本项目提出一种基于大模型对项目文件进行全方位管理与构建的Agent框架，解决了项目构建中，大模型对项目结构的理解不够、大模型在修改代码时不考虑项目结构的问题。

本项目的Agent结构如下： 1.代码总结模型：该部分提取项目文件夹下的所有文件，并将文件代码以路径+文件代码的形式传入大模型，利用大模型的代码总结能力总结出该部分代码的功能与函数接口。 2.结构分析模型：该部分模型将传入的各个代码文件以及路径进行分析，以提取出项目结构以及项目想要完成的功能，以及各部分代码的具体功能。 3.交互模型：

• 修改功能模型：传入项目结构与用户要求，大模型根据项目结构和用户要求返回需要修改的代码文件名。系统查找需要修改的代码文件名，并传入给代码修改模型，以前后比对方式进行代码修改。
• 增删功能模型：TODO

flowchart TD
    %% 定义整体框架和主要功能模块顺序
    %% 各模块按工作顺序展现清晰的执行过程
    A[Agent 启动] -->|触发任务| B[代码总结模型]
    B --> B1[提取项目文件及路径]
    B1 --> B2[路径+代码传入大模型提取特征]
    B2 --> B3[总结代码功能与函数接口]
    B3 --> C[结构分析模型]
    
    C --> C1[分析各代码文件与路径]
    C1 --> C2[构建项目结构]
    C2 --> C3[提取各部分代码功能]
    C3 --> D[交互模型]
    
    D --> D1[修改功能模型]
    D1 --> D1_1[输入项目结构 & 用户需求]
    D1_1 --> D1_2[确定需修改文件名]
    D1_2 --> D1_3[定位相关代码文件]
    D1_3 --> D1_4[传入代码修改模型实施修改]
    D1_4 --> D1_5[比对代码修改前后结果]
    D1_5 --> G[完成修改功能]
    
    D --> D2[增删功能模型 - TODO]
    D2 --> D2_1[TODO: 定义增删逻辑]
    D2_1 --> D2_2[TODO: 增删代码文件并更新结构]
    D2_2 --> G

    G --> H[返回结果并结束任务]

1-2的流程已经完成了正常的对一个github项目的分析功能，可以辅助用于后续的开发。 3的流程可用于构建一套项目管理工作流。

步骤

1. 修改docker run语句启动容器 Copy docker run复制启动语句，其中有--volumn:/xiaomusic_music=/app/music等，功能是实现容器与主机共享文件夹（挂载bind mount）。 将/xiaomusic_music修改为主机储存音乐的文件夹的目录，以该语句启动新容器即可。/xiaomusic_conf同理。

2. 静态ip地址的设定 设备每次接入局域网都被分配不同ip。通过命令行输入ipconfig可以查询局域网下本机ip和网关ip（路由器），浏览器输入网关ip可以进入路由器管理界面，输入密码（路由器背面）可以设置当前设备的静态ip。

完成界面

结论

不如蓝牙（需要NAS），感觉如果有usb接口问题就好解决太多了。

背景

小米音箱作为米家的一款智能音箱，具有声控、联网查歌等功能。但是通过仔细搜查发现，小米音箱不具有播放本地音乐的功能，其附带app上的歌单，音乐文件并不在本地，而是通过链接直接联网获取，因此不能通过安卓端直接导入音乐文件。

目的

通过github仓库XiaoMusic，实现小米音箱播放PC（windows）中的音乐。

主要软件、网站

1. Github 阅读作者的教程和Q&A。

2. docker desktop 作为实现功能的重要软件，图形化界面管理容器，并且从服务器直接导入镜像等。

3. v2rayN 以上软件、网站都需要该软件访问。

4. deepseek 想不通就问。

步骤

1. 配置v2rayN（略）

2. 安装docker desktop of windows（dfw） 默认的硬盘映像文件在C:，可以在应用内调为D:。

3. 在dfw内的终端输入教程中的docker run ...语句 计算机终端不能直接通过v2代理，使用dfw更方便。

4. 启动容器 从上到下依次为容器名、容器id、容器界面链接，点击链接进入容器的界面，可以使用图形化界面调整参数。如果使用了v2将无法进入图形界面。 重点有：输入的账号必须已经在小米音箱app中连接了目标音箱；ip地址填开启容器的计算机在局域网中地址（不能是localhost）；音箱必须和PC在局域网内。

5. 此时可以从网络（默认bilisearch）查找并下载音乐。

剩余问题

1. wifi不区分2.4G和5G。
2. 每次打开容器需要重新配置参数。
3. 歌曲依然不能读取本地，且下载过的音乐不会保存下来。
4. 计算机在局域网中不具有静态ip地址。

要创建一个具有情感、记忆和其他人类特质的模拟人类，使用像LLaMA 3.2这样的大语言模型是一个不错的起点。以下是一个大致的架构和思路：

架构

1. 核心语言模型（LLaMA 3.2）

   • 用于自然语言理解和生成，是整个系统的大脑和语言处理中心。

2. 情感模块

   • 基于情感分析技术，识别输入信息中的情感，同时生成具有情感的输出。
   • 可集成情感数据集和特定规则，增强情感识别和生成的能力。

3. 记忆模块

   • 存储交互历史，使用数据库或内存缓存技术（如Redis）。
   • 允许基于上下文的个性化对话，模拟记忆持久性和个性化。
   • 使用向量存储（如FAISS或Pinecone）实现高效的相似性搜索。

4. 人格模块

   • 定义模拟人类的个性特征，如幽默感、开放性、严肃性等。
   • 根据用户配置或随机初始值来设置人格参数，影响模型生成的输出风格。

5. 目标导向模块

   • 允许模拟人类设定和跟踪目标，模拟人类的动机和行为导向。
   • 和记忆模块结合，使用强化学习策略（如Deep Q-Learning）实现目标导向的对话。

6. 对话管理模块

   • 管理对话流程、主题切换和上下文跟踪。
   • 结合BERT等上下文处理工具，提供流畅的多轮对话体验。

实现思路

1. 训练微调

   • 在情感、个性、记忆相关的数据集上微调语言模型，使其更能反映人类特质。
   • 利用RLHF（基于人类反馈的强化学习）技术增强模型的交互性。

2. 多模态输入

   • 如果可能，结合视觉或音频输入（使用OpenAI Clip或Whisper等），丰富模型的感知能力。

3. 持续学习

   • 开发在线学习机制，使模型能从每一次交互中学习，逐渐丰富其记忆和改进能力。

4. 模块间协作

   • 设计清晰的模块接口和数据流，确保各模块之间高效协作和信息共享。

5. 本地化部署

   • 优化模型大小及性能以适应本地运行，这可能需要进行量化或知识蒸馏。

注意事项

• 隐私和安全

  • 尽管不考虑合法性，仍需确保个人数据的处理符合安全标准，防止意外泄露或误用。

• 性能与资源管理

  • 确保本地计算机能够支持高效运行，可能还需要适应性负载管理。

• 情感与道德

  • 在情感和道德决策方面进行谨慎设计，避免产生不当或有害的建议。

通过结合这些架构组件和实现思路，可以建立一个初步的模拟人类系统，具备基本的人类特质和交互能力。