告别设备限制:AIri全平台部署攻略(Web/桌面/移动无缝体验)

告别设备限制:AIri全平台部署攻略(Web/桌面/移动无缝体验)

【免费下载链接】airiアイリ VTuber. LLM powered Live2D/VRM living character, near by you. 💖 项目地址: https://gitcode.com/GitHub_Trending/ai/airi

你是否曾因喜欢的AI虚拟角色仅限特定设备使用而感到困扰?想在办公室电脑用浏览器和AIri聊天,回家后在桌面端继续未完成的游戏,甚至在通勤时通过手机与她互动?本文将带你实现这一目标,通过简单三步完成AIri在Web浏览器、Electron桌面端和移动设备的全覆盖部署,让虚拟伙伴随时随地陪伴你。

部署准备:环境与资源检查

在开始部署前,请确保你的环境满足以下基本要求:

  • 网络连接稳定(需下载项目资源和依赖)
  • Git工具(用于克隆仓库)
  • Node.js 18+ 和 pnpm包管理器
  • 至少4GB可用存储空间

项目核心部署资源位于以下路径,建议提前熟悉:

第一步:Web浏览器部署(最快体验)

Web版本是体验AIri的最便捷方式,无需安装任何软件,通过现代浏览器即可运行。

  1. 访问应用 打开浏览器访问 http://localhost:5173,即可看到AIri的Web界面。

安装依赖并启动Web服务

pnpm i pnpm dev:web 

克隆项目仓库

git clone https://gitcode.com/GitHub_Trending/ai/airi.git cd airi 

Web端架构基于Vue.js和Vite构建,核心配置文件为apps/stage-web/vite.config.ts,你可以通过修改此文件自定义端口或添加代理设置。

第二步:Electron桌面端部署(功能完整)

桌面端提供比Web版更丰富的功能,如系统通知、本地文件访问和GPU加速渲染。

打包生成可执行文件

pnpm build 

安装依赖并开发模式启动

pnpm i pnpm dev 

切换到桌面端项目目录

cd apps/stage-tamagotchi 

打包完成后,可执行文件将生成在dist目录下,支持Windows、macOS和Linux系统。桌面端特有的配置文件位于apps/stage-tamagotchi/electron-builder.yml,可在此自定义应用图标、窗口大小等参数。

第三步:移动设备部署(PWA支持)

AIri通过PWA(渐进式Web应用)技术实现移动设备支持,可添加到手机桌面,获得接近原生应用的体验。

  1. 完成Web端部署(确保Web服务正常运行)
  2. 在移动设备上访问 用手机浏览器访问你的Web服务地址(如http://192.168.1.100:5173,需确保手机与电脑在同一局域网)。
  3. 添加到主屏幕
    • Safari浏览器:点击分享按钮 → "添加到主屏幕"
    • Chrome浏览器:点击菜单按钮 → "安装应用"

移动版特有的触摸优化和响应式布局定义在apps/stage-web/src/components/目录下,主要适配手机和平板设备的交互习惯。

部署验证与问题排查

成功部署后,你可以通过以下方式验证各平台功能:

平台验证方法常见问题排查
Web检查控制台是否有报错清除浏览器缓存,确保依赖安装完整
桌面端测试系统通知和窗口控制检查electron.vite.config.ts配置
移动端测试离线功能和添加到桌面确认HTTPS环境或localhost访问

项目提供了详细的日志系统,Web端日志可在浏览器控制台查看,桌面端日志位于~/.airi/logs/目录下。

高级配置:自定义部署优化

如果你需要进一步优化部署效果,可以考虑以下高级配置:

  1. 自定义模型路径 修改packages/server-runtime/src/config.ts中的模型路径配置,使用本地LLM模型提高响应速度。
  2. 性能优化
  3. 多设备同步 通过配置packages/memory-pgvector/实现不同设备间的对话历史同步。

总结与后续展望

通过本文介绍的方法,你已经成功实现了AIri在Web、桌面和移动设备的全平台部署。这种多端覆盖架构不仅提升了用户体验的连续性,也展示了项目基于Web技术栈的灵活性——从WebGPU加速渲染到WebAssembly性能优化,AIri充分利用现代Web技术实现了跨平台能力。

未来,项目计划进一步增强移动设备的AR功能,允许AIri以虚拟形象出现在现实环境中。你可以通过关注docs/content/zh-Hans/blog/获取最新开发动态,或参与crates/tauri-plugin-mcp/等插件的开发,为多平台支持贡献力量。

现在,打开你部署好的AIri应用,开始与你的虚拟伙伴共度美好时光吧!

【免费下载链接】airiアイリ VTuber. LLM powered Live2D/VRM living character, near by you. 💖 项目地址: https://gitcode.com/GitHub_Trending/ai/airi

Read more

实测可用!发那科机器人与西门子PLC通讯全方案(网关+Modbus TCP双版本,避坑指南附代码)

实测可用!发那科机器人与西门子PLC通讯全方案(网关+Modbus TCP双版本,避坑指南附代码) 在工业自动化现场,发那科(FANUC)机器人与西门子PLC的组合十分常见,但两者“协议壁垒”常常让工程师头疼——发那科机器人原生支持EtherNet/IP,而西门子PLC(S7-1200/1500)主打Profinet,直接通讯往往“语言不通”。 本文结合3个实际产线项目经验,整理两种经过现场验证、100%可用的通讯方案(网关跨协议版 + Modbus TCP低成本版),步骤拆解到每一步按键操作,标注新手常踩的坑,附PLC测试代码和故障排查方法,适合工控工程师直接照搬落地,再也不用为通讯调试熬夜! 核心前提(避免做无用功) * 发那科机器人:支持EtherNet/IP或Modbus TCP功能(需确认系统选件,无选件需联系厂家授权,如Modbus TCP需R602选件),本文以R-30iB系列为例。 * 西门子PLC:S7-1200/S7-1500(本文分型号适配步骤),安装**TIA

介绍终身机器人学习的数据集LIBERO

介绍终身机器人学习的数据集LIBERO

1 LIBERO的作用 LIBERO是一个用于研究多任务和终身机器人学习中知识迁移的综合基准测试平台,LIBERO是基于robosuite框架构建的。它专注于机器人操作任务,这些任务需要两类知识: 1. 陈述性知识:关于物体和空间关系的知识 2. 程序性知识:关于运动和行为的知识 2 核心原理 任务生成与基准设计 LIBERO提供了一个程序化生成管道,原则上可以生成无限数量的操作任务。系统包含130个任务,分为四个任务套件,每个套件都有受控的分布偏移: * LIBERO-Spatial/Object/Goal:专注于特定类型知识的迁移 * LIBERO-100:包含需要迁移纠缠知识的100个操作任务 学习框架 系统采用模仿学习作为主要学习方法,因为任务使用稀疏奖励函数(任务完成时获得+1奖励)。LIBERO提供高质量的人类遥操作演示数据集用于训练。 算法与策略架构 LIBERO实现了三种视觉运动策略网络: * bc_rnn_policy:基于RNN的行为克隆策略 * bc_transformer_policy:基于Transformer的行为克隆策略

AI销售机器人重塑奢侈品零售体验达到最巅峰!!!

AI销售机器人重塑奢侈品零售体验达到最巅峰!!!

一、奢侈品零售的核心痛点:为何需要AI销售机器人 在高端奢侈品零售场景中,人工导购模式存在三大难以解决的痛点: 服务一致性缺失:资深导购能精准讲解产品工艺与品牌历史,但新人或兼职人员的专业度参差不齐,导致客户体验波动; 个性化需求匹配低效:高净值客户常提出“预算20万内、适合晚宴的鳄鱼皮女包”这类多约束条件需求,人工需跨知识库检索,响应时长超10秒; 隐私与体验平衡难:部分客户偏好“高冷专业”的低打扰服务,人工过度跟进易引发反感。 根据Gartner 2024年《全球零售AI交互系统市场报告》,高端零售场景中AI交互系统可提升30%以上的客户转化率,而大模型+AI销售机器人+NLP落地的技术组合,恰好能针对性解决上述痛点,实现标准化、个性化、低打扰的高端服务。 二、奢侈品场景AI销售机器人的核心技术原理 针对奢侈品零售的特殊性,AI销售机器人需在通用NLP技术基础上做垂直场景优化,核心模块包括: 2.1 多轮对话状态管理 多轮对话状态管理(Dialogue State Management, DSM):指AI系统在连续对话中实时跟踪用户的意图、需求、历史上下文信息(如之

Python+微信API开发智能客服机器人:从接入到优化的全流程指南

最近在做一个智能客服项目,需要对接微信公众号,让用户能直接在微信里和机器人对话。过程中踩了不少坑,也积累了一些经验,今天就来聊聊怎么用 Python 和微信 API 一步步搭建一个稳定、高效的智能客服机器人。 1. 背景与常见痛点分析 刚开始做的时候,觉得不就是收消息、回消息嘛。但真跑起来,问题就来了: * 消息延迟与丢失:用户发了消息,后台处理慢了,或者微信服务器回调时网络波动,用户可能就收不到及时回复,体验很差。 * 会话状态管理混乱:客服对话是有上下文的。比如用户问“我的订单”,机器人得知道是哪个用户的哪个订单。用内存存状态,服务一重启就全丢了。 * API调用限制与频率控制:微信公众平台的接口有调用频率限制,比如获取 access_token,每天次数有限,而且所有业务共用。如果没管理好,频繁调用,很容易触发限流,导致整个服务不可用。 * 多租户与高并发:如果你的客服系统要服务多个公众号(多租户),消息路由、配置隔离就是个麻烦事。用户量一大,QPS上来,简单的同步处理根本扛不住。