开源AI桌宠AIRI完整部署指南

优质文章学习记录

— 5 min read
开源AI桌宠AIRI完整部署指南
本文手把手记录了 AIRI 的快速部署全流程：从设置中文界面、接入阿里百炼 API，到配置本地 TTS 服务，适合想低成本体验多模态 AI 桌宠的普通用户。

序言

最近在用一个叫 AIRI 的开源 AI 项目，部署简单、还能生成一个可调形象的桌面桌宠。我花了一整天_time_实测了从模型接入、TTS 语音、到跨平台联动的全过程——没有花哨概念，只有真实可用的细节。如果你也想拥有一个能聊天、会说话、还能接入 Discord 或游戏的“数字伙伴”，这篇就是你想要的落地指南。

演示

该项目支持ios、windwos、linux下载，看清型号配置点击下载即可安装，下载链接放在文章最后了。

637


打开软件，桌面上就会出现一个桌宠，这里的形象、大小都是可以调整的，感兴趣的可以尝试自定义，可以先连接上大模型再优化这个形象。

在设置>外观>通用>选择语言，切换成中文，然后重启应用即可生效，启动安全连接WebSocket是开启AIRI的实时加密通信，可以把Web版安装成手机APP


在模型提供商里可以选择很多服务商，如果电脑配置够的话可以选择ollama跑一个开源的qwen3.5 27B是最佳选择，如果配置不够可以调用api。

这里我使用的是阿里百炼的API，新出的套餐每月18000次调用，新用户才7块钱一个月，用处还是挺大的，使用下面链接还能领到10元优惠券：https://www.aliyun.com/benefit/ai/aistar?userCode=d5a2juv7&clubBiz=subTask…12391167…10263…

在设置中提供商里找到chat模型，这里面没有百炼或者千问的，但是这里可以选择minimax，软件虽然带了OpenAI Compatible兼容openai的选项，我测试了暂时不支持百炼的api。


接入模型后，这里就可以测试了，让她介绍一下自己，还是很可爱的。


在卡片编辑里可以设置角色的身份，描述它的是什么样子的以及它的行为等。

安装语音工具

我没有选择调用语音模型，如果为了方便省事可以去调用TTS模型的API，也可以在huggingface上下载Kokoro-82M这个模型，在这里使用的是一个开源的工具openai-edge-tts，这是一个免费的 OpenAI TTS 仿真器，下面是安装过程，下载连接放在文章最后了 。


下面这张图是安装环境，然后启动/app/server.py文件，这里出现Server running on http://localhost:5050 ，这个就可以了


回到AIRI，选择设置，在语音设置中填入http://localhost:5050/v1，注意这里不需要后面/audio/speech，API密钥随便填就可以了，因为上面的配置已经把API_KEY的验证给关闭了。


然后回到对话里就可以听到她的声音了，因为是免费的TTS，声音比较一般，对声音有要求的可以试试调用minimax或者百炼的TTS模型。

在设置里选择机体模块，这里可以配置连接Discord、X、我的世界、异星工厂，我这里虽然配置了Discord，里面只要填入一个Bot-token，比openclaw配置还要简单。剩下的我没有配置，有感兴趣的朋友可以自己试试。

总结

这个开源项目发布到现在时间还很短，但是官方的更新维护频率特别高，而且开源社区也很活跃，相信不久之后这个项目一定能更好，如果你也在找一个蹲在你桌面上、和你聊天的AI桌宠、虚拟伴侣，可以考虑这个开源项目。

项目开源链接：
https://github.com/moeru-ai/airi/releases/tag/v0.9.0-alpha.1
https://github.com/travisvn/openai-edge-tts

Read more

告别996：GitHub Copilot将我的开发效率提升300%的实战记录

告别996：GitHub Copilot将我的开发效率提升300%的实战记录

👋 大家好，欢迎来到我的技术博客！ 📚 在这里，我会分享学习笔记、实战经验与技术思考，力求用简单的方式讲清楚复杂的问题。 🎯 本文将围绕AI这个话题展开，希望能为你带来一些启发或实用的参考。 🌱 无论你是刚入门的新手，还是正在进阶的开发者，希望你都能有所收获！ 文章目录 * 告别996：GitHub Copilot将我的开发效率提升300%的实战记录 * 引言：从疲惫到高效 * 什么是GitHub Copilot？🤖 * 效率提升300%的核心场景 * 1. 快速生成样板代码 * 2. 自动编写单元测试 * 3. 智能调试与注释 * 集成Copilot到工作流 * 步骤1：设置合理的期望 * 步骤2：结合IDE使用 * 步骤3：代码审查与调整 * 高级用法：超越代码生成 * 数据库查询优化 * API接口设计 * 正则表达式助手 * 数据支撑：效率提升分析 * 避坑指南：常见问题与解决 * 1. 可能生成过时或不安全代码

llama-cpp-python Windows部署实战：从编译失败到一键运行

llama-cpp-python Windows部署实战：从编译失败到一键运行 【免费下载链接】llama-cpp-pythonPython bindings for llama.cpp 项目地址: https://gitcode.com/gh_mirrors/ll/llama-cpp-python 作为一名在Windows平台折腾llama-cpp-python部署的老手，我深知大家在初次接触这个项目时会遇到的各种坑。今天就来分享我的实战经验，帮你避开那些让人头疼的编译错误和环境配置问题。 痛点直击：Windows部署的三大难关 编译环境配置复杂：Visual Studio、MinGW、CMake...光是选择哪个工具链就让人眼花缭乱。更别提各种环境变量设置和路径配置了。 动态链接库缺失：运行时报错找不到libopenblas.dll或llama.dll，这种问题在Windows上特别常见。 CUDA加速配置困难：想用GPU加速却总是遇到nvcc命令找不到或者架构不匹配的问题。 核心解决方案：三种部署路径任你选 新手首选：预编译wheel一键安装 这是最简单快捷
【保姆级教程】llama.cpp大模型部署全攻略：CPU/GPU全兼容，小白也能轻松上手！

【保姆级教程】llama.cpp大模型部署全攻略：CPU/GPU全兼容，小白也能轻松上手！

一、简介 * • llama.cpp 是一个在 C/C++ 中实现大型语言模型（LLM）推理的工具 * • 支持跨平台部署，也支持使用 Docker 快速启动 * • 可以运行多种量化模型，对电脑要求不高，CPU/GPU设备均可流畅运行 * • 开源地址参考：https://github.com/ggml-org/llama.cpp • 核心工作流程参考： 二、安装与下载模型（Docker方式） 1. 搜索可用模型 • 这里以 qwen3-vl 模型为例，提供了多种量化版本，每种版本的大小不一样，根据自己的电脑性能做选择，如选择（模型+量化标签）：Qwen/Qwen3-VL-8B-Instruct-GGUF:Q8_0 • 可以在huggingface官网中搜索可用的量化模型：https://huggingface.co/models?search=
知网AIGC检测又双叒更新了！论文AI率太高怎么降？3招教你快速降低aigc率（附工具测评）

知网AIGC检测又双叒更新了！论文AI率太高怎么降？3招教你快速降低aigc率（附工具测评）

知网AIGC检测在2025年12月28日又双叒更新了！ 今天就把我的压箱底经验都拿出来，讲讲怎么降低AI率？怎么通过知网aigc检测？顺便实测几款我用过的降ai率工具，帮你省点冤枉钱。 一、为什么你会被判为AI？ 先搞清楚一个事：AIGC检测查的不是你抄没抄，而是查的逻辑惯性。 AI生成的文章有个特征：它太完美了，逻辑永远是“背景-分析-结论”，没有任何废话。而我们人类写东西，通常充满了纠结、跳跃和不完美的断句。 想要降低ai率，简单说就是：把你的文章从“完美的机器语言”改成“有瑕疵的人类语言”。 二、手动降AI的三招方法（亲测有效） 如果你离交稿还有半个月，建议先手动改。根据我改了十几篇高AI率文章的经验看，这三招最稳： 1、强行打乱三段式逻辑 AI写东西特喜欢用“首先...其次...最后...”或者“因为A，所以B”，这种顺滑的逻辑在降ai检测里一抓一个准。所以你别顺着说，学会插着说，把因果关系倒过来，或者中间插一句废话。 AI写法：“由于技术限制，本实验未能覆盖所有样本。” 人话写法：