AIRI：自托管 AI 数字伴侣

AIRI 是 moeru-ai 为复现 Neuro-sama 而做的开源项目：把 AI 角色装进 Live2D/VRM 的身体，能实时语音对话，也能进 Minecraft、Factorio 玩游戏。官方在 GitHub 上称它为「you-owned Grok Companion」「数字灵魂容器」，目标是让普通人也能自己部署这样一个能聊天又能玩游戏的 AI vtuber。

把 AIRI 和普通「AI 陪伴壳子」区分开的关键在架构：渲染、AI、游戏三件事收进同一个 Core 调度层，共用一套状态机，而不是各拉一套流程。这个架构决定了它跟只换皮肤的聊天壳子不是一类，也决定了它在多人游戏等真实场景下的稳定性上限，后文会回到这一点。

核心数据

以下数据来自 GitHub API 与仓库 README，观测时间 2026-08-05：

下载入口覆盖 Windows（winget / Scoop）、macOS（Homebrew Cask）、Linux，以及浏览器与移动端（PWA）。

系统总览

AIRI 的核心是三条并行链路在同一个 Core 调度层里汇合：

三条链路各自的职责：

渲染链路决定角色如何被看见，AI 链路决定角色如何思考与说话，游戏链路决定角色如何对外部世界产生作用。普通「AI 角色壳子」通常只覆盖前两条，AIRI 把第三条也拉进来了。

技术骨架

多端部署的三个 Stage

AIRI 把同一套逻辑拆成三个 stage，避免把同一种界面硬塞进不同壳子导致体验割裂：

• Stage Web：直接在浏览器里跑，承担零安装体验的入口，重点依赖 WebGPU、WebAssembly、WebAudio 和 WebSocket。官方在 airi.moeru.ai 提供在线试玩。
• Stage Tamagotchi：桌面版，推理层通过 HuggingFace Candle 走本地 CUDA / Metal 加速。Candle 的作用是把 PyTorch 生态的模型权重直接搬到 Rust 运行时，桌面端据此获得低延迟的本地推理。
• Stage Pocket：通过 Capacitor 和 PWA 把 Web 代码封装到移动端，覆盖陪伴场景的随身入口，复用 Web 代码避免维护两套 UI。

三个 stage 的分工对应不同场景：浏览器负责首次体验，桌面端负责持续运行时的低延迟推理，移动端负责随身陪伴。

xsAI：模型接入层的抽象

模型接入层是一个独立的 xsAI 模块（moeru-ai/xsai），负责把 OpenAI、Claude、Gemini、Ollama、vLLM、SGLang、DeepSeek、Qwen、xAI、Groq、Mistral 等约 28 个提供商抽象成统一接口。

AIRI 本身不绑定某个模型品牌。换提供商不需要改核心代码；对开发者来说，这更像一个面向虚拟角色场景的模型编排层。虚拟角色对延迟、流式输出、函数调用、多模态输入的要求和普通聊天 API 不完全一致，xsAI 在统一接口之上补齐这些差异。

游戏代理能力

AI 角色被接进了真实的游戏运行时：

• Minecraft：通过 Mineflayer 把 LLM 生成的决策翻译成移动、攻击、放置方块等操作。Mineflayer 提供 Node.js 端的 Minecraft bot 协议实现，AIRI 之上再加一层「高层目标 → 动作序列」的翻译。
• Factorio：通过 RCON 和 autorio 把高层目标拆成流水线执行步骤。这一步仍是 WIP，官方仓库 moeru-ai/airi-factorio 提供了 PoC 和 demo。

Neuro-sama 风格体验难复现的难点正在于此：LLM 生成文本容易，把文本决策可靠地映射到游戏世界状态很难。AIRI 的游戏链路是针对这层映射做的工程化封装。

语音与本地数据层

语音链路和本地数据层是一起设计的：

• 输入：客户端侧 VAD（Voice Activity Detection）先判断是否在说话，再触发客户端侧 STT，避免一直上传静音片段。音频输入支持浏览器和 Discord。
• 输出：多提供商 TTS，包括 ElevenLabs、Microsoft/Azure Speech、OpenAI-compatible TTS、阿里云 Model Studio，以及本地的 Kokoro TTS。
• 数据：DuckDB WASM 或 pglite 提供纯浏览器端嵌入式数据库，配合记忆系统与 RAG 模块沉淀跨会话上下文。

语音链路管实时交互，数据层管跨会话记忆：VAD 抓到的一段音频，STT 转成文本后既要立刻交给 LLM 决定怎么说，也要按主题沉淀进 DuckDB，下次提到相关内容时由 RAG 捞出来注入上下文。这是 AIRI 能越聊越"记得你是谁"、而不是每次从零开始的来源。

任务流案例：一句「陪我玩 Minecraft」如何流过系统

假设用户对角色说「陪我玩 Minecraft」，大致流程如下：

1. AI 链路入口：本地 VAD 检测到语音活动，STT 把「陪我玩 Minecraft」转成文本，送入 Core。
2. Core 调度：Core 把文本连同当前屏幕状态、游戏服务器连接状态打包，通过 xsAI 调用配置好的 LLM，并附带系统提示词，告知当前可调用的工具（连接服务器、移动、攻击、说话等）。
3. LLM 决策：LLM 返回结构化决策，例如「连接到 Minecraft 服务器 → 走向玩家 → 说『我来了』」。决策以函数调用格式返回，便于 Core 解析路由。
4. 游戏链路执行：Core 把决策路由到 Minecraft agent，Mineflayer 把「走向玩家」翻译成 bot 的寻路调用，bot 的坐标变化实时回写到 Core 的状态机。
5. 渲染链路同步：角色在 Stage UI 中播放对应的 Live2D/VRM 动作，TTS 把「我来了」合成为语音输出。动作触发与语音合成是异步的，避免互相阻塞。
6. 数据层沉淀：这次交互被记忆系统记录摘要，下次进入游戏时角色能回忆起「上次和玩家一起玩过」。摘要写入 DuckDB WASM，RAG 模块在下次对话时检索相关片段注入上下文。

三条链路是并行触发的——LLM 在生成决策时，渲染层已经在准备动作动画，数据层在异步写入记忆。Core 的职责是协调这些并行任务的时序，避免 LLM 还没返回就触发动作、动作执行完才合成语音导致画面与声音不同步。

能力现状与边界

README 的 roadmap 把能力分成四块，大多数已经打勾：

注意两点：Factorio 和 Helldivers 2 仍是实验状态，游戏集成可能随版本更新变化；Memory Alaya 还没落地，当前跨会话记忆依赖摘要 + 检索，不是完整上下文保留。

安装与快速开始

不需要从源码编译，有现成的安装入口：

• Windows：winget install MoeruAI.AIRI，或用 Scoop：

scoop bucket add airi https://github.com/moeru-ai/airi
scoop install airi/airi

• macOS：brew install --cask airi
• Linux：GitHub Releases 提供 Linux 安装包，开发环境也可用 Nix 运行 nix run github:moeru-ai/airi
• 浏览器：直接访问 airi.moeru.ai 在线试玩，无需安装

角色配置需要两类文件：Live2D（.moc3 / .model3.json，2D 纸片人路线，社区资源丰富）或 VRM（.vrm，3D 路线，兼容 VRChat 等平台）。项目本身不提供模型文件，需要自己准备或购买。

常见问题

Q: AIRI 能替代 Neuro-sama 吗？ A: 不能。Neuro-sama 是商业闭源项目，有持续的直播互动和社区运营；AIRI 是开源复现方案，功能与体验上有差距，优势是完全自托管、数据本地化。

Q: 需要什么硬件配置？ A: 桌面端做本地推理需要支持 CUDA 或 Metal 的 GPU，显存需求随模型大小、序列长度和并发数变化，社区经验认为 8GB 以上更稳妥；纯浏览器端不需要 GPU，但推理延迟会更高。

Q: 能接入商业大模型吗？ A: 可以。xsAI 支持约 28 个提供商，包括 OpenAI、Claude、Gemini、Ollama、vLLM 等，需要自己配置对应的 API Key。

Q: 游戏代理能力稳定吗？ A: 不稳定。Minecraft 和 Factorio 的集成是实验性的，游戏版本更新可能导致协议变化。建议只在本地单机世界测试，不要用在多人服务器上。

适用边界

适合：

• 有一定技术背景、想本地部署 AI 虚拟角色的用户
• 想要类似 Neuro-sama 体验、又不想依赖官方服务的用户
• 对 Live2D/VRM 角色格式有了解、愿意自己配置模型的开发者

不适合：

• 完全没有技术背景、想要开箱即用的普通用户（安装和配置模型都有门槛）
• 想直接用现成 3D 角色的人（模型需要自己准备）
• 期待功能与 Neuro-sama 完全一致的用户（开源复现与原版有差距）

采用建议

按以下顺序评估是否采用 AIRI：

1. 先验证模型接入：在浏览器跑 Stage Web，配置一个已有 API Key 的 LLM，确认 xsAI 抽象层在你的提供商上工作正常。
2. 再验证角色渲染：准备一个 Live2D 或 VRM 模型，确认 Stage UI 能正确加载并播放动作。
3. 最后验证游戏链路：如果你关心 agent 能力，单独跑 Minecraft 集成，观察 Mineflayer 的动作执行稳定性。
4. 落地前评估数据层：记忆系统和 RAG 模块在浏览器端的内存占用，需要单独压测。

前三步任何一步卡住，建议先暂停。AIRI 的价值在于三条链路协同，单链路跑通不等于整体可用。

资料口径说明

本文基于 AIRI 官方仓库（github.com/moeru-ai/airi）与其 README 撰写，核心数据经 GitHub API 于 2026-08-05 验证。需要说明的边界：

1. 版本时效性：项目处于活跃开发阶段，Stage 策略、xsAI 接口、游戏链路支持可能随版本变化，请以官方仓库最新代码为准。
2. 模型文件依赖：AIRI 本身不含 Live2D / VRM 模型文件，需要用户自行准备。不同模型格式的动画支持程度不同，本文无法保证所有模型都能正常运行。
3. 硬件要求：上文提到的显存数值（8GB 以上）为社区经验值，实际需求会因模型大小、序列长度、并发数而变化。
4. 游戏链路稳定性：Minecraft 和 Factorio 的集成是实验性的，游戏版本更新可能导致协议变化，建议在本地单机世界测试。
5. 语音链路依赖：本地 VAD/STT 的识别质量依赖所选方案，本文未逐一验证；TTS 的延迟与音质随服务而异。
6. 数据隐私：本地部署时数据自持，但接入商业大模型 API 时，对话内容会发送到对应服务商，请依据各服务商的隐私政策评估。

本文基于 AIRI 项目撰写，相关信息可能随版本更新而变化。