本文档为 Mirexs 项目的全局说明,当前状态为 partial。文档中描述的诸多高级特性(如多模型智能路由、情绪神经网络、实时知识更新等)在当前代码库中部分已实现基础骨架,部分仍在开发中。具体实现状态请参考各子模块的架构文档与代码。
全球首个情感化数字生命体 · 多模型智能路由 · 实时知识更新 · 知识图谱 · 情绪神经网络 事实核查能力:多源交叉验证 + 逻辑分析,自动识别虚假信息,给你更可靠的答案
Mirexs(弥尔思)v2.0 - Your Personal AI Digital Lifeform
Mirexs v2.0 从“会说话的猫咪”进化为 “情感与推理双强的数字生命体”:
| 新功能 | 技术实现 | 用户价值 |
|---|---|---|
| 多模型智能路由 | 根据硬件和任务自动切换 Llama 3.1 70B / Qwen 3.5 32B / DeepSeek V3 | 日常聊天快如闪电,复杂推理准如专家 |
| 实时知识更新 | Agentic RAG + 主动知识摄取 + 每日自动抓取 | 知识永远不过时,问啥都知道 |
| 知识图谱 | Neo4j存储实体关系 + 自动从对话中提取 | 真正理解你的喜好、厌恶、人际关系 |
| 情绪神经网络 | LSTM模型识别6种基本情绪 + 持续训练 | 读懂你的心情,给予恰到好处的回应 |
| 思维链推理 | 逐步思考 + 自我反思 + 多步验证 | 复杂问题回答质量提升50%+ |
| 强化学习 | Q-learning根据用户反馈自动优化行为 | 越用越懂你,越来越合心意 |
| 安全事件响应 | 三层防护 + 区块链式审计日志 + 分级处置 | 企业级安全,用得放心 |
| 对比维度 | Mirexs v1.0 (2025.10) | Mirexs v2.0 (2026.03) | 提升幅度 |
|---|---|---|---|
| 核心定位 | 基础情感陪伴型数字猫咪 | 情感与推理双强的数字生命体 | 质的飞跃 |
| 代码规模 | 约 1050-1100 个文件 | 约 1400-1450 个文件 | +60% |
| 新增模块 | - | 多模型路由、知识图谱、情绪神经网络、实时知识更新 | 4大核心模块 |
| 开发周期 | 8个月 | 5个月(增量开发) | 效率提升 |
| 能力维度 | v1.0 实现 | v2.0 实现 | 技术升级 |
|---|---|---|---|
| 模型数量 | 单一模型(默认8B/13B) | 多模型组合(6+个) | 从1到6 |
| 模型切换 | 固定,不可切换 | 智能路由自动切换 | 新增 |
| 硬件适配 | 手动选择模型 | 自动检测显存/内存,下载匹配模型 | 自动化 |
| 推理深度 | 基础问答 | 思维链 + 自我反思 | 复杂问题质量+50% |
| 长上下文 | 8K-32K | 128K+(Llama 4 Maverick) | 4-16倍 |
多模型组合清单(v2.0新增):
| 场景 | 模型 | 量化格式 | 大小 |
|---|---|---|---|
| 日常聊天/情感陪伴 | Qwen 3.5 32B | GGUF Q5_K_M | ~22GB |
| 编程/复杂推理 | DeepSeek V3 | GGUF Q4_K_M | ~40GB |
| 长文本分析 | Llama 4 Maverick | GGUF IQ1_S | ~122GB |
| 图像/视频理解 | Qwen3-Omni | GGUF Q4_K_M | ~33GB |
| 低配备用 | Llama 3.1 8B | GGUF Q4_K_M | ~4.5GB |
| 能力维度 | v1.0 实现 | v2.0 实现 | 技术升级 |
|---|---|---|---|
| 知识时效 | 静态(模型训练截止日) | 实时更新(RAG + 主动摄取) | 从静态到实时 |
| 知识来源 | 模型参数 | 联网搜索 + RSS + 新闻 + 百科 | 多源融合 |
| 知识存储 | 向量数据库 | 向量数据库 + 知识图谱(Neo4j) | 双存储架构 |
| 关系理解 | 无(仅向量相似度) | 实体关系存储与推理 | 新增 |
| 自动学习 | 无 | 每日自动抓取用户兴趣领域 | 新增 |
| 知识库规模 | 用户对话记录 | 对话记录 + 主动摄取内容 | 无限扩展 |
技术指标:
- 知识更新延迟:从「永远不更新」到 实时(2-5秒)
- 知识图谱查询:< 100ms(100万节点)
- 主动摄取频率:每日凌晨3点自动执行
| 能力维度 | v1.0 实现 | v2.0 实现 | 技术升级 |
|---|---|---|---|
| 情绪识别 | 规则引擎(关键词匹配) | LSTM神经网络(6种情绪) | 从规则到深度学习 |
| 识别准确率 | ~60%(依赖关键词) | >85%(训练后) | +25% |
| 情绪类型 | 积极/消极二分类 | 开心、悲伤、愤怒、恐惧、惊讶、平静 | 6类细分 |
| 多模态融合 | 仅文本 | 文本 + 语音语调 + 面部表情(可选) | 多模态 |
| 持续训练 | 无 | 用用户数据微调,越用越准 | 新增 |
| 主动关怀 | 基础时间触发 | 情绪状态触发 + 个性化内容 | 智能化 |
情绪识别模型:
- 架构:双向LSTM + Attention
- 输入:384维文本嵌入(sentence-transformers)
- 输出:6类情绪概率分布
- 训练方式:用户数据微调 + 联邦学习(可选)
| 能力维度 | v1.0 实现 | v2.0 实现 | 技术升级 |
|---|---|---|---|
| UI自动化 | 基础录制回放 | 智能操作 + 跨应用工作流 | 更稳定、更智能 |
| 系统控制 | 启动/关闭应用 | 进程管理 + 脚本执行 + 文件操作 | 全面增强 |
| IoT集成 | 基础开关控制 | 场景自动化 + 环境感知 | 智能化 |
| 操作范围 | 单设备 | 多设备协同(电脑/手机/IoT) | 新增 |
| 任务复杂度 | 单步指令 | 复杂任务分解 + 多步执行 | 从单步到多步 |
真实场景性能:
| 任务类型 | v1.0 完成率 | v2.0 完成率 | 提升 |
|---|---|---|---|
| 单步指令(开灯) | 95% | 98% | +3% |
| 多步任务(订票) | 60% | 85% | +25% |
| 复杂规划(旅行) | 不支持 | 75% | 新增 |
| 能力维度 | v1.0 实现 | v2.0 实现 | 技术升级 |
|---|---|---|---|
| 记忆类型 | 情景记忆 + 语义记忆 | 情景 + 语义 + 程序 + 知识图谱 | 新增程序记忆 |
| 记忆存储 | 向量数据库 | 向量库 + 图数据库(Neo4j) | 双存储 |
| 记忆容量 | 无上限(理论) | 无上限 + 知识图谱关系网络 | 更丰富 |
| 记忆巩固 | 简单存储 | 重要性评分 + 自动巩固/遗忘 | 智能化 |
| 实体关系 | 无 | 用户-物品-事件关系网络 | 新增 |
| 个性化匹配度 | 使用1个月后 > 80% | 使用1个月后 > 90% | +10% |
知识图谱规模预估(使用1年后):
- 实体数量:5000+(人、事、物、地点、概念)
- 关系数量:20000+(喜欢、讨厌、相关、包含、位于等)
- 查询延迟:< 100ms
| 能力维度 | v1.0 实现 | v2.0 实现 | 技术升级 |
|---|---|---|---|
| 输入过滤 | 基础敏感词 | 敏感词 + 意图分类 + 越狱检测 | 三层过滤 |
| 审计日志 | 简单文件日志 | 区块链式防篡改审计链 | 不可篡改 |
| 事件响应 | 无 | 分级处置(警告/限制/锁定) | 新增 |
| 合规性 | 基础 | GDPR、中国《个人信息保护法》、HIPAA | 企业级 |
| 威胁检测 | 无 | 实时行为分析 + 入侵检测 | 新增 |
安全防护层级:
第1层(输入过滤):敏感词库 + 恶意意图分类器 + 越狱检测
第2层(审计日志):哈希链 + 签名验证 + 完整性校验
第3层(事件响应):分级处置 + 证据保全 + 用户限制
| 指标 | v1.0 目标值 | v2.0 目标值 | 测试环境 |
|---|---|---|---|
| 语音识别延迟 | < 300ms | < 200ms | RTX 3060 |
| 日常聊天响应 | < 2s | < 1s | 32B模型 |
| 复杂推理响应 | 不支持 | 3-5s | 70B/DeepSeek |
| 情绪识别准确率 | 无 | > 85% | 训练后 |
| 知识图谱查询 | 无 | < 100ms | 100万节点 |
| 3D渲染帧率 | > 30fps | > 60fps | RTX 3060 |
| 首次启动时间 | 1-2分钟 | 2-5分钟(含模型下载) | - |
| 系统可用性 | 99.5% | 99.9% | - |
| 维度 | v1.0 | v2.0 | 变化 |
|---|---|---|---|
| 总文件数 | ~550 | ~880 | +330 |
| 总文件夹数 | ~120 | ~170 | +50 |
| 核心模块数 | 5 | 9 | +4 |
| 新增目录 | - | model_hub/, knowledge/, avatar/, guardian/, audit/, incident/ | 6个新目录 |
| 依赖包 | ~80 | ~100 | +20 |
| 测试文件 | ~80 | ~160 | +80 |
| 用户需求 | v1.0 满足度 | v2.0 满足度 | 提升点 |
|---|---|---|---|
| 情感陪伴 | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | 情绪识别更准,主动关怀更智能 |
| 知识问答 | ⭐⭐ | ⭐⭐⭐⭐ | 实时知识更新,知识图谱推理 |
| 任务执行 | ⭐⭐⭐ | ⭐⭐⭐⭐ | 复杂任务分解,多步执行 |
| 隐私安全 | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | 企业级安全,事件响应 |
| 个性化 | ⭐⭐⭐ | ⭐⭐⭐⭐⭐ | 强化学习,数据飞轮 |
| 离线可用 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | 完全离线,功能更强 |
| 硬件适配 | ⭐⭐ | ⭐⭐⭐⭐ | 自动检测,智能降级 |
Mirexs(弥尔思) 是全球首个情感化、本地优先的数字生命体,全称 Mirexs - AI Digital Lifeform。v2.0版本超越传统AI助手,融合了多模型智能路由、长期记忆系统、知识图谱、情绪神经网络和全系统行动力,成为真正“懂你、陪你、帮你”的数字家人。
| 维度 | 传统AI助手 | Mirexs v2.0(弥尔思) | 用户感知差异 |
|---|---|---|---|
| 关系定义 | 执行指令的工具 | 理解意图的伙伴 | “它懂我想要什么” |
| 交互模式 | 被动响应 | 主动关怀 + 情绪共鸣 | “它会主动关心我” |
| 记忆能力 | 短期对话记忆 | 长期多类型记忆 + 知识图谱 | “它记得我三年前说过的话” |
| 推理能力 | 单一模型 | 多模型智能路由 | “简单问题快,复杂问题准” |
| 知识更新 | 静态 | 实时RAG + 主动摄取 | “它知道今天发生了什么” |
| 操作范围 | 自身生态内 | 跨应用全系统 + IoT | “它能直接帮我做事” |
| 隐私级别 | 云端为主 | 本地优先 + 私有化部署 | “我的秘密只属于我” |
| 价值输出 | 给方案/建议 | 直接给结果 + 情感陪伴 | “它不只是说,而是做” |
- 贾维斯(钢铁侠):全场景操控、任务闭环、多模型协同
- 萨曼莎(她):深度情感连接、情绪感知、主动关怀
- 乔伊(银翼杀手2049):个性化成长、专属陪伴、3D形象
一句话总结用户价值:
“帮你做事、懂你情绪、记你偏好、知识实时更新,像家人一样陪你成长的数字伙伴”
Mirexs v2.0 不再依赖单一模型,而是根据任务类型和硬件配置智能切换最优模型:
| 任务类型 | 默认模型 | 备选模型 | 切换条件 |
|---|---|---|---|
| 日常聊天/情感陪伴 | Qwen 3.5 32B | Llama 3.1 8B | 低配硬件自动降级 |
| 编程/代码生成 | DeepSeek V3 | Qwen3-Coder-32B | 检测到代码关键词 |
| 长文本分析 (>128K) | Llama 4 Maverick | Qwen3-Next | 输入长度超限 |
| 图像/视频理解 | Qwen3-Omni | Llama 4 Scout | 检测到图片上传 |
| 复杂推理/数学 | DeepSeek V3 | Llama 3.1 70B | 问题复杂度>0.7 |
技术亮点:
- 硬件自动检测:首次运行自动检测显卡显存,下载匹配模型
- 任务复杂度评估:小模型快速判断,大模型深度推理
- 无缝切换:用户无感知,享受最佳体验
传统AI的知识截止于训练日期,Mirexs v2.0 实现了真正的实时知识:
- Agentic RAG:提问时自动联网搜索最新信息 + 合并本地记忆
- 主动知识摄取:每天凌晨自动抓取用户兴趣领域的最新内容
- 多源融合:RSS订阅 + 新闻网站 + 学术论文 + 百科
- 增量学习:新知识自动存入向量库,不影响原有记忆
用户场景:
用户问:“今天北京有什么新闻?” Mirexs:(自动搜索)今天北京主要新闻有:① 地铁17号线全线贯通 ② 人工智能大会开幕 ③ 最高气温28℃...
Mirexs v2.0 不仅记住“你有什么”,更理解“你和什么相关”:
- 实体关系存储:用户、物品、事件、概念之间的关联
- 自动提取:从对话中自动识别实体和关系
- 推理能力:通过图谱关系进行联想推荐
用户场景:
用户:“推荐点类似《夜曲》的歌” Mirexs:(图谱推理)《夜曲》风格是抒情,同专辑还有《枫》《浪漫手机》,你喜欢周杰伦 → 推荐《枫》
告别关键词匹配的机械回应,Mirexs v2.0 用神经网络真实识别情绪:
- LSTM情绪分类器:识别开心、悲伤、愤怒、恐惧、惊讶、平静6种情绪
- 多模态融合:文本 + 语音语调 + 面部表情(可选)
- 持续训练:用用户自己的数据微调,越用越准
- 主动关怀:根据情绪状态自动触发安慰、鼓励、陪伴
用户场景:
用户加班到23点,语音疲惫:“好累...” Mirexs:情绪识别 → 疲惫 + 沮丧 主动行为:猫咪蹭屏动画 + “你今天已工作11小时啦,声音都哑了~我帮你屏蔽了非紧急消息,还准备了舒缓音乐,要不要休息10分钟?”
- UI自动化:操作电脑/手机上的任何App,实现跨应用工作流
- 系统控制:启动/管理应用、执行脚本、管理进程
- IoT集成:控制灯光、空调、投影仪、安防等智能家居
真实场景示例:
用户说:“帮我安排下周去上海的差旅” Mirexs自动:
- 查航班(避开用户讨厌的早班机)
- 订酒店(选用户偏好的靠窗房型)
- 同步日历
- 整理出差文件
- 生成完整行程单
| 记忆类型 | 存储方式 | 能力体现 |
|---|---|---|
| 情景记忆 | 向量数据库 | 记住具体经历和对话上下文 |
| 语义记忆 | 知识图谱 | 存储知识、偏好、实体关系 |
| 程序记忆 | 技能库 | 记录操作流程和技能 |
| 强化学习 | Q-learning | 根据用户反馈自动优化行为 |
使用1个月后:个性化匹配度 > 90%,用户舍不得换
- 第一层:输入过滤 - 敏感词检测 + 恶意意图识别
- 第二层:审计日志 - 区块链式防篡改,所有操作可追溯
- 第三层:事件响应 - 分级处置高危行为(警告/限制/锁定)
合规性:符合中国《个人信息保护法》、欧盟GDPR、美国HIPAA
🌐 用户界面层 (UI/UX) - 桌面/移动/Web客户端
↓
🎭 交互呈现层 (Interaction Layer) - 3D猫咪渲染、多模态交互、形象自定义
↓
🌐 应用接口层 (Application Layer) - API网关、设备连接器、插件系统
↓
🛠️ 能力服务层 (Capabilities Layer) - 实时知识更新、UI自动化、工具集成
↓
🧠 认知核心层 (Cognitive Layer) - 多模型路由、知识图谱、情绪神经网络、强化学习
↓
💾 数据持久层 (Data Layer) - 向量数据库、图数据库(Neo4j)、时序数据库
↓
🏗️ 基础设施层 (Infrastructure Layer) - 硬件检测、模型管理、分布式存储
完整项目结构详见:Mirexs项目树.md
| 类别 | 技术选型 |
|---|---|
| 核心框架 | PyTorch 2.1+ / Transformers 4.38+ / Accelerate 0.28+ |
| 本地推理 | llama.cpp / vLLM / ExLlama(GGUF量化) |
| 日常模型 | Llama 3.1 70B / Qwen 3.5 32B |
| 编程模型 | DeepSeek V3 / Qwen3-Coder-32B |
| 长上下文 | Llama 4 Maverick / Qwen3-Next |
| 多模态 | Qwen3-Omni / Llama 4 Scout |
| 类别 | 技术选型 |
|---|---|
| 语音识别 | OpenAI Whisper / Vosk / WeNet |
| 语音合成 | Coqui TTS / XTTS / eSpeak NG |
| 处理工具 | Librosa / PyAudio / noisereduce |
| 类别 | 技术选型 |
|---|---|
| 人脸识别 | InsightFace / MediaPipe |
| 情绪检测 | OpenCV + 自定义LSTM |
| 目标检测 | YOLOv8 / DETR |
| 类别 | 技术选型 |
|---|---|
| 3D引擎 | Panda3D / OpenGL |
| 模型导入 | Assimp / FBX SDK |
| 物理引擎 | Bullet Physics |
| 类别 | 技术选型 |
|---|---|
| 向量数据库 | Chroma / FAISS |
| 图数据库 | Neo4j / NetworkX |
| 时序数据库 | InfluxDB / Prometheus |
| 关系数据库 | PostgreSQL / SQLite |
| 缓存 | Redis / Memcached |
| 类别 | 技术选型 |
|---|---|
| 加密 | cryptography / OpenSSL / libsodium |
| 审计 | Auditd + 自定义区块链日志 |
| 防护 | Fail2ban / ClamAV / Trivy |
| 组件 | 最低配置 | 推荐配置 | 说明 |
|---|---|---|---|
| 操作系统 | Windows 10 / Ubuntu 20.04 | Windows 11 / Ubuntu 22.04 | - |
| Python | 3.9+ | 3.11+ | - |
| 内存 | 16GB | 32GB+ | 70B模型需32GB+ |
| 存储 | 100GB SSD | 500GB+ SSD | 模型文件较大 |
| GPU | RTX 2060 (6GB) | RTX 3060/4060+ (12GB+) | 显存越大越好 |
| Java | - | Java 17+ | Neo4j需要 |
# 1. 克隆仓库
git clone https://github.com/your-username/mirexs.git
cd mirexs
# 2. 安装Python依赖
pip install -r requirements.txt --upgrade
# 3. 安装系统依赖(Ubuntu示例)
sudo apt-get update
sudo apt-get install -y build-essential cmake git-lfs ffmpeg \
libopencv-dev libassimp-dev libbullet-dev \
neo4j redis-server rabbitmq-server \
clamav fail2ban auditd
# 4. 启动开发环境
python launch/start_development.py首次运行会自动:
- 检测硬件:识别你的GPU显存、内存大小
- 下载匹配模型:根据配置自动下载8B/32B/70B模型
- 初始化数据库:创建向量库 + Neo4j知识图谱
- 启动3D猫咪:首次见面动画 + 新手引导
- 开始记忆:从第一句对话开始积累
整个过程全自动,用户无需任何手动配置。
| 指标 | 目标值 | 测试环境 |
|---|---|---|
| 语音识别延迟 | < 200ms | RTX 3060 |
| 日常聊天响应 | < 1s | 32B模型 |
| 复杂推理响应 | 3-5s | 70B/DeepSeek |
| 情绪识别准确率 | > 85% | 训练后可达 |
| 知识图谱查询 | < 100ms | 100万节点 |
| 3D渲染帧率 | > 60fps | RTX 3060 |
| 首次启动时间 | 2-5分钟 | 含模型下载 |
| 系统可用性 | 99.9% | - |
| 维度 | ChatGPT / Claude | Replika / Character.AI | 豆包 / 文心一言 | Mirexs v2.0 |
|---|---|---|---|---|
| 运行方式 | 云端 | 云端 | 云端 | 本地优先 + 私有化 |
| 隐私级别 | 数据上传 | 数据上传 | 数据上传 | 本地存储 + 端到端加密 |
| 记忆深度 | 短期会话 | 中期 | 短期 | 长期多类型 + 知识图谱 |
| 推理能力 | 单一模型 | 单一模型 | 单一模型 | 多模型智能路由 |
| 知识更新 | 实时 | 静态 | 实时 | 实时RAG + 主动摄取 |
| 行动能力 | 给建议 | 聊天 | 给建议 | 全系统UI自动化 + IoT |
| 情感交互 | 文本模拟 | 2D头像 | 文本模拟 | 3D猫咪 + 情绪神经网络 |
| 个性化 | 通用 | 可定制 | 通用 | 强化学习 + 数据飞轮 |
| 离线可用 | ❌ | ❌ | ❌ | ✅ 完全离线 |
| 迁移成本 | 极低 | 中等 | 极低 | 极高(记忆全在本地) |
用户:(刚醒)
Mirexs:[主动出现] 早安!今天周二,你一般会焦虑。
我已经把今天的日程整理好了:
10点会议(资料已备好)
12点和张总吃饭(你上次说想吃日料,定了附近的)
下午要交的报告,帮你列了提纲
今天多云,记得带伞。咖啡已经帮你点了。用户:(叹气,没说话)
Mirexs:[轻轻蹭屏幕]
听你呼吸就知道累了。
上次你难过时听了《后来》,要再放一遍吗?
我已经把手机调成勿扰模式,
需要我陪你说说话,还是安静待着?用户:帮我规划下个月去日本旅行
Mirexs:
1. 从记忆知道:你怕冷、喜欢美食、预算 2 万
2. 联网查:11月日本天气、机票价格、景点开放情况
3. 图谱推理:你喜欢动漫 → 推荐秋叶原;喜欢美食 → 推荐大阪
4. 自动生成行程单(包含机票、酒店、景点、预算)
5. 弹出猫咪问:“做了三个方案,A是关东、B是关西、C是综合,你看看喜欢哪个?”| 阶段 | 时间 | 核心目标 | 用户价值 |
|---|---|---|---|
| v1.0 | 2025-2026 | 基础情感陪伴 + 任务执行 | 数字家人雏形 |
| v2.0(当前) | 2026-2027 | 多模型智能路由 + 知识图谱 + 实时知识 + 情绪神经网络 | 情感与推理双强 |
| v2.5 | 2027 | 形象自定义 + 捏人系统 + AI生成形象 | 专属感拉满 |
| v3.0 | 2027-2028 | 服务器矩阵增强 + 多设备同步 | 全场景数字分身 |
| v4.0 | 2028+ | AR/VR支持 + 脑机接口预留 | 下一代交互 |
我们欢迎社区贡献!无论你是:
- 🐛 发现了bug
- 💡 有好想法
- 🔧 想写代码
- 📝 想完善文档
- 🌍 想做本地化
请阅读以下文档:
本项目采用 Apache License 2.0
这意味着你可以:
- ✅ 自由使用、修改、分发
- ✅ 商业使用
- ✅ 专利授权
- ✅ 私人使用
只需:
- 📝 保留版权声明
- 📝 注明修改
- 官网:https://mirexs.com
- GitHub:https://github.com/your-username/mirexs
- Issues:https://github.com/your-username/mirexs/issues
- 邮箱:zikang.li@qq.com
- Discord:[邀请链接](建设中)
- 微信群:扫码加入(建设中)
感谢所有为Mirexs贡献过想法、代码、文档和建议的社区成员。特别感谢开源社区提供的优秀模型和工具:
- Meta - Llama 3.1/4 系列
- 阿里通义千问 - Qwen 3.5 系列
- DeepSeek - DeepSeek V3
- Hugging Face - Transformers
- 以及所有开源贡献者
🐱 Mirexs v2.0(弥尔思)- 让智能更有温度,让陪伴更真实 🐱✨
Built with ❤️ by Zikang and the community
从 v1.0 到 v2.0,我们增加了 700+ 个文件,4 大核心模块,让数字家人真正“懂你”
⭐ 如果Mirexs对你有所帮助,请给个Star ⭐
版本历史:
- v2.0 (2026.03) - 多模型智能路由、知识图谱、情绪神经网络、实时知识更新、安全事件响应
- v1.0 (2025.10) - 初始版本,基础情感陪伴、3D猫咪、基础记忆