浅梦的博客

浅梦 AI 助手 Runtime 开发报告：一个本地语音桌面 Agent 的工程化实现1. 项目概述AI_voice_assistant 是一个面向 Windows 本地环境的个人 AI 助手 Runtime。它并不是一个简单的“语音聊天脚本”，而是一个把本地大语言模型、语音识别、语音合成、桌面上下文、网页搜索、RAG、工具调用、长期记忆和 Skill Package 扩展机制整合到一起的桌面 Agent 框架。 从整体定位来看，该项目希望实现的是： 以本地大模型为核心的对话能力； 通过 FunASR 完成中文语音输入； 通过 GPT-SoVITS 完成拟人化语音输出； 通过弹窗、桌宠入口、CLI、WebUI 等方式提供多入口交互； 通过 Search/RAG 机制增强实时信息获取能力； 通过 Tool Registry 和 Skill Package 实现工具调用与任务扩展； 通过屏幕观察、浏览器上下文、桌面状态等能力，让助手具备一定的“桌面感知”能力。 如果用一句话概括： 这是一个本地可部署、支持语音交互、具备桌面上下文感知、可联网检索、可调用工具、可扩展技能...

PPT-Master一、项目介绍随着大语言模型的发展，AI 自动生成 PPT 已经成为一种非常热门的应用方向。 传统 AI PPT 工具虽然可以快速生成内容，但大多数都存在一个问题： “生成后无法继续编辑”很多工具最终导出的： 实际上只是截图 或者整页图片 无法修改布局 无法编辑图形 无法继续二次设计 而 PPT-Master 最大的特点： 就是： “生成真正可编辑的 PPT”项目地址： https://github.com/hugohe3/ppt-master 二、PPT-Master 能干什么？PPT-Master 本质上： 是一个： 1LLM + SVG + PowerPoint DrawingML 组合而成的 AI PPT 自动生成系统。 它不仅能： 自动生成 PPT 内容 自动设计页面布局 自动生成图表 自动生成 SVG 页面 还可以： 将 SVG 转换为真正可编辑的 PPTX 文件最终生成的 PPT： 支持： 文本编辑 图形编辑 元素拖动 配色修改 动画 转场 而不是单纯的图片。 三、项目核心原理很多人以为： PPT-Master 是： 1AI → 直接...

基于大模型的移动应用合规检测系统开发记录最近一直在做一个和“大模型 + RAG + 移动应用隐私合规检测”相关的项目。 这个项目从最开始的简单想法，到后面慢慢扩展成完整的实验系统，其实经历了很长时间的迭代。 现在回头看，已经不仅仅只是一个“调用大模型”的脚本了，而是一个包含： 标准知识库构建 RAG 检索 应用分类 隐私政策分析 APK 权限分析 自动报告生成 实验评估 消融实验 的完整研究型项目。 一、项目最开始的想法一开始做这个项目，其实是因为发现： 现在很多移动应用虽然都有隐私政策，但真正认真阅读的人很少。 而且很多应用存在： 权限申请过多 隐私政策披露不完整 实际行为和声明不一致 敏感信息处理不规范 这些问题。 于是后面就开始思考： 能不能利用大模型和 RAG，把国家标准、隐私政策和 APK 权限结合起来，自动做合规分析？ 后来整个项目就慢慢成型了。 二、项目整体目标整个系统主要围绕三个问题展开： 1. 应用分类识别系统需要先判断： 一个应用到底属于什么类型。 这里参考的是： 1GB/T 41391-2022 中的重点应用类别。 系统会结合： 应用简介 隐私政...

Qwen 本地部署记录最近开始正式折腾本地大模型。 相比直接使用在线 API，本地部署最大的优点其实是： 隐私可控 不受网络限制 响应速度稳定 可以自由改参数 能接各种 Agent 系统 这次主要使用： 1Qwen + llama.cpp + RTX4060 Laptop 进行本地部署。 一、设备环境目前使用的设备： Honor MagicBook Pro 16 RTX 4060 Laptop GPU（8GB） Windows 11 WSL2 Ubuntu 22.04 二、为什么选择 Qwen一开始其实对比过很多模型： DeepSeek Llama Mistral Qwen 最后还是选择了 Qwen。 主要原因： 1. 中文能力强Qwen 的中文表现确实很好。 尤其： 长文本 中文逻辑 技术问题 明显比很多模型更自然。 2. 本地部署生态成熟目前： GGUF llama.cpp Ollama 对 Qwen 支持都很好。 部署方便很多。 3. 参数规模适合 4060 Laptop因为只有 8GB 显存。 所以： 70B 基本不现实 32B 边缘可跑 14B ...

今天花了一整天，把自己的个人博客慢慢搭了起来。 从最开始什么都没有，到现在真正拥有了一个属于自己的网页空间，过程其实比想象中更有意思。 一开始只是想简单做一个技术博客，用来记录以后学习 AI、本地大模型和开发过程里的内容。后来越改越上头，从 Hexo 到 Butterfly，从背景图到毛玻璃，再到导航栏、图片墙、视频页、随笔页……慢慢发现，自己想做的已经不只是一个“技术博客”。 更像是一个属于自己的数字空间。 这里以后不仅会放技术文档，也会记录一些生活里的东西，比如图片、视频、游戏截图、灵感、情绪、碎碎念，甚至可能只是某一天突然很喜欢的一张图。 今天最大的感受，大概是： 原来从零把一个网站慢慢搭成自己喜欢的样子，会有一种很强的“归属感”。 尤其是当背景、颜色、动画和布局一点点变成自己想要的风格的时候，会觉得这个页面真的开始“像自己”了。 目前博客还有很多地方没完善： 关于我页面还没完全做好 图片墙和视频页还在继续调整 后面还想接 AI 功能 还想加更多动态效果和内容分类 但至少现在，它已经不再是默认模板了。 而是真正开始变成： 一个属于自己的长期记录空间。 以后应该会经常在这...

WSL2 CUDA 配置记录最近很多本地 AI 工具都开始依赖： 1Linux + CUDA 环境。 所以后面开始正式折腾： 1Windows + WSL2 + CUDA 这一套环境。 一、为什么使用 WSL2相比虚拟机： WSL2 最大的优点是： 更轻量 GPU 支持更好 Linux 兼容性强 开发方便 现在很多： OpenClaw Docker AI Agent Python 环境 都更适合 Linux。 二、安装 WSL2管理员 PowerShell： 1wsl --install 安装完成后： 1wsl -l -v 查看版本。 三、安装 Ubuntu安装： 1Ubuntu 22.04 作为主要开发环境。 四、检查 GPU进入 WSL： 1nvidia-smi 如果正常： 会显示 GPU 信息。 五、安装 CUDA Toolkit下载： 1CUDA Toolkit 然后安装： 1sudo apt install nvidia-cuda-toolkit 六、Python 环境后面主要使用： 1conda 管理环境。 创建： 1conda create...