jarvis
100%本地运行的私密AI语音助手，支持语音唤醒、无限记忆、MCP工具生态，隐私零泄露
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
100%本地运行的私密AI语音助手，支持语音唤醒、无限记忆、MCP工具生态，隐私零泄露
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
清晨，你刚起床，对着空气随口问了一句："Jarvis，你觉得我昨天的工作效率怎么样？"
一个沉稳而不失亲和的声音从电脑音箱里传来，它记得你昨天和老板开会讨论的要点，记得你写了一半还没提交的代码，也记得你因为加班晚了半小时才吃上晚饭。它甚至还知道你住在哪个城市、现在几点、今天天气如何。
这不是钢铁侠的贾维斯——这是一个真正跑在你自己电脑上的本地AI语音助手，名叫 Jarvis。
图1：Jarvis 桌面界面 — 静默时显示待机头像，唤醒后转为倾听状态
2023-2024年，随着大语言模型的爆发式普及，AI助手已经不再稀奇。但几乎所有的主流产品——ChatGPT、Claude、Gemini——都有一个共同特点：数据必须上传到云端。
这带来了几个令人不安的现实：
开发者 isair 在构建自己的AI工作流时，被这些问题困扰了很久。他想要一个助手，既能像ChatGPT那样理解自然语言，又能像本地工具那样完全掌控数据，还要能记住所有历史对话、调用各种工具。
于是 Jarvis 诞生了。
Jarvis 的定位不是简单地把LLM包装成语音交互界面，而是一套完整的多模态本地AI助手系统。它的核心能力可以分成以下几个层次：
不同于Siri/Alexa需要固定指令，Jarvis 支持自由对话式交互。你可以像和真人聊天一样和它说话——不需要每次都喊"嘿Siri"那样生硬的结构化指令。
它的工作流程是：
faster-whisper（基于Whisper的加速版）进行本地语音识别整个链路都在本地运行。离线状态下，语音识别和TTS仍然工作（英文），但LLM推理需要本地或远程的API支持。
图2：对话转写历史 — 自动记录所有对话，可在桌面GUI中回溯
这是 Jarvis 最有特色的部分。它不是简单地把对话存成文本历史，而是构建了一个三层记忆架构：
| 层级 | 存储方式 | 用途 |
|---|---|---|
| 近期对话 | SQLite 数据库 | 记录最近几天的对话，支持精确检索 |
| 长期记忆 | FAISS 向量数据库 | 全量历史对话做 embedding，向量相似搜索 |
| 结构化知识图谱 | 图数据库 | 实体-关系建模，支撑推理型记忆查询 |
当用户问"Jarvis，我上周提到的那个开源项目叫什么来着？"时，系统会依次检索三层记忆，确保不遗漏任何线索。这解决了大模型"上下文窗口耗尽后忘记一切"的核心痛点。
MCP 是 Anthropic 提出的工具调用协议，Jarvis 对其进行了深度集成。目前内置的工具包括：
DuckDuckGo → Brave → Wikipedia 三级 fallback，确保搜索成功率html2text + BeautifulSoup）playwright 截图 + pytesseract 文字识别，捕获屏幕内容关键设计：工具选择使用基于 embedding 的相关性过滤，即根据用户query自动挑选最相关的工具子集，避免把所有工具一股脑塞给LLM导致性能下降。
Jarvis 能根据对话内容自动调整回复风格：
无需用户手动切换模式。
从代码结构看，Jarvis 采用了模块化分层架构：
src/jarvis/
listening/ ← 音频监听、唤醒检测、语音活动检测
dictation/ ← 语音转文字（faster-whisper）
llm.py ← LLM 调用层（支持多种后端）
memory/ ← 三层记忆系统（SQLite + FAISS + Graph）
reply/ ← 回复引擎（查询增强、prompt构建、评估）
output/ ← TTS 语音合成
tools/ ← MCP 工具注册与路由
utils/ ← 向量检索、模糊搜索、地理位置等工具
src/desktop_app/ ← PyInstaller 打包的桌面GUI（Flask + 前端）
核心依赖：
faster-whisper（Whisper C++加速版，支持GPU）faiss-cpu（Facebook AI相似度搜索库）chatterbox-tts + piper-tts（本地神经网络语音合成）pygame（游戏引擎，用于渲染头像动画）+ Flask后端PyInstaller（生成单文件可执行桌面应用）mcp（Model Context Protocol，支持工具生态扩展）值得注意的是，代码质量较高：有完整的 *.spec.md 测试规范文件、pytest 完整测试套件、详细的 CLAUDE.md 开发指南（给AI编程工具看的项目描述）。从 EVALS.md 可以看到有正式的效果评估流程。
官方推荐通过 installer/install.sh 脚本一键安装（Linux/macOS），Windows 用户可通过 jarvis_desktop.spec 用 PyInstaller 手动打包。
首次启动会进入设置向导，引导用户配置：
图3：记忆查看器中的日记视图 — Jarvis 自动记录每日活动摘要
尽管设计精巧，Jarvis 也有其局限性：
Jarvis 的出现代表了隐私优先（Privacy-first）AI应用的一个重要方向。在数据合规要求越来越严格的背景下，完全本地运行、不依赖云端的AI助手将成为企业内网、医疗、法律等高敏感场景的理想选择。
其 MCP 工具生态的集成思路也值得关注——通过 MCP 协议连接外部工具，既保持了核心能力的封闭可控，又提供了无限扩展的可能性。这种"受控开放"的设计哲学，可能是未来AI助手的主流架构。
如果你在寻找一个真正属于自己的、不窥探数据的AI助手，Jarvis 值得认真体验。