一、前言
在人工智能快速发展的背景下，OmniSteward 作为一款基于大语言模型的全能 AI 管家系统，致力于打破人机交互的壁垒，为用户打造智能、高效的生活和工作环境。
二、项目概述
OmniSteward 是一个正在积极开发中的全能管家系统，借助大语言模型的强大能力，实现了与用户的语音和文字交互，旨在帮助用户轻松控制智能家居设备以及管理电脑程序。项目遵循 MIT License 开源协议，具备多轮对话、可调用工具执行复杂任务、兼容多种 LLM 模型且拓展性强等特点。
三、功能特性
- 多模态交互体验
- 提供语音和文字两种交互模式。支持多轮对话，系统能够依据上下文连续回答用户问题。
- 强大的功能集成
- 智能家居控制：对接巴法云等平台，通过指令控制灯光、电器等设备。
- 电脑程序管理：实现程序的启动、关闭及状态查看。
- 在线信息检索：借助 step_web_search 工具和 Kimi AI 获取各类在线信息。
- 文件管理：支持文件检索、读写、压缩等操作。
- 命令行操作：支持通过语音或文字执行复杂的命令行任务。
- 模型灵活性与拓展性
- 支持多种大语言模型切换，用户可自定义工具并分享。
四、技术架构
语音处理技术采用 pyaudio 和 sounddevice 等技术进行语音处理。AI 模型应用集成了 Qwen2.5、BGE Reranker 和 Silero VAD 等先进模型。Web 服务架构后端基于 Flask 框架构建 Web 服务，利用 zerorpc 实现高效的远程过程调用。浏览器自动化技术运用 Selenium 实现浏览器自动化操作。其他辅助技术requests 用于发送 HTTP 请求，beautifulsoup4 用于解析 HTML 和 XML 文档。
五、安装与使用
1、系统要求
确保设备已安装 Python 3.8 及以上版本。需安装 Chrome 浏览器。目前主要在 Windows 操作系统上进行了功能测试。
2、安装步骤
- 克隆仓库：
git clone https://github.com/OmniSteward/OmniSteward.git cd OmniSteward - 安装依赖：
pip install -r requirements.txt
3、环境变量配置
打开项目中的 examples/env.cmd 文件，配置以下环境变量：
OPENAI_API_BASE=your_api_base
OPENAI_API_KEY=your_api_key
SILICON_FLOW_API_KEY=your_api_key
BEMFA_UID=your_bemfa_uid
BEMFA_TOPIC=your_bemfa_topic
KIMI_PROFILE_PATH=path_to_chrome_profile
LOCATION=your_location
LLM_MODEL=your_llm_model
备注：获取 OPENAI 格式的 API 密钥和 API 基础 URL 参见官方文档。
4、启动方式
OmniSteward 支持命令行模式（CLI）和 Web 模式。
