MuzeAnisichael / GreatSage

# GreatSage · 大贤者
**会听、会记、会动手的 Windows 桌面秘书**
听你说话，也能旁听电脑里的会议声音；跨会话记住事实，把会议和资料整理成带出处的纪要、待办和文档。有副作用的操作，先等你确认。
快速开始 · 使用说明 · 项目现状 · 路线图 · 变更记录
简体中文 · English
> [!NOTE]
> 项目处于 **alpha** 阶段，以 Windows 11 和 Python 3.11 为开发基准。提供 Windows x64 目录 ZIP、实验性 NSIS 安装器和源码运行方式。
>
> - **版本**：0.5.0-alpha.1 从 `main` 交付，包含自然连续语音、转写状态、单音源恢复，以及此前的资料库、纪要任务和受控工具。
> - **框架迁移**：LangChain、LangGraph、MCP HTTP 和本地运行监控已纳入本版；实际验证范围见v0.4 验证，逐片记录见开发日志。
> - **截图**：使用虚构数据和本地演示模型生成。
> - **进度**：已实现和已验证的内容见项目现状。
**v0.5 的日常语音体验**：上一句等待最终识别时可以继续下一句；已确认原文按顺序保存，用户继续说话时暂缓旧回答。界面区分临时、确认和未提交转写，显示音源阶段并提供单独重试。Pipecat、可选 Deepgram、播放／打断计时和语音监控均已接入。配置与证据见使用说明和v0.5 验证；真实新服务、设备和人工安装链仍待验收，性能指标作为优化参考。
## 它能做什么
- **听与判断**
 - 麦克风和一个桌面音源同时监听，桌面音源可以是系统整体声音，或一个指定程序。
 - 有对话伙伴、旁听助手、主动秘书三种预设，结合你写的全局指令，决定回答、解释、提醒还是保持安静。
- **跨会话记忆**
 - 原文、显式记忆和三层摘要都保留来源，支持关键词检索和可选的语义检索。
 - 修正或删除原文时，由它派生的摘要、记忆和回答会一起失效。
- **带出处的纪要（v0.3）**
 - 可以导入 `.md` 资料，把会议原文和资料整理成纪要、可编辑的待办和文档草稿。
 - 每条内容都标出 `[S1]` 这样的来源；找不到来源的条目会明确标出来。
- **操作先确认（v0.3）**
 - 写入、打开和删除默认要你在控制台点击确认，写入和删除可以撤销；命令工具默认关闭。
 - 旁听到的内容和导入的资料不能发起操作。
- **云端或本地模型**
 - 语音识别、语言模型和语音合成可以分别配置，混用 OpenRouter、OpenAI 兼容接口、Ollama 和本地方案。
- **可以审计**
 - 每次交互都有 trace ID，记录实际使用的来源、Skill 版本、各阶段耗时和服务返回的用量。
 - 请求快照默认只保存元数据。
- **通用框架（v0.4）**
 - LangChain 连接云端／Ollama，LangGraph 编排任务与审批；MCP HTTP 外部工具显式发现、逐次确认。
 - “运行监控”显示任务节点、消息目录、上下文估算和记忆变更，可直达请求证据。
- **桌宠**
 - Q 版猫头鹰显示运行状态、简化的任务进度和待确认提示，也可以摸摸它。
## 界面一览
 任务与产物 ：纪要任务的每一步都有状态和耗时；有副作用的操作停在这里等你确认。 
 带出处的纪要 ：正文里的来源标记对应下方的原文摘录，可以逐条核对。 
 工具与授权 ：拒绝优先于询问，询问优先于允许；删除和命令不能设为始终允许。 
 长期记忆 ：显式记忆和原文跨会话保留，可以修正或删除。 
 本地运行监控 
 使用合成数据展示。消息正文需要事先开启归档，再到请求证据中单独查看。 
 桌宠气泡只显示简化提示，详细内容在控制台。 
## 快速开始
### 下载 Windows 目录包
从 v0.5.0-alpha.1 预发布页 下载 Windows x64 ZIP 和 `SHA256SUMS.txt`。在下载目录核对 ZIP 的 SHA256 与清单一致：
 [code] 
完整解压 ZIP 到新目录，再运行其中的 `GreatSage.exe`，保留所有随附文件。目录包自带运行环境，无需安装 Python 或 Node.js；模型服务与密钥仍需自行配置。它没有发行签名，也未完成干净电脑安装、升级和卸载验收。已有用户应先退出旧版、备份数据，再使用新目录；不要覆盖或删除原有数据目录。
同页提供实验性 `GreatSage-0.5.0-alpha.1-win-x64-Setup.exe`，也须核对清单。默认安装到当前用户、卸载保留数据；安装／升级前先从托盘退出旧应用并备份完整数据目录。安装器尚未经过人工安装／升级／卸载验收，包内组件检查不代表安装链通过；目前优先使用 ZIP 试用。
### 从源码运行
需要 Windows、Python 3.11 和 Node.js/npm。以下是 API 优先的开发安装方式，不会下载大型语音模型：
 [code] 
使用本地语音识别或 Windows 系统语音时，补充可选依赖：
 [code] 
启动后：
1. 在“设置”中分别选择语音识别、语言模型和语音合成服务，保存后测试连接。
2. 回到“对话与感知”，选择音源并开始聆听。
首次启动默认不开启监听、语音播报和录音保存。
- **API 密钥**：可以使用已有的环境变量，也可以在设置中输入，由 Windows DPAPI 加密保存；界面不会回显密钥。`.env.example` 只是变量说明，程序不会自动加载 `.env`。
- **本地模型**：本地识别模型要在设置里明确准备，开始聆听只会加载已有缓存。Ollama 的安装、模型下载和服务启动由你自己管理。
- **依赖脚本：**`scripts/setup.ps1` 可以一次装好开发和本地语音依赖。
各服务的配置见服务说明。
### 构建本机目录包
 [code] 
默认构建结果是 `release/win-unpacked/GreatSage.exe`，要保留同目录的全部文件。需要 ZIP 时运行 `.\scripts\build.ps1 -Target zip`，由 electron-builder 打包到 `release/`；ZIP 仍是目录包，不是安装器。可以用环境变量 `GREATSAGE_DATA_DIR` 指定独立的数据目录。
如果本机策略禁止运行 PowerShell 脚本，可以直接调用已安装的构建工具：
 [code] 
## 工作方式
 [code] 
Electron 管理窗口、桌宠和托盘；Python 后端只监听 127.0.0.1，负责音频、模型、记忆、任务和事件。桌面音频按旁听内容保存，只有你的文字、麦克风请求和控制台操作才能发起工具调用。模块和数据流见实现架构。
## 数据与隐私
| 数据 | 默认策略 |
| --- | --- |
| 转写、对话、摘要、显式记忆 | 保留到你删除 |
| 导入的资料、纪要与文档（v0.3） | 保留到你删除；来源删除或修改后，对应引用失效 |
| 详细审计事件、请求快照 | 保留 30