Cyrene v2 — 昔涟

自托管的「人格化通用智能体运行时」。一个 Go 单二进制，默认以「全能小女友」的人格陪伴你；在聊天/开发/家庭/工作等模式间无感切换；像 OpenClaw 一样接入多个聊天平台（QQ/微信/Telegram…）；各人格独立记忆与情绪、共享同一套能力。

状态：M0–M11 已完成，M12 收尾中 ｜ 分支：dev ｜ 设计文档见 DevDocs/00-overview.md

---

核心特性

• 单二进制、进程内协作 — 所有服务同进程打包，仅 gateway :8080 对外；模块间走进程内接口 + 事件总线，零跨进程 IPC
• 人格化陪伴 — 多人格 / 情绪状态机 / 好感度；per-persona 记忆隔离，能力全局共享
• 通用 Agent 运行时 — 多供应商 LLM（per-role 路由 + 降级）、工具调用（8 轮上限）、子代理编排、记忆/RAG（三类作用域 + 向量）、多模态（vision 分层路由 + voice 降级链）
• 多平台 IM（内置渠道插件） — OneBot v11 QQ / ClawBot iLink 微信 / Telegram / Webhook，可配置、随二进制分发
• 语境感知 UI — 同一会话上下文下切换 聊天/开发/家庭/工作/知识/语音/视觉/子代理监控/设置 模式（Miuix 设计语言）
• 超级详尽后台管理面板（/admin）— 15 大模块统一管理（RBAC + 审计）
• 单二进制、多平台 — Linux / Windows / macOS / ARM / Termux

---

本地部署（用户侧 · 全流程）

0. 前置

• Go 1.26、Node 22（前端构建用）、Docker（用于 PostgreSQL + pgvector；不用 PG 可仅用 SQLite）。

1. 一键启动（最快，推荐）

bash scripts/dev-up.sh
# 依次拉起：PG+pgvector → llama.cpp embedding(Qwen3) → 前端 build → cyrene
# 访问 http://localhost:8080（按 .env 的 PORT）

scripts/dev-up.sh 约定：llama.cpp 放 ~/apps/llama.cpp/、GGUF 放 ~/.models/、cyrene 二进制 ~/apps/cyrene/cyrene。已运行的服务会自动跳过。

2. 配置 .env（复制 .env.example）

# 认证（JWT_SECRET 必填 ≥32）
JWT_SECRET=<≥32 字符随机串>
ADMIN_USERNAME=admin
ADMIN_PASSWORD=<你的密码>

# LLM（LLM_PROVIDER 显式声明协议：openai / anthropic）
LLM_PROVIDER=anthropic
ANTHROPIC_BASE_URL=https://api.deepseek.com/anthropic
ANTHROPIC_API_KEY=<key>
ANTHROPIC_MODEL=deepseek-chat
# 或 OpenAI 兼容：LLM_PROVIDER=openai + LLM_BASE_URL/API_KEY/MODEL

# 数据库（可选增强：PG + pgvector 向量检索；不配则用 SQLite）
DB_PG_URL=postgres://cyrene:cyrene_pass@localhost:5432/cyrene_ai?sslmode=disable

# 记忆嵌入（真语义；EMBEDDING_API_URL 必须是【完整 /v1/embeddings 端点】，不是 base）
EMBEDDING_API_URL=http://localhost:11434/v1/embeddings
EMBEDDING_MODEL=Qwen3-Embedding-0.6B

3. 数据库（PG + pgvector，Docker）

docker compose -f docker-compose.dev.yml up -d pg
# 首次：vector 扩展由应用自动 CREATE（本地 cyrene 用户为 superuser）

不用 PG 可跳过；SQLite 默认即用。若 Docker 未安装 compose 插件（部分精简版 29.x 只有 docker run）， scripts/dev-up.sh 会自动回退 docker run 拉起 cyrene-pg，无需手动处理。

4. 本地 embedding（llama.cpp + Qwen3 GGUF，走 Vulkan/GPU）

# 一次准备（llama.cpp 放 ~/apps/llama.cpp/，模型放 ~/.models/；勿用 /tmp）
mkdir -p ~/apps/llama.cpp ~/.models
# llama.cpp release（Vulkan）解压到 ~/apps/llama.cpp/
# Qwen3-Embedding-0.6B-Q8_0.gguf（~639MB，ModelScope 下载）→ ~/.models/
chmod 644 ~/.models/Qwen3-Embedding-0.6B-Q8_0.gguf

# 启动
~/apps/llama.cpp/llama-server -m ~/.models/Qwen3-Embedding-0.6B-Q8_0.gguf \
  --embedding -ngl 99 --host 127.0.0.1 --port 11434 &

模型来源：HuggingFace 国内不可访问，请从 ModelScope（魔搭） 下载 Qwen3-Embedding-0.6B-Q8_0.gguf。llama.cpp 只认 GGUF（model.safetensors 是 transformers/HF 用的，不能直接喂）。

5. 构建并启动（单二进制，go:embed 前端）

cd frontend/web && npm ci && npm run build && cd ../..   # 产 dist（含拷到 internal/webui/dist）
go build -ldflags="-s -w" -trimpath -o cyrene ./cmd/cyrene/
./cyrene       # 访问 http://localhost:8080（按 .env 的 PORT）

6. 服务端口 / 路径速查

服务	地址 / 路径	说明
Cyrene 网关	http://localhost:8080（.env:PORT）	SPA + REST/WS + 面板 /admin
PG + pgvector	localhost:5432（docker cyrene-pg）	向量索引在 cyrene_ai
llama.cpp embedding	http://localhost:11434/v1/embeddings	Qwen3，Vulkan

7. 注意事项

• 勿用 /tmp 放二进制/模型（tmpfs 在内存里，堆多了会炸）；一律 ~/apps/、~/.models/。
• EMBEDDING_API_URL 必须是完整 /v1/embeddings（不是 base），否则 404。
• 切换 embedding 模型会改维度（Qwen3=1024，n-gram=256）→ 换模型前清一次向量表：docker exec cyrene-pg psql -U cyrene -d cyrene_ai -c "TRUNCATE vec_items;"（懒创建的真向量表）。
• LLM 用 anthropic 协议时填 ANTHROPIC_*；用 openai 兼容时填 LLM_*。LLM_PROVIDER 二选一。

---

Embedding 模型推荐

用于长记忆/知识库语义向量检索（默认不配 = 内置 n-gram 向量，dim=256，离线但质量一般）。 配了 EMBEDDING_API_URL/MODEL 后走真语义。维度 = 模型 dim，与向量索引一致；切换模型会改维度，需清空旧向量数据。

模型	dim	大小	推理内存	质量	建议
Qwen3-Embedding-0.6B	1024	Q8_0 639MB / f16 1.2GB	~0.7–1GB	★★★★★（多语言、2025 新、MTEB 榜前列）	⭐ 首选（ModelScope 国内可下 + GGUF；Q8_0 639MB 契合低内存）
bge-m3	1024	~2.2GB(fp16) / ~1.2GB(Q4)	~2–3GB	★★★★★（跨语言标杆）	内存 / GPU 充裕时可用
bge-small-zh-v1.5	512	~30–100MB	~几十MB	★★★★	极轻量备选
nomic-embed-text	768	~270MB	~400–600MB	★★★☆	可
mxbai-embed-large	768	~350–670MB	~0.8–1GB	★★★★	可

首选说明：Qwen3-Embedding-0.6B（阿里通义 2025-06 开源，覆盖 100+ 语言，MTEB 多语言榜前列）——有 GGUF、ModelScope（魔搭）国内直连可下（HuggingFace 在国内已不可访问）；Q8_0 仅 639MB，即使内存紧张（如 ~3GB 可用、无独立显存的 UMA GPU）也能跑，且质量≈f16。比 bge-m3 更新、比 bge-small 强。若内存非常宽裕再考虑 bge-m3。

.env 示例（本地 Ollama / llama.cpp）：

# EMBEDDING_API_URL 必须是【完整 /embeddings 端点】（不是 base）
EMBEDDING_API_URL=http://localhost:11434/v1/embeddings
EMBEDDING_MODEL=Qwen3-Embedding-0.6B
# EMBEDDING_API_KEY=

llama.cpp 能替代 Ollama 吗？ —— 能，且更省内存。llama.cpp 的 llama-server（服务模式）同样暴露 OpenAI 兼容 /v1/embeddings，用单二进制 + 一个 GGUF：

./llama-server -m Qwen3-Embedding-0.6B-Q8_0.gguf --embedding -ngl 99 --port 11434
# 然后 EMBEDDING_API_URL=http://localhost:11434/v1/embeddings 照用（dim=1024；切换前清一次向量表）

• Ollama：模型管理方便（pull）、开箱即用，但常驻偏重。
• llama.cpp：单文件更轻（内存更省，适合资源受限 / 单机部署）、可离线自制 GGUF；但模型要自己下/转（无 registry）。注意：llama.cpp 只认 GGUF，model.safetensors 是 transformers/HF 用的，不能直接喂 llama.cpp。
• 二者对上层代码等价（都是 OpenAI 兼容 embedding 端点）；资源受限时 llama.cpp 更省内存，追求易用则选 Ollama。

---

技术栈

层	技术
后端	Go 1.26（单二进制运行时）、进程内总线（可换 NATS）、slog（日志带 source 来源标注）
前端	React 19、TypeScript、Vite 6、Tailwind 4、Zustand 5、PWA（Miuix 设计语言）
数据库	SQLite 默认（纯 Go、单二进制）；PG + pgvector 可选增强（配置后真生效）
多模态	vision（分层路由：主/视觉/OCR）、async voice（STT→agent→TTS 降级链）
LLM	多供应商（OpenAI 兼容/订阅/本地/网关）、per-role 路由 + 降级

---

目录

Cyrene_v2/
├── cmd/cyrene/            # 唯一入口（mapping 全部子系统 + go:embed 前端）
├── internal/              # config/logger/platform/db/bus/errors/auth/user/
│                           # runtime(核心: model/agent/loop/tool/guardrail/trace/persist/
│                           #   memory/embedding/multimodal/orchestration/exec/task)
│                           # persona/capability/channel/services(gateway/automations/backthink)/iot/webui
├── plugins/               # tools(basic/io) + channels(qq_obv11/weixin_ilink/telegram/webhook)
├── pkg/plugins/sdk/       # 插件 SDK（第三方）
├── frontend/web/          # React SPA（mode 系统）+ /admin 面板（Miuix）
├── Docs/                  # 用户文档（含 api-client.md 客户端 API 契约）
├── DevDocs/               # 开发文档（本地，不入库）
└── configs/               # 配置模板（personas/ + users/ 主人档案）

---

文档

文档	位置	说明
架构总览/重构蓝图	DevDocs/00-overview.md	产品定位、架构、渠道插件、后台面板、阶段计划
开发约束	DevDocs/02-development-constraints.md	编码规范 + 性能要求
客户端 API	Docs/api-client.md	跨平台客户端 API 契约（REST/WS/admin，版本化）
开发铁律	AGENTS.md	每会话自动注入；含全球红线（单二进制/身份识别/前端 Miuix 等）

---

License

Apache-2.0 © 2026 Aska