本地AI智能体封神了！Airi全家桶实测体验，真的牛！

这次我要聊的，是一个我最近狠狠折腾了两天两夜的开源项目 —— Airi。

一句话总结：本地AI智能体生态终于有点像样的全家桶方案了！而且还能自己魔改、扩展、跑多模态，关键是效果真不赖！

我本来只是想随便测试下，结果一头扎进去根本停不下来，真有点当年折腾 Home Assistant 的感觉了。废话不多说，直接开干，文章比较长，建议收藏慢慢看，下面来详细说说。

1）Airi能干嘛？这也太全了！

如果你只是以为它是个本地大模型界面套壳，那就大错特错了。Airi是那种典型的“表面平平无奇，点进去真香爆了”的项目。

它能干什么？我拆几块说下：

✅ 本地运行多个大模型

内置支持：

• llama3、Yi-1.5、deepseek、Qwen 等模型，跑在 Ollama 上。
• 还能接 OpenAI API / OpenRouter / Gemini 等，接口统一，模型切换自由。
• prompt 管理器，连 context prompt、函数提示都能自定义。

我用的是 Macbook Pro M1 + 16G 内存，跑 DeepSeek-R1:1.5b 和 Yi-1.5 8B 都能轻松 hold 住，延迟基本在 2~3 秒之间，确实快！

✅ 多模态支持，语音图像全都有

• 自动语音识别（支持 whisper 和 faster-whisper）
• TTS语音合成（啥 edge-tts、bark、xtts 都能搞）
• 图像输入解析（OCR、图片问答）
• 图像输出生成（接 diffusers 和 comfyui）

等于你直接可以用它做个 AI 语音助手，嘴对嘴聊都没问题！

✅ 文件处理全家桶

支持格式：

• PDF、Word、Markdown、纯文本
• 图像、PPT、Excel、EPUB

并且支持多文档上传、嵌入式检索、可视化摘要 —— 这块真的封神！

我丢进去一本 300 页的教材，它不但能全文分析、结构拆分，还能一键生成 summary，提取关键词，甚至可以做知识图谱… 惊艳到了！

✅ 可拓展、可定制的Agent系统

这部分是它最猛的地方：

• 模块式 Agent：每个 Agent 都是独立流程，可以组合多个工具、调用搜索、执行本地函数。
• 支持“思维链式”任务规划（Chain of Thought）
• 集成自定义工具，比如搜索网页、读取文件、调用终端命令（有点 LangChain 内味了）

甚至你可以在 UI 上直接点一点创建 Agent 工作流，不用写一行代码，这个体验我给满分。

2）部署过程：2小时搞定，但也踩了几个坑

我在 Macbook Pro M1 上部署的，官方文档还算靠谱，但还是有些细节你可能会绕进去。下面说说我部署步骤和踩坑点。

步骤一：克隆仓库 + 安装依赖

git clone https://github.com/moeru-ai/airi.git
cd airi

使用的是 Python 3.10，然后用 pip install -r requirements.txt 安装依赖。

注意⚠️：

• 一定要用虚拟环境，不然后面你机器乱七八糟包冲突概率大。
• 有几个包下载超慢，建议挂个代理或者改国内源。

步骤二：配置 .env 文件

这里配置环境变量，包括模型目录、OpenAI Key、Ollama地址等，我推荐：

OLLAMA_BASE_URL=http://127.0.0.1:11434
DEFAULT_MODEL=deepseek-coder:6.7b

注意！如果你本地有多个大模型，用 ollama list 查下名称，不要拼错了，我一开始就写错了个冒号卡了半小时……

步骤三：启动服务

启动很简单：

python3 app.py

跑起来后浏览器打开 localhost:8000 就能看到一个非常顺滑的UI界面了！

3）真实体验：真的能当助手用了！

我拿 Airi 跑了几个真实任务来测试它到底有没有“可替代GPT的本地能力”，结果真的惊到了我。

✅ 测试一：AI问答 + 文件解析

我上传一本《深度学习入门》PDF，然后问它：

“请按章节总结每一章核心概念，用 markdown 列出。”

它返回了一个超整洁、分章节、带列表的总结，质量媲美 ChatGPT。

然后我又问：

“请基于第3章写一个教学PPT的大纲”

它直接按逻辑拆分出了 6 个幻灯片结构，并给出了每页的内容提要，和我之前写的内容几乎一致！这就很牛了。

✅ 测试二：多轮语音对话

我开启 Whisper + Edge TTS，直接语音输入问它：

“用Python写个自动批量重命名文件的脚本”

它识别、回答、朗读一气呵成，全程不到10秒！

这体验完全是那种“科幻片里的AI管家”的感觉了。

✅ 测试三：多模型对比

我分别让 DeepSeek-R1 和 Yi-8B 来写一段 WebSocket 的客户端示例，结果如下：

• DeepSeek 写得精炼、偏工程实现
• Yi-8B 加了很多注释和边界判断，更偏向教学

这就看你需求了，反正 Airi 让你自由切换模型，就是舒服！

4）对比 CodeGPT + PyCharm：更全能，但也有代价

之前我写过用 CodeGPT + DeepSeek 在 PyCharm 里接 AI 编程助手的文章（还上了热榜哈哈），那套方案优点是集成 IDE、界面轻量、专注编程。

Airi 的优势是全能，它不仅编程，还能文档解析、语音交互、Agent工作流、搜索执行…而且你还能自己加插件，真正打造“属于自己的 AI OS”。

但也有缺点：

• 资源占用高：内存吃紧，建议 16G 起步，不然切模型容易卡。
• 模型加载慢：第一次切模型要等几分钟，之后就好。
• 学习成本高：功能太多，刚上手容易迷失。

总结一句话：CodeGPT是轻量选手，Airi是战斗机型，选哪个看你需求。

5）未来怎么扩展？这才是最强之处！

Airi 最打动我的地方是它的开放性和模块化：

• 想加自己工具？只要用 Python 写个函数，加到 Tools 就行。
• 想接 LangChain / RAG？它支持调用本地搜索引擎（包括faiss, chroma）
• 想接企业微信 / 飞书机器人？自己写个 webhook 转发就能搞！

甚至它支持 Agent 之间传参、执行链组合，完全可以做复杂任务自动化流程，啥“自动汇总日报”“自动读财报并投影”这些都能做。

我感觉这个项目再搞几个月，社区要爆。

我敢说，等它继续进化几个月，很可能会成为个人AI助手领域的“Notion级项目”。

感兴趣的朋友可以试试，仓库地址：