1. 项目概述：一个为居家场景设计的本地化双脑语音助手

如果你和我一样，是个喜欢折腾技术、又有点“懒”的独居人士，肯定幻想过拥有一个像《钢铁侠》里Jarvis那样的智能管家。不是那种需要你掏出手机、点开App、再打字输入指令的“伪智能”，而是一个能随时待命、听懂人话、并且真能帮你干点实事的伙伴。比如，当你躺在床上，随口说一句“嘿Jarvis，我今天有什么工作要做？”，它就能立刻告诉你“你今天下午两点有个会，PPT还没做完”，甚至能主动帮你搜索资料、整理大纲。这就是JARVIS v3项目试图实现的核心愿景：一个完全运行在你本地机器上、拥有“双脑”架构、能说会干的语音助手。

这个项目的核心关键词是“本地优先”和“双脑架构”。这意味着你的所有语音数据、个人知识库、乃至AI模型的思考过程，都发生在你自己的电脑里，无需连接任何云端API。而“双脑”则是一个巧妙的工程折衷：一个“潜意识”大脑负责快速响应闲聊，保证对话的即时性；另一个“主意识”大脑则在你需要执行复杂任务时被唤醒，负责调用工具、搜索网络、读写文件。这种设计解决了传统单模型语音助手“要么反应慢，要么智商低”的尴尬。

2. 核心设计思路：为什么需要“双脑”架构？

在深入代码之前，理解“双脑”设计的必要性至关重要。这不仅仅是技术上的炫技，而是对语音交互本质痛点的深刻回应。

2.1 传统单模型管道的困境

绝大多数语音助手，包括早期的商业产品，都遵循一个简单的线性管道：唤醒词 → 语音识别 → 单一大型语言模型处理 → 语音合成。这个模型必须身兼数职：既要能像朋友一样和你自然闲聊，又要能像秘书一样理解并执行“查天气”、“记笔记”、“搜资料”这类工具调用任务。

这里存在一个根本性的矛盾： 低延迟 和 高智能 在计算资源上是冲突的。为了保证闲聊时“秒回”的体验，模型必须非常轻量、推理速度极快。但一个轻量模型往往缺乏执行复杂任务所需的深度推理和工具调用能力。反之，一个足够“聪明”能调用工具的大模型，其推理时间动辄数秒甚至数十秒，如果每次对话都要等这么久，用户体验会极其糟糕。

2.2 JARVIS v3的“双脑”解耦方案

JARVIS v3的解决方案是将这两个矛盾的需求拆解，交给两个独立的“大脑”来处理，我将其类比为人类的“潜意识”和“主意识”。

大脑	角色定位	模型与目标	工作机制
潜意识 (Subconscious)	快速对话层	使用 SGLang 服务的 Qwen3.6-35B-A3B-FP8 模型。这是一个混合专家模型，专为低延迟对话优化。其核心目标是： 首字响应时间小于1秒 ，回复内容通常不超过两句话。	它处理所有即时交互。当用户说完话，它快速判断意图：如果是“你好”、“今天心情怎么样”这类闲聊，它直接生成友好回复。如果嗅探到任务意图（如“查天气”、“帮我写邮件”），它不会自己执行，而是生成一个特殊的 tool_calls 指令，调用 invoke_hermes 函数，将任务“抛给”主意识。
主意识 / Hermes (Main Consciousness)	任务执行层	由 Hermes Agent CLI 驱动，背后连接着同一个SGLang后端的大模型。它的目标是 可靠地完成任务 ，而非速度。	当被潜意识唤醒后，它进入一个完整的智能体循环：进行多步推理、规划工具使用（如 web.search , fs.read ）、处理可能出现的错误、并最终将执行结果总结成一段纯文本。这个过程可能需要5到30秒，取决于任务的复杂度。

一个完整的工作流示例：

1. 你说：“嘿Jarvis，上海今天天气怎么样？”
2. 潜意识大脑在不到1秒内识别出这是一个需要实时信息的查询。
3. 它生成一个 tool_calls ，内容是 invoke_hermes(task=“查询上海今日天气”) 。
4. 系统播放一个轻微的“心跳”提示音，告知你主意识已开始工作。
5. Hermes主意识启动，调用 web.search 工具获取实时天气数据。
6. 获取数据后，Hermes生成总结：“上海今日晴，气温18-25摄氏度，东风2级。”
7. 这段文本被送回潜意识大脑。
8. 潜意识将这段略显生硬的总结，重新组织成更口语化的回复：“今天上海天气不错，是个大晴天，温度在18到25度之间，有点微风。”
9. 最后，由VoxCPM2语音合成模型，用你克隆好的声音，将这句话流式播放出来。

这种架构的精妙之处在于，用户感知到的始终是那个反应迅速的“对话伙伴”，而背后繁重的“体力活”则由另一个大脑默默完成，两者通过清晰的事件机制衔接，体验无缝。

3. 系统架构与核心组件详解

理解了设计理念，我们来看JARVIS v3是如何用代码将这一切组装起来的。整个系统由5个独立的systemd服务构成，它们通过本地网络端口通信，共同协作。

3.1 核心数据流与状态机

整个系统的核心是一个严格的状态机，它管理着从拾音到播放的完整生命周期，确保音频不会自激（即扬声器播放的声音又被麦克风收录，导致循环唤醒）。

IDLE (空闲) -> LISTENING (监听唤醒词) -> PROCESSING (处理语音) -> RESPONDING (响应播放) -> FOLLOW_UP_LISTEN (等待后续指令)

1. IDLE (空闲) : 系统静默，麦克风以极低的功耗持续监听，等待唤醒词。
2. LISTENING (监听唤醒词) : 检测到可能的唤醒词后，系统进入高灵敏度监听状态，同时开启语音活动检测，等待用户说完一句话。
3. PROCESSING (处理) : 用户语音结束，音频被送入流水线：先由Qwen3-ASR进行语音识别，文本交给潜意识大脑判断，如需工具调用则转交Hermes。
4. RESPONDING (响应) : 生成回复文本，由VoxCPM2合成语音，并通过扬声器播放。 在此阶段，麦克风被强制静音 ，这是防止回声自激的关键。
5. FOLLOW_UP_LISTEN (后续监听) : 播放结束后，系统不会立刻回到IDLE，而是进入一个短暂的“冷却监听”期（约1.5秒）。这个设计是为了自然承接用户的连续指令，比如你说“打开灯”，它执行完后你立刻说“再把窗帘关上”。如果没有这个状态，系统可能在播放完“灯已打开”的最后一个音节时，麦克风立即开启，恰好捕捉到扬声器的余音或你自己的下一个指令开头，造成误识别或状态混乱。

3.2 五大核心服务解析

这五个服务分别部署在不同的端口，通过HTTP/gRPC进行通信。

服务名称	端口	核心职责与关键技术选型
sglang	:8000	大模型服务引擎 。这是整个系统的算力核心，使用SGLang框架来服务Qwen3.6-35B模型。SGLang相比标准的vLLM，对工具调用格式的解析有更好的支持，延迟也更低。你需要一个至少50GB显存的GPU来加载这个模型。
qwen3-asr-shim	:8002	语音识别服务 。一个简单的FastAPI包装器，调用Qwen团队开源的Qwen3-ASR-1.7B模型。这个模型对中文的识别准确率很高，且支持中英文混合。服务接收16kHz的音频PCM数据，返回识别文本。
voxcpm2-tts	:8003	语音合成服务 。这是项目的亮点之一，使用OpenBMB的VoxCPM2模型。它支持 零样本语音克隆 ：你只需要提供一段4-8秒的目标人声干净录音，它就能让合成语音无限接近那个音色。服务以流式方式返回48kHz的高质量音频。
hermes-shim	:8004	智能体执行桥接 。这是一个适配层，将潜意识大脑发出的OpenAI格式的工具调用请求，转发给真正的任务执行者——Hermes Agent CLI。Hermes再通过MCP协议与工具服务器通信。
mcp-server	:8005	工具服务器 。这是实际干活儿的“手”和“脚”。它实现了几个关键的命名空间工具： - fs.* : 文件系统操作（读、写、列表）。 - web.search : 网络搜索（通过Tavily API）。 - rag.search : 在你的个人知识库中进行检索。 - system.* : 执行系统命令（需谨慎配置）。 - cf.* : Cloudflare操作（如管理DNS）。
jarvis-v3	(无)	主守护进程 。这是系统的大脑和中枢神经，包含了状态机、麦克风读取、音频播放、唤醒词检测、语音端点检测，以及负责协调所有其他服务的客户端。

3.3 个人知识库集成：让你的助手真正“懂你”

这是我认为JARVIS v3最具长期价值的特性。它不是一个死记硬背的问答机，而是一个能基于你个人资料进行推理的助手。

如何运作？ 你需要维护一个结构化的Markdown知识库，建议参考Andrej Karpathy提倡的“LLM Wiki”风格。例如，在你的家目录下建立这样一个结构：

~/my_wiki/
├── vault/ref/         # 参考资料、读书笔记、论文摘要
│   ├── docker_notes.md
│   └── project_ideas.md
└── vault/wiki/        # 个人知识、日记、项目日志
    ├── 2024-10-meeting.md
    └── home_server_setup.md

在配置中，你将这个目录路径告诉JARVIS。当潜意识大脑判断你的问题可能与个人知识相关时（例如，“我上周记的关于Docker网络的想法是什么？”），它会调用 rag.search 工具。该工具会先用关键词在你的文件索引中快速检索，找到相关文件后，再通过 fs.read 工具读取具体的Markdown内容。最后，Hermes会基于这些真实的、你写下的内容，生成一个总结性回答。

这意味着，你的助手不再是基于公共知识“编造”答案，而是真正基于你的私人记忆和思考来回应。这对于管理个人项目、回顾学习笔记、甚至作为数字外脑，都有着巨大的潜力。

4. 从零开始部署：硬件准备与系统安装

纸上谈兵终觉浅，我们来一步步把它跑起来。这个过程需要一定的Linux和命令行操作基础，但我会尽量把每个步骤的意图和可能遇到的坑讲清楚。

4.1 硬件与软件门槛

首先，你必须正视它的资源需求。这是一个完全本地的AI系统，对算力要求不低。

组件	最低要求	我的测试环境（供参考）
GPU显存	~50 GB 这是硬门槛。需要同时加载Qwen3.6大模型、VoxCPM2语音克隆模型、Qwen3-ASR语音识别模型。	NVIDIA RTX PRO 6000 Blackwell (96 GB)。如果你显存不足，可以考虑换用Qwen3-14B或Llama-3.3-70B等更小的模型，但工具调用能力会下降。
CPU	8核（唤醒词和语音检测是CPU计算）	16核
内存	32 GB	96 GB
操作系统	带有PipeWire或PulseAudio的Linux发行版	Ubuntu 24.04.4 LTS
Python	3.12	3.12.x
CUDA	12.4+	13.1
音频设备	支持16kHz采样的USB麦克风/扬声器一体设备或独立声卡	Plantronics Poly Sync 10（会议扬声器）

关于音频设备的特别说明 ：为了避免回声消除带来的音质劣化，项目要求音频设备能被PulseAudio识别并提供一个名为 *.mono-fallback 的16kHz单声道源。很多USB会议麦克风（如Jabra、Poly）都支持。如果你使用独立麦克风和扬声器，可能需要额外配置。

4.2 分步安装与配置指南

假设你已经在Ubuntu 24.04上准备好了满足要求的硬件，我们开始操作。

# 1. 克隆代码库并创建虚拟环境
# 选择一个空间足够的目录，比如你的家目录
git clone https://github.com/CarverXx/jarvis-v3 ~/jarvis-v3
python3.12 -m venv ~/jarvis-v3-venv
source ~/jarvis-v3-venv/bin/activate

# 2. 安装Python依赖
# 这一步可能会耗时较长，因为需要编译一些音频处理库
cd ~/jarvis-v3
pip install -r requirements.txt

> 注意： 如果遇到 portaudio 或 pyaudio 相关错误，你可能需要先安装系统级的开发包： sudo apt install portaudio19-dev python3.12-dev 。

# 3. 下载模型文件（最耗时的步骤）
# 你需要提前安装好 huggingface-cli: `pip install huggingface-hub`
# 确保你的网络能稳定访问Hugging Face，或者使用镜像源。

# 下载对话大模型 (约70GB)
huggingface-cli download Qwen/Qwen3.6-35B-A3B-FP8 --local-dir ~/models/Qwen3.6-35B-A3B-FP8

# 下载语音识别模型 (约3.5GB)
huggingface-cli download Qwen/Qwen3-ASR-1.7B --local-dir ~/models/Qwen3-ASR-1.7B

# 下载语音合成模型 (约5GB)
huggingface-cli download openbmb/VoxCPM2 --local-dir ~/models/VoxCPM2

# 4. 配置外部智能体 (Hermes)
# 按照Nous Research的官方指南安装Hermes Agent CLI
# 通常命令是：pip install hermes-agent-cli
# 安装后，编辑 ~/.hermes/config.yaml，将其后端指向你的SGLang服务：
# backend:
#   type: "openai"
#   base_url: "http://127.0.0.1:8000/v1"
#   api_key: "your-sglang-api-key" # 在下一步的SGLang配置中设置

# 5. 配置API密钥（可选，但建议配置Web搜索）
# 创建安全的配置目录
mkdir -p ~/.config/jarvis && chmod 700 ~/.config/jarvis

# Tavily API密钥，用于网络搜索。去 tavily.com 注册获取。
echo "你的_Tavily_API_密钥" > ~/.config/jarvis/tavily.key && chmod 600 ~/.config/jarvis/tavily.key

# Cloudflare API令牌，用于管理域名等。非必需。
# echo "你的_Cloudflare_API_令牌" > ~/.config/jarvis/cf.token && chmod 600 ~/.config/jarvis/cf.token

# 6. 配置并安装systemd服务（关键步骤）
cd ~/jarvis-v3/systemd
# 首先，复制样例文件，并仔细编辑每一个
for f in *.sample; do
    cp "$f" "${f%.sample}"
done

# 现在你需要编辑这几个新生成的 .service 文件：
# - sglang.service: 修改 `User=YOUR_USERNAME`, `Environment=MODEL_PATH=你的模型路径`, `Environment=SGLANG_API_KEY=一个强密码`
# - jarvis-v3.service: 修改 `User=YOUR_USERNAME`, 以及 `ExecStart` 行中的 `--mic-device` 和 `--speaker-device` 参数。
#   如何找到你的设备？运行 `pactl list short sources` 和 `pactl list short sinks` 查看。
# - 其他 .service 文件通常只需修改 `User`。

# 编辑完成后，安装服务
for f in *.service; do
    sudo install -m 644 "$f" "/etc/systemd/system/"
done
sudo systemctl daemon-reload

# 7. 启动整个服务栈
# 启动所有服务，并设置开机自启
sudo systemctl enable --now sglang mcp-server qwen3-asr-shim voxcpm2-tts hermes-shim jarvis-v3

# 检查服务状态，确保都是 active (running)
sudo systemctl status jarvis-v3 sglang

如果一切顺利，你的JARVIS已经在后台运行了。接下来，我们需要一个方式来观察它。

4.3 启动终端仪表盘

在另一个终端窗口（或SSH会话）中，运行仪表盘：

# 安装仪表盘脚本到系统路径（只需一次）
sudo install -m 755 ~/jarvis-v3/scripts/jarvis-tui /usr/local/bin/jarvis-tui

# 启动仪表盘
jarvis-tui

你会看到一个六面板的实时终端界面，这是你洞察JARVIS“思想”的窗口：

1. 状态面板 : 显示当前状态机位置和会话ID。
2. 麦克风/唤醒面板 : 显示实时音量电平图和唤醒词置信度分数。
3. ASR面板 : 显示最新识别出的语音文本。
4. 潜意识面板 : 显示用户消息和潜意识大脑流式生成的回复Token，以及它是否发出了工具调用。
5. Hermes面板 : 当主意识工作时，这里会显示“运行中...X秒”和脉冲动画。完成后显示结果。
6. TTS面板 : 显示语音合成的进度条。

现在，对着你的麦克风清晰地说出“Hey Jarvis”，你应该能听到一个提示音，仪表盘状态会变化，然后你就可以开始对话了。

5. 个性化定制：打造独一无二的数字伙伴

基础功能跑通后，我们可以进行深度定制，让JARVIS真正变成你的专属助手。这三个定制项能极大提升体验和隐私性。

5.1 零样本语音克隆：让它用你的声音说话

默认的TTS声音是机械的。VoxCPM2的强大之处在于，只需一段短录音，就能克隆音色。

实操步骤：

1. 准备录音 ：用手机或电脑录制一段4-8秒的 目标人声 。环境要安静，吐字清晰，不要有背景音乐或噪音。保存为 .m4a 或 .wav 格式。你可以用自己的声音，也可以用任何你喜欢的、版权允许的声音（如电影角色）。
2. 处理录音 ：使用项目自带的脚本进行标准化处理。

   cd ~/jarvis-v3
   python scripts/trim_voice_ref.py --input ~/Downloads/my_voice.m4a --output assets/jarvis_voice_ref.wav
   

   这个脚本会自动进行响度归一化、去除静音段，生成一个干净的参考音频。
3. 生效 ： jarvis-v3 服务会自动加载 assets/jarvis_voice_ref.wav 文件。重启服务即可：

   sudo systemctl restart jarvis-v3
   

   下次对话，你就会听到克隆后的声音了。实测下来，对于音色相似的语句，克隆效果非常自然；对于语气、语调差异大的句子，可能稍显平淡，但已远超市面上大多数本地TTS。

5.2 训练专属唤醒词验证器：减少误唤醒

默认的 openWakeWord 模型对“Hey Jarvis”这个短语的识别，可能会被电视节目、家人聊天或播客中的类似发音触发。通过训练一个简单的验证器，可以大幅提升对你本人声音的识别率，同时降低误报。

实操步骤：

1. 录制正样本 ：用录音设备录制一段约35秒的音频，其中包含15-20次你清晰说出的“Hey Jarvis”。尽量在不同时间、不同状态下录制，以覆盖你声音的自然变化。保存为 hey_jarvis_batch.m4a 。
2. 录制负样本 ：录制另一段约35秒的音频，包含10句左右的 其他任意语音 ，比如“今天天气真好”、“打开灯”、“喂喂喂”等。保存为 random_speech.m4a 。
3. 分割样本 ：

   # 分割正样本
   python scripts/split_wake_recording.py \
       --input ~/Downloads/hey_jarvis_batch.m4a \
       --out-dir assets/wake_samples/positive --n 15
   
   # 分割负样本
   python scripts/split_wake_recording.py \
       --input ~/Downloads/random_speech.m4a \
       --out-dir assets/wake_samples/negative --n 10
   

   脚本会自动根据静音检测，将长音频切割成单个短语的片段。
4. 训练验证器 ：

   python scripts/train_wake_verifier.py
   

   这个过程很快，会在 assets/ 目录下生成一个 hey_jarvis_verifier.pkl 文件。
5. 重启服务 ：

   sudo systemctl restart jarvis-v3
   

   训练后，你会发现只有你用接近录制时的音色说“Hey Jarvis”时，唤醒成功率才高，其他人的声音或环境噪音基本不会误触发。这是提升居家体验的关键一步。

5.3 定制人格与回复风格

你可以通过环境变量来微调JARVIS的“性格”，而无需修改代码。

• JARVIS_SUBCONSCIOUS_PROMPT : 这是潜意识大脑的系统提示词，决定了它日常对话的语气和角色。例如，你可以把它设定为一个“严谨的英国管家”或“活泼的科技助手”。

  # 在 jarvis-v3.service 文件中添加
  Environment=JARVIS_SUBCONSCIOUS_PROMPT="你是一个居住在我电脑中的AI助手，名叫Jarvis。你说话简洁、直接、乐于助人，偶尔带一点幽默。对于需要执行任务的情况，你会明确告知我你将启动Hermes来处理。"
  

• JARVIS_HERMES_VOICE_PROMPT : 这个提示词会被预置到 每一次 发送给Hermes主意识的请求前，用于指导它生成最终回复文本的风格。因为潜意识大脑会将Hermes的回复重新组织后说出，所以这里可以强调“回复要口语化、简短”。

  Environment=JARVIS_HERMES_VOICE_PROMPT="请将你的回复总结得非常简短，控制在1-2句话内，并且使用口语化的中文。直接给出事实或结论，不要有‘根据我的查询’这类前缀。"
  

修改完service文件后，记得 sudo systemctl daemon-reload 和 sudo systemctl restart jarvis-v3 使配置生效。

6. 实战问题排查与经验心得

在部署和使用的过程中，我踩过不少坑。这里把常见问题和解决方案整理出来，希望能帮你节省时间。

6.1 音频相关问题

问题1：麦克风没声音或唤醒词没反应。

• 检查设备 ：首先运行 pactl list short sources ，确认你的麦克风设备名称。在 jarvis-v3.service 的 ExecStart 命令中， --mic-device 参数必须与此完全匹配（例如 alsa_input.usb-Plantronics_Plantronics_Sync_10-00.analog-mono ）。
• 检查权限 ：确保运行JARVIS的用户（在service文件中指定的 User ）有权限访问音频设备。通常需要将用户加入 audio 和 pulse-access 组： sudo usermod -aG audio,pulse-access YOUR_USERNAME ，然后 重新登录 。
• 检查状态 ：运行 sudo systemctl status jarvis-v3 ，查看日志中是否有 Could not open microphone 之类的错误。

问题2：有回声或啸叫，或者JARVIS自己唤醒自己。

• 确保半双工 ：这是项目设计的核心。在 RESPONDING 状态，麦克风必须被静音。检查 daemon/satellite.py 中的 _play_audio 函数，确认在播放音频前调用了 self.mic.mute() ，播放后调用了 self.mic.unmute() 。
• 调整物理布局 ：扬声器不要正对着麦克风，适当降低扬声器音量。
• 利用冷却期 ： FOLLOW_UP_LISTEN 状态的1.5秒冷却期就是为了防止自激。如果问题依旧，可以尝试在 config.py 中适当增加 WAKE_COOLDOWN_SECONDS 的值。

问题3：语音合成（TTS）声音卡顿或延迟高。

• 检查VoxCPM2服务 ： sudo systemctl status voxcpm2-tts 。首次请求会较慢，因为要加载模型。后续请求应该流畅。
• 查看GPU内存 ：运行 nvidia-smi ，确保GPU内存没有被其他进程占满。VoxCPM2需要一定显存。
• 网络延迟 ：虽然服务在本地，但HTTP请求也有开销。确保 jarvis-v3 服务中配置的 TTS_URL (通常是 http://127.0.0.1:8003/tts ) 可以快速访问。

6.2 模型与服务问题

问题4：潜意识大脑回复慢（TTFB > 2秒）。

• SGLang服务负载 ：检查 sudo systemctl status sglang 。Qwen3.6-35B模型很大，首次加载或同时处理多个请求时会慢。确保你的GPU足够强大。
• 提示词过长 ：如果 JARVIS_SUBCONSCIOUS_PROMPT 设置得太长，每次请求的上下文都会很长，影响速度。尽量精简。
• 考虑量化 ：如果显存紧张导致使用速度更慢的量化方式（如GPTQ），延迟会增加。FP8量化在Blackwell显卡上是最优选择。

问题5：Hermes主意识执行任务失败。

• 检查Hermes Shim服务 ： sudo systemctl status hermes-shim 。查看日志，常见错误是连接不到SGLang后端或MCP服务器。
• 检查MCP工具服务器 ： sudo systemctl status mcp-server 。确认工具配置正确。例如， web.search 工具需要正确的Tavily API密钥，且密钥文件权限是600。
• 查看Hermes日志 ：Hermes Agent CLI通常有自己的日志文件，默认可能在 ~/.hermes/logs/ 。这里会有更详细的工具调用错误信息。

问题6：个人知识库（RAG）搜索没结果。

• 确认路径 ：检查 mcp-server 的配置，确保 rag.search 工具指向的 vault/ 目录路径正确，且该目录下有 .md 文件。
• 重建索引 ：RAG搜索基于一个预先构建的文本索引。如果你新增或修改了文件，可能需要触发索引重建。具体方法取决于你使用的RAG工具实现，可能需要重启 mcp-server 或调用一个特定的重建接口。
• 文件编码 ：确保你的Markdown文件是UTF-8编码，避免中文乱码导致索引失败。

6.3 系统与运维心得

资源监控是关键 ：长期运行这样一个重型AI服务，需要监控系统资源。我建议使用 htop 看CPU/内存，用 nvtop 或 nvidia-smi -l 1 监控GPU使用情况。如果发现内存泄漏或GPU内存持续增长，可能需要定期重启服务。

日志是救星 ：五个systemd服务都有日志。熟练使用 sudo journalctl -u jarvis-v3 -f （ -f 表示跟随最新日志）来实时调试。结合TUI仪表盘，你可以清晰地看到问题发生在哪个环节。

备份你的配置和资产 ： assets/ 目录下的语音克隆文件和唤醒词验证器文件，以及你的个人知识库 vault/ ，都是独一无二的。定期备份它们。

安全提醒 ： system.* 工具允许执行任意Shell命令。 请务必在 mcp-server 的配置中严格限制可执行的命令范围，最好完全禁用它，除非你完全信任你的家庭网络环境。 永远不要将带有此类工具的服务暴露在公网上。

这个项目是我近年来在个人AI基础设施上投入精力最多的一个，它把前沿的本地大模型、语音技术、智能体架构巧妙地整合在了一起，并且真正做到了“可用”。虽然部署过程有些复杂，但一旦跑通，那种拥有一个完全受控于自己、能听会说、还能基于个人知识库工作的智能体的感觉，是非常独特的。它不再是一个黑盒云服务，而是一个你可以拆解、调试、定制的伙伴。如果你也热爱技术，并且对隐私和个性化有要求，那么投入时间搭建一个属于自己的JARVIS，绝对是值得的。