速开始

要求 pnpm 11，npm i -g pnpm@11

git clone https://github.com/wangxijie001/yoji.git
cd yoji
pnpm install
pnpm dev

electron / 模型下载慢？.npmrc 已配国内镜像。

构建

pnpm build:mac
pnpm build:win
pnpm build:linux

配置模型

• 启动后进入「模型」页面
• 填入 API Key（DeepSeek 或 Qwen）
• 选择模型，保存即可开始对话

安装 MCP 扩展

• 进入「MCP」页面，点添加
• 填入名称、URL、选择传输协议（SSE / HTTP）
• 点保存自动测试连接，成功即生效
• 也可以直接告诉 AI："帮我装个查天气的 MCP"

创建子 Agent

• 进入「工坊」页面，点「新增」
• 填写名称、描述（告诉 AI 这个 Agent 是干什么的）、系统提示词（Agent 的人设和输出要求）
• 选择同步还是异步：

• 绑定 MCP 工具集，告诉 Agent 它有哪些可用的外部工具
• 保存后在「模型」或「MCP」页面启用，Agent 自动重建并识别

AI 会自动感知你创建的子 Agent，在合适的时候调度它们干活。

🧭 路线图

• ✓ AI 流式对话 + 历史记录
• ✓ 激素情绪系统
• ✓ 混合检索 + 向量搜索
• ✓ 文件管理 + Shell 执行
• ✓ MCP 外部工具系统
• ✓ 语音播报 (TTS)
• ✓ 对话中断控制
• ✓ 子 Agent 架构
• ✓ 工具调用容错 + 自动重试
• ✓ AI 主动聊天（定时触发 + 情绪联动）
• ✓ 长任务异步调度（子 Agent 非阻塞 + 并发控制）
• ✓ 工坊自定义 Agent（角色设定 + 工具集组装 + 同步/异步模式）
• ✓ 异步任务取消（手动 + AI 自主两种方式）
• ✓ 语音唤醒对话（macOS 原生 SFSpeechRecognizer + 唤醒词 + 流式识别）
• ✓ 智能文档处理（PDF/DOCX 自动提取文字，二进制拦截保护）
• ✓ Live2D 虚拟形象（16 情绪映射 + TTS 口型同步 + 戳一戳互动 + 时间段换装）
• ✓ 微信连接（iLink ClawBot：扫码登录 + 消息轮询 + AI 回复 + 输入状态）
• 协作办公(目前已可以根据需要自主集成，后续会提供一些默认集成功能)

📄 许可

MIT License

推荐 IDE

• VSCode + ESLint + Prettier
• Claude Code — 项目已内置 CLAUDE.md，用 Claude Code 打开即可快速理解代码、上手开发