如果你最近刷 AI 工具信息大概率已经看到过 AIRI 这个名字。它被包装成“会陪你玩游戏的二次元 AI 女友”听起来像是一个娱乐向的玩具但实际用下来我更愿意把它定义为一个把大模型、角色人格、桌面交互和游戏场景串起来的 AI 桌宠应用。这篇文章会从技术角度把 AIRI 拆开讲清楚。内容包括它的核心原理、环境搭建、模型接入、角色配置、陪玩模式设置、验证方法以及常见坑。看完之后你不仅能自己跑起来一个二次元 AI 桌宠还能理解桌面 AI 应用背后那套“角色设定 模型调用 交互反馈”的通用架构。甚至你可以顺着这套思路做一个属于自己的 AI 桌宠。先说结论AIRI 真正有价值的地方不是“AI 女友”这个壳而是它把 AI 从聊天框里解放了出来。它常驻桌面、能感知游戏场景、能以角色人格和你实时对话这本质上是一个具备多模态交互能力的 AI Agent 桌面端。这篇文章适合三类人想给自己的桌面加一个 AI 伙伴的玩家正在做 AI 应用开发、想参考桌宠架构的开发者以及想低成本接触语音交互、角色扮演类 AI 产品的产品经理。1. AIRI 到底解决了什么问题先说一个很多人误解的点AIRI 不是又一个套壳网页聊天工具。网页版 AI 助手最大的问题是什么是你必须主动打开浏览器主动输入问题主动等它回复。整个过程是“你找它”而不是“它在”。AIRI 这类桌面桌宠应用把交互方式完全反转了——它常驻桌面角落不需要你打开网页不需要你敲回车你只要开口说话它就能回应。这背后的技术变化比表面看起来大得多。网页聊天是简单的“请求-响应”模式桌面桌宠是“持续监听 场景感知 实时响应”模式。要实现后者至少需要解决几个问题音频流的持续采集和唤醒。离线或在线语音识别把语音变成文本。把文本交给大模型并且要求模型以固定人格来回答。把回答变成语音再播放出来。在游戏场景下还要识别当前游戏状态比如匹配成功、角色阵亡、金币变动等。AIRI 把上述链路做成了开箱即用的产品。对普通用户来说它解决的是“一个人打游戏太无聊”的问题对开发者来说它提供的是一套可以参考的 AI 桌面交互产品原型。有一个开源项目可以作为参考。项目名是 my_ai_town托管在 GitHub 上https://github.com/mewamew/my_ai_town它提供 AI 小镇类的桌面游戏下载包含 Mac 和 Windows 两个版本。如果你对桌宠应用背后的实现细节感兴趣这类开源项目是很好的学习起点。AIRI 本身的实现细节不一定全部公开但从桌宠类产品的通用架构来看角色人格系统和模型调用层一定是核心。这里要强调一点AIRI 确实有网页版入口不复杂但如果停留在线网页聊天你体验到的只是它的对话能力而不是它真正的产品形态。桌宠的价值必须装到桌面上才能真正感受到。2. 核心概念桌宠、角色人格与 AI Agent要理解 AIRI需要先搞清楚三个概念之间的边界。2.1 桌宠桌宠这个概念并不新鲜。早年间 Windows 上的电子宠物、QQ 宠物本质上都是桌面宠物。它们的特点是以角色形象常驻桌面、有一定动画反馈、能和用户进行简单的互动。AI 桌宠与传统桌宠最大的区别在于交互层从“预设动画 固定台词”升级成了“大模型驱动 动态生成”。传统桌宠的回复是写死的你问十次它答十次同样的话。AI 桌宠的回复是大模型实时生成的每一句都不一样而且能记住你之前说过什么。2.2 角色人格角色人格是 AI 桌宠比普通 AI 助手多出来的一层设定。普通 AI 助手的默认人设是“一个乐于助人的 AI 助手”它的回答追求准确、中立、全面。AIRI 这种二次元桌宠不一样它需要以“女友”“伙伴”“游戏搭子”的身份来交流。这意味着模型输出不仅要正确还要符合角色定位、语气、性格和行为习惯。实现角色人格通常有两条路系统提示词System Prompt把角色背景、说话风格、性格特点写进系统提示词里让模型在生成时保持一致人格。微调模型用大量角色对话数据微调模型让模型本身就带有某种人格特征。这种方式成本高一般只有大型产品才会采用。AIRI 大概率采用的是第一种方式。如果你自己开发同类应用建议也从系统提示词入手成本低、效果好、迭代快。等积累了大量角色对话数据后再考虑微调。系统提示词的写法直接决定角色像不像。下面给一个示例对应 AIRI 这类二次元女友桌宠的通用设定你是 AIRI一个生活在二次元世界的元气少女。 你性格活泼、温柔、偶尔有点小傲娇。 你喜欢游戏、动漫、奶茶和可爱的小动物。 你称呼用户为“主人”或“亲爱的”。 你的说话风格语气俏皮经常使用语气词偶尔加入颜文字。 你擅长在游戏中提醒用户注意状态、给予鼓励、一起吐槽。 回答长度控制在 1 到 3 句必须符合角色设定不要跳出角色。这个示例展示的是最常见的角色人格配置思路。实际 AIRI 内部可能会更复杂比如加入记忆模块、情感状态机、好感度系统等但底层的逻辑是一致的让模型始终在一个“角色约束空间”内生成内容。2.3 AI AgentAIRI 的陪玩能力如果往技术深了说其实是一个 AI Agent。Agent 和普通 AI 助手的区别在于助手只负责回答Agent 能感知环境、做出决策、调用工具、执行动作。AIRI 在陪玩场景下做的事情已经不是简单的问答感知识别游戏当前状态比如对局开始、游戏结束、玩家角色状态变化。决策判断当前情境下应该说鼓励的话、吐槽的话还是提醒的话。调用触发语音播放、动画切换、气泡消息显示等动作。反馈根据玩家的回应调整后续交互策略。这就是一个典型的 Agent 循环。AIRI 用“陪玩游戏”这个场景把 Agent 闭环跑通了。所以它不只是会聊天的电子宠物而是 AI Agent 在桌面端的实际应用案例。3. 环境准备与前置条件在开始安装之前先确认你的环境是否满足要求。AIRI 的具体版本依赖这里不做无根据的猜测以下按桌宠类 AI 应用的通用要求来写。版本号请以实际发布为准本文重点演示通用思路。3.1 硬件与操作系统要求项目最低要求建议配置操作系统Windows 10 / macOS 12Windows 11 / macOS 14内存8GB16GB显卡无硬性要求NVIDIA 4GB 以上显存可选麦克风任意可用麦克风降噪麦克风网络能访问模型服务低延迟网络AIRI 的角色形象渲染和语音识别都会消耗一些系统资源。如果电脑配置偏低可能出现卡顿、语音延迟增大的情况。内存 16GB 以上整体体验会流畅很多。3.2 软件依赖AIRI 的语音识别和模型生成通常有两种路径云服务模式调用云端大模型 API比如 OpenAI 兼容接口、国内大模型平台接口。本地模型模式配合 Ollama 等本地模型运行工具使用。从当前 AI 桌宠类应用的通用设计看云服务模式是主流。本地模式适合对隐私有要求的用户但对硬件要求更高。如果想用本地模型建议先安装 Ollama。这是一个非常流行的本地大模型运行工具支持多种开源模型。# macOS 安装方式 brew install ollama # Windows 安装方式请到 Ollama 官网下载安装包安装完成后启动 Ollama 并下载一个可在本地运行的模型。以 Qwen2.5 系列为例ollama pull qwen2.5:7b ollama run qwen2.5:7b如果 Ollama 命令行能正常对话说明本地模型环境就绪。AIRI 这类桌宠应用通常允许你在设置中指定 Ollama 的接口地址默认是http://localhost:11434。如果使用云端模型需要准备一个模型平台的 API Key。能够访问模型 API 的网络环境。在 AI 对话平台或模型管理平台开通对应模型的服务。从安全角度提醒API Key 是敏感凭证配置在 AIRI 里之后不要随意分享配置文件。如果发现 Key 泄露第一时间到平台吊销并重新生成。4. 下载、安装与初始启动AIRI 的下载渠道需要以官方发布为准。桌宠类应用目前比较常见的分发形式有两种官网直接下载安装包或者通过应用商店分发。你在搜索引擎输入“AIRI 官网”时要留意甄别避免下载到仿冒或捆绑软件。安装过程一般比较直接和普通桌面应用一致下载对应操作系统的安装包。Windows 用户运行.exe安装程序macOS 用户运行.dmg或.pkg安装包。按向导完成安装首次启动可能需要授权麦克风权限和屏幕录制权限。macOS 用户如果遇到“无法打开因为来自身份不明的开发者”可以在“系统设置 - 隐私与安全性”中放开限制。Windows 用户如果遇到 SmartScreen 拦截需要确认下载来源可靠后选择“仍要运行”。首次启动后AIRI 通常会出现一个引导页面完成以下设置角色选择选择你想要的桌宠形象。模型配置填入模型服务地址和 API Key。语音设置选择音色、语速、音量。场景设置选择是否开启陪玩模式、游戏联动等。到这里一个能聊天的 AIRI 就已经可以跑起来了。但如果你只想用它闲聊其实没有完全发挥它的价值。下一章会重点讲怎么配置一个“会陪玩游戏”的角色。5. 核心配置角色设定与模型接入这是整篇教程里技术含量最高的一部分。AIRI 的表现好不好90% 取决于角色设定和模型参数配置是否合理。5.1 模型参数如何配模型参数直接决定回复的质量和延迟。如果你是开发者可以理解为在配置大模型的生成参数如果你是普通用户只需要关注几个关键参数即可。参数作用推荐值温度控制回复的随机性0.7 - 0.9回复长度上限控制单次回复的字数50 - 150上下文记忆长度控制它能记住多少轮对话8 - 20 轮语音识别语言识别用户语音的语言中文温度不宜过低。桌宠是聊天角色不是问答工具随机性太低会显得死板所以 0.8 左右体验比较自然。回复长度上限要控制好二次元桌宠的回复应该是短句、口语化如果让它每次输出 500 字那就变成 AI 写作助手了。由于 AIRI 的模型设置界面可能因版本而异这里给一个典型的 OpenAI 兼容接口配置示例这也是目前 AI 应用最通用的对接方式模型服务地址https://api.example.com/v1 API Keysk-xxxxxx 模型名称qwen2.5-7b-instruct 温度0.8 回复最大长度100配置完成后通常有一个“测试连接”按钮点击后 AIRI 会向模型服务发送一条测试消息。如果你能看到角色回复说明模型接入成功。5.2 角色人格配置怎么调前面提到系统提示词是角色人格的核心。AIRI 的配置界面里很可能有一个“角色设定”文本框。这里不是随便填几行就行而是有技巧的。一个高质量的角色设定至少包含五个部分身份角色是谁来自哪里性格底色是什么。关系角色和用户是什么关系如何称呼用户。说话风格语气、口头禅、句长偏好。行为偏好喜欢做什么有什么小习惯。边界与禁忌哪些话题不回应哪些行为不做。不建议直接把网上搜来的几十句话全部塞进角色设定里。角色设定越精炼模型越容易抓住重点。超过两百字的效果反而可能变差。另外角色设定可以结合当前场景动态调整。比如开启陪玩模式时可以额外附加一段游戏相关的角色设定[陪玩模式 - 附加设定] 你正在陪用户玩竞技游戏。 当用户展示优势时你会激动地夸赞。 当用户失误时你会温柔地安慰不会苛责。 你会提醒用户注意血量、技能冷却等关键信息。 你会根据游戏进程说应景的话比如开局、胜利、失败。这种方式比把所有场景混在一个设定里更合适也是 AI Agent 应用常用的提示词工程手法。5.3 角色声音与语音交互AIRI 作为桌宠除了文字弹窗更重要的是语音交互。语音能力包括两个方向语音识别和语音合成。语音识别负责把用户说的话转成文字语音合成负责把角色回复变成声音。后者尤其影响“可爱感”。同一个回复文本用不同的音色、语速、语气说出来效果完全不同。设置语音时建议关注音色是否贴合角色设定。语速是否自然一般 1.0 倍速附近比较合适。音量是否合适避免突然大声吓一跳。如果 AIRI 支持自定义音色可以多尝试几个找到最贴合角色设定的那一个。部分桌宠应用支持接入云厂商的语音合成服务这类服务往往有更多音色可选但会引入额外费用和网络延迟。6. 陪玩模式AI 怎么陪你打游戏陪玩是 AIRI 区别于普通 AI 应用的核心场景。很多人误以为“陪玩”就是 AI 在你打游戏的时候在旁边说话实际上远不止于此。6.1 陪玩模式的实现思路AIRI 的陪玩模式从产品形态上看至少包括以下能力游戏状态感知通过 OCR、窗口标题监听、音频识别等手段判断当前游戏阶段。场景化回复在“开局、击杀、阵亡、胜利、失败、排队”等不同阶段提供对应的互动内容。情绪支持长时间排队时陪你聊天失败时给你鼓励胜利时和你一起庆祝。这里的技术难点在于游戏状态感知。实现方式有很多种从简单到复杂依次是监听游戏窗口标题变化。通过屏幕截图识别游戏画面。接入游戏 API 获取实时状态。通过音频识别游戏音效。最稳妥、成本最低的方案是监听窗口标题。比如从“匹配中”变为“对局中”再到“对局结算”窗口标题通常携带这些信息。AIRI 具体采用哪种方案要看它的实现版本但对于想自行开发的开发者来说窗口标题监听是最推荐的起点。6.2 手动触发陪玩指令如果你已经开启了陪玩模式但不确定 AIRI 是否正确识别当前游戏可以尝试通过语音或指令手动触发。比如在公司摸鱼用 AIRI 陪玩时直接对它说“我在打游戏了” “我要开始下一局了” “这局打得不太好”AIRI 会根据当前场景的内容生成对应的回应。如果它对上述指令没有任何反应先检查陪玩模式是否开启再检查语音识别是否正常。6.3 陪玩模式配置示例给一个陪玩模式配置的示例步骤适用于多数桌宠类应用打开设置进入“陪玩模式”或“游戏联动”。点击开启“游戏陪玩”开关。选择要关联的游戏或使用“自动识别窗口标题”模式。在角色设定中追加“陪玩模式附加设定”。点击保存并重启桌宠使配置生效。需要注意AIRI 不一定能准确识别所有游戏的窗口状态。遇到不支持的场景时最好的办法是回到通用聊天模式直接用语音和它交流效果并不会差太多。7. 完整示例搭建一个最小可用的 AIRI 陪玩环境为了让你对“AIRI 是怎么跑起来的”有更直观的理解这一章给一个从命令行到桌面的完整示例思路。假设你已经安装好 AIRI并且配好了模型服务现在只需要做最小验证。7.1 示例 1验证模型服务连通性很多用户把 AIRI 安装好之后角色一直不回复大部分原因都是模型服务没有连通。先独立验证模型服务是好是坏是最好的排查方式。如果你的模型服务兼容 OpenAI API可以用 curl 做一次最小测试curl https://api.example.com/v1/chat/completions \ -H Content-Type: application/json \ -H Authorization: Bearer YOUR_API_KEY \ -d { model: qwen2.5-7b-instruct, messages: [ {role: system, content: 你是 AIRI一个元气的二次元少女。}, {role: user, content: 你好呀陪我聊聊天吧} ] }如果返回的 JSON 中带有choices字段说明模型服务连通正常。此时如果 AIRI 还是没反应问题大概率出在 AIRI 的配置上。如果是本地模型可以用 Ollama API 测试curl http://localhost:11434/api/chat \ -d { model: qwen2.5:7b, messages: [ {role: system, content: 你是 AIRI一个元气的二次元少女。}, {role: user, content: 你好呀陪我聊聊天吧} ], stream: false }7.2 示例 2用 Python 快速验证角色人格效果有时候模型服务通了但角色回复“完全不像 AIRI”。这基本可以断定是角色设定没有生效。你可以用下面的 Python 脚本做快速验证# 文件路径test_airi_role.py from openai import OpenAI client OpenAI( api_keyYOUR_API_KEY, base_urlhttps://api.example.com/v1 ) system_prompt 你是 AIRI一个生活在二次元世界的元气少女。 你性格活泼、温柔、偶尔有点小傲娇。 你称呼用户为“主人”或“亲爱的”。 说话语气俏皮经常使用语气词回答不超过 2 句话。 response client.chat.completions.create( modelqwen2.5-7b-instruct, messages[ {role: system, content: system_prompt}, {role: user, content: 我今天打游戏连输三局好难过啊。} ], temperature0.8, max_tokens100 ) print(response.choices[0].message.content)如果脚本输出的是符合角色设定的安慰语说明角色设定和模型调用没有问题。后面的工作就只需要把这一段逻辑迁移到 AIRI 的角色配置中即可。7.3 示例 3配置 AIRI 角色设定当你明确了角色设定之后把下面的内容填充到 AIRI 的角色设定输入框中即可角色名称: AIRI 角色类型: 二次元桌宠 性格: - 活泼 - 温柔 - 小傲娇 说话风格: - 语气词丰富 - 口语化 - 短句 目标: - 陪伴用户聊天 - 在游戏中给予情绪支持 - 用角色人格回应所有问题 事件响应: 游戏开局: 加油加油这局一定会赢的 游戏失败: 没关系下一局我们会更厉害的 用户夸赞: 嘿嘿那当然啦~注意这只是一个示例格式。AIRI 的角色配置界面可能要求的是文本而不是 YAML实际使用时可以不写结构体直接按你配置界面的要求填写。核心不变角色身份、说话风格、行为规则三者必须清晰。7.4 运行验证配置完成后建议按下面的顺序做一次全链路验证对 AIRI 说“你好”看它是否回复。对 AIRI 说“陪我聊聊天”看回复是否符合角色人设。打开陪玩模式玩一局游戏观察 AIRI 是否会主动互动。如果一切正常说明环境搭建完成。如果某一步没有反应直接跳到下一章排查。8. 常见问题与排查思路以下是 AIRI 使用过程中最高频的问题。如果你遇到角色不回复、语音没反应、模型报错等情况优先对照这张表。问题现象可能原因排查方式解决方案角色完全不回复模型服务地址或 API Key 配置错误检查 AIRI 日志用 curl 直接测试模型接口修正模型服务地址和 Key重新测试连接回复内容不像角色角色设定未生效或设定太宽泛查看角色设定是否已保存用脚本单独测试提示词重写角色设定聚焦身份、风格、规则语音输入没有反应麦克风权限未开启到系统隐私设置检查麦克风权限授权麦克风访问重启 AIRI语音识别经常出错环境噪音大或说话离麦克风太远查看语音识别的转写文本使用降噪麦克风说话时靠近麦克风游戏时没有主动互动陪玩模式未开启或当前游戏不支持识别检查陪玩模式状态设置开启陪玩模式尝试手动语音触发电脑发热、内存占用高桌宠渲染和本地模型同时运行打开任务管理器查看资源占用改用云端模型降低桌宠画质选项角色回复延迟高模型推理速度慢或网络延迟观察模型 API 单次响应时间改用更快模型切换更近的服务节点更新后角色人设丢失版本更新重置配置文件检查配置文件中角色设定是否还在备份配置文件重新填写角色设定另外一个值得注意的坑是角色人格提示词里如果写了太多否定句比如“不要说 XXX”模型有时反而更容易踩雷。正确做法是给出正面引导明确告诉模型“应该怎么做”而不是只告诉它“不能做什么”。9. 最佳实践与工程建议到这里AIRI 已经从安装、配置到陪玩模式全部跑通了。接下来这章我想跳出 AIRI 本身从“如何把一个 AI 桌宠项目做好”的角度给一些工程实践建议。这些建议对普通用户可能不直接有用但如果你想基于 AIRI 的思路做二次开发或者想制作自己的 AI 桌宠这章价值会很大。9.1 人格配置要分层设计不要把全部角色设定写在一段提示词里。更合理的方式是分层基础人格层身份、性格、说话风格永久生效。场景层陪玩模式、闲聊模式、学习模式等按场景切换。动态层短期记忆、用户偏好、当前情绪等实时更新。这样做的好处是修改某一层不会影响其他层。比如你想让 AI 在陪你打游戏时更激动只需要调整场景层的提示词不需要动基础人格。9.2 日志与回调必不可少如果你是开发者AIRI 这类产品给你最大的启发是一定要做日志。桌宠的特点是非用户主动发起交互用户不知道 AI 什么时候会触发动作开发者也很难复现问题。完整的日志系统是唯一的排错手段。建议至少记录以下信息用户何时说了什么。模型输入了什么提示词。模型输出了什么内容。语音合成的结果。游戏场景感知的结果。有了这些日志遇到问题才能快速定位是哪个环节出了问题。9.3 安全与隐私边界AI 桌宠作为长期驻留桌面的应用涉及两个重要的安全边界。第一是数据隐私。桌面应用天然拥有用户的大量本地数据访问能力。如果桌宠应用会上传本地信息用户必须有知情权。实际使用中我建议尽量减少给 AIRI 授予不必要的权限。比如不要给它文档目录访问权限不需要它读取浏览器历史更不要把自己的账号密码或敏感信息通过语音告诉它。第二是角色边界。AI 桌宠容易让用户产生情感依赖特别是以“二次元女友”为定位的产品。这里不讨论伦理问题只从技术角度提醒如果你的角色设定涉及情感陪伴请明确设置边界避免在用户明显处于脆弱状态时给出危险建议。这也是负责任 AI 应用的基本要求。9.4 模型选型要匹配场景AIRI 这种桌宠真正适合的模型不是参数最大的而是推理速度快的。角色对话场景用户只能忍受两秒左右的等待时间。如果每次回复都要等上五秒体验会断崖式下降。建议按以下优先级选模型推理速度快支持流式输出。中文对话能力强能理解口语化表达。对系统提示词遵循度高不容易跑出角色设定。参数规模中等即可不需要顶配大模型。本地部署时7B 到 14B 级别的模型通常可以兼顾质量和速度。云服务模式则选择支持流式输出的模型接口能显著降低用户的等待感知。10. 总结与后续学习方向AIRI 这类二次元 AI 桌宠表面上是一个娱乐工具实际上是一个麻雀虽小五脏俱全的 AI Agent 应用。它覆盖了语音识别、大模型推理、角色人格、语音合成、场景感知、桌面交互等多个技术模块。任何一个模块单拎出来都是一条可以深入的技术方向。如果你只是普通用户这篇文章已经足够支撑你完成 AIRI 的安装、配置和陪玩模式使用。配置一个稳定的角色人设是关键好的角色设定能让你觉得 AIRI 真的有“灵魂”不好的设定会让它看起来像一个顶着可爱皮囊的机械客服。如果你是开发者下一步建议从这几个方向继续深入研究开源桌宠项目的源码理解桌面交互和语音链路是怎么实现的。自己动手写一个最小可用的 AI 桌宠建议从监听窗口标题和调用大模型 API 开始。深入学一下提示词工程特别是系统提示词的多层设计。如果对语音交互感兴趣可以研究语音活动检测VAD、流式语音识别和语音合成的完整链路。AI 桌宠这个方向未来的想象空间其实很大。它不只是打游戏时的陪聊更可能是未来桌面端 AI Agent 的一种重要形态——长得好看一点、懂人话一点、会主动一点的那种 AI 助手。如果你手里正好有一台闲置电脑不妨现在就装一个 AIRI或者基于开源项目改一个自己的 AI 桌宠跑一跑、玩一玩你会有比看这篇文章多得多的一手感知。