能聊天,也能一起读论文、查资料、做研究的桌面助手。
attention-promo.mp4
直接开口交流,也可以用文字布置工作。小王把实时语音和后台 Agent 放在一起:复杂的调研交给后台处理,通话可以继续;完成后,再把结果告诉你。PDF、网页、讲解用的 Canvas 和生成的笔记都在同一个窗口中。
attention-demo.mp4
从刚初始化的小王开始,用文字获取 Attention Is All You Need,让小王创建子 bot 快速分析,再打电话聊论文、自注意力和例子,演示短回答接话、语音打断与口语挂断。视频使用真实模型服务:小王为豆包小何 2.0,提问语音由 Bill TTS 合成;保留实际等待和对话过程。
在 GitHub Releases 最新版 中选择适合设备的安装包:
| OS | Download |
|---|---|
| macOS · Apple Silicon | |
| macOS · Intel | |
| Windows | |
| Linux |
macOS 当前使用完整临时签名。首次打开若提示无法验证开发者,可在尝试打开后进入 系统设置 → 隐私与安全性 → 仍要打开。Apple Silicon(包括 M 系列)请选择 arm64。
应用会自动检查更新。有新版本时,点击设置按钮旁的下载图标即可更新,也可以在设置页手动检查更新。
- 安装并打开应用,在设置 → 文字模型中填写接口地址、模型名与密钥。后台 Agent 用它阅读资料、调用工具和完成工作。
- 需要通话时,在语音部分另选服务、模型和音色,填写该服务的密钥。语音可选,文字与语音可以使用不同服务商。
- 建立一个主题工作区,添加论文或资料;也可以先直接输入问题。点击输入框右侧的语音按钮开始通话。
语音支持通义千问、OpenAI、豆包全双工和 Gemini Live。切换服务时,小王会记住各自的密钥、模型和音色。目前测试中,豆包的用户体验最好。
使用千问语音时,建议选择 3.8 Omni Flash:在我们的通话测试中,它比 3.5 更能准确理解并执行口头指令。
把截图粘贴到输入栏,或拖入论文、笔记等文件,就可以围绕资料提问。附件会保存在当前 bot 的资料库中。让小王分析图片时,请选择支持看图的文字模型。
使用 Gemini Live、OpenAI 或千问通话时,可以直接问“这张图是什么意思?”小王可以看到当前 bot 已发送的图片,以及右侧打开的图片或 PDF 当前页。通话面板会显示正在共享的内容。
读一篇论文
帮我梳理这篇论文的问题、方法和主要结论,保留来源页码,并整理一份笔记。
边看边聊
带我把这份材料逐页讲完,我不明白的地方会打断你。
比较与调研
比较这几篇论文的实验设置和局限,把差异整理成笔记。完成后告诉我。
让小王建立子 bot
帮我建立一个名为“全双工语音研究”的子 bot,把我们已确认的研究目标、关键词和论文线索整理成任务说明,并让它先做一轮文献调研。
子 bot 会出现在左侧栏,拥有独立的对话和资料库。已有论文也可以直接交给它:“开一个课题,把刚才那篇论文交给它分析。”右键子 bot 可以重命名或删除。
在右侧的文件或 Canvas 中点击 + 可以浏览资料。读 PDF 时可以连续滚动、搜索、双指缩放,或点击引用跳到原文。每个 bot 有自己的浏览器页面,网站登录状态可以共享。想自己操作网页时,点击取得控制权。
通话中可以随时插话,已经交给后台的工作会继续。展开对应的通话记录,可以查看进度、打开生成的文件,也可以停止或重试任务。
对话和资料默认保存在本机 ~/.xiaowang/。通话或处理任务时,相关语音、上下文和资料会发送给你配置的模型服务。
需要 Node.js 24+ 和 npm:
npm ci
npm run desktopLLM 与 Realtime 协作、上下文和记忆策略见技术架构文档,附交互图与静态图片。
项目配置、测试与打包流程见开发说明。
遇到问题可在 Issues 附上系统、应用版本、语音服务和复现步骤;请移除密钥与私密资料。