Skip to content

Core Features

xiweicheng edited this page Oct 27, 2026 · 8 revisions

核心功能

AI Helper 提供 34 项核心能力,覆盖输入、推理、协作、管理与可靠性。本页按主题分组介绍,帮助你快速了解插件能做什么。

← 返回 Wiki 首页 · 相关内容:内建工具参考 · 架构总览


一、多模态输入

1. 图片识别输入

在对话中附加图片,通过 Vision API(OpenAI 兼容)进行多模态理解和问答:

  • 图片压缩:自动压缩大图(最长边 1024px + JPEG 65%),减少 Token 消耗
  • 独立 API 配置:可为图片识别单独配置 API Base / API Key / 模型
  • 全局开关:可随时开启 / 关闭图片输入
  • 多图上传:同时附加多张图片进行对比分析

2. 文件上传问答

在浏览器端直接上传文件并提取内容,无需依赖 Agent 服务也可使用:

格式 提取引擎 说明
PDF PDF.js (pdfjs-dist) 完整文本提取,支持多页
Word (.docx) mammoth.js 富文本转纯文本
Excel (.xlsx/.xls) SheetJS (xlsx) 多 Sheet CSV 导出
纯文本 FileReader API 50+ 扩展名自动识别
  • Agent 优先上传:连接 Agent 后自动上传至工作目录,支持大模型直接操作原始文件
  • 浏览器降级:Agent 不可用时自动切换为浏览器端提取
  • 文件预览栏:显示文件名、大小、提取状态,支持删除

3. 图片标注编辑器

内建完整的图片标注能力,可直接在预览中编辑图片后再发送:

  • 6 种标注工具:画笔 (B)、矩形 (R)、椭圆 (E)、箭头 (A)、直线 (L)、橡皮擦
  • 颜色 / 粗细 / 透明度 可调
  • Undo 支持(最多 20 步,Ctrl+Z)
  • 键盘快捷键:Enter 确认、Esc 取消
  • 编辑后自动更新:标注结果立即更新到附件列表

二、推理与质量

4. ReAct 推理循环

项目采用 ReAct(Reasoning + Acting) 模式作为核心推理引擎:

  1. MCP 工具动态注入:每次推理前自动从 Agent 拉取最新的 MCP 工具列表
  2. 工具预筛选:正式调用主力模型前,用一次轻量 API 调用判断需要哪些工具,把 40+ 个内建工具缩减为 5–10 个相关工具,大幅减少 Token 消耗(简单问题可跳过推理循环直接回答)
  3. 推理循环:LLM 思考 → 决定调用工具 → 执行工具 → 结果反馈 → 继续推理
  4. Token 预算管理:按模型上下文窗口动态计算可用预算(80%),按 Token 数截断,保留 tool_calls / tool 消息配对完整性
  5. 上下文压力监测:三级监测(safe / warning / critical),自动触发摘要压缩
  6. 上下文智能压缩:对长引用内容自动生成摘要,避免永久占据上下文
  7. 工具结果缓存:并行工具结果自动缓存(上限 30 条)
  8. 并行工具执行:同一轮中标记为可并行的工具通过 Promise.all 并发执行
  9. 任务拆解:plan_task 支持顺序、并行、条件三种执行策略,子任务失败支持重试 / 回滚 / 继续
  10. 子任务分发:dispatch_task 支持把子任务委派给其他 Agent 并行执行
  11. 流式响应:支持 OpenAI 流式响应(SSE)与 DeepSeek thinking,回复实时逐字显示
  12. 澄清机制:信息不完整时弹出澄清对话框,循环计时自动暂停,支持推荐选项
  13. 多级超时控制:API 超时 / 工具超时 / 整体循环超时均可独立配置
  14. 取消控制:用户可随时取消推理循环,按会话隔离
  15. SW 重启恢复:Keepalive 端口监测 Service Worker 静默重启,自动通知 Side Panel 恢复
  16. Checkpoint 断点:每轮推理后自动保存,支持中断后恢复继续执行

5. 反思系统(多级质量保障)

级别 说明 触发条件
工具级反思 工具执行后快速评估结果是否有用 工具返回错误 / 空结果 / 结果过大(>50000 字符) / 连续 3 次失败
子任务反思 评估子任务结果完整性和相关性 仅标记为 complex 的子任务(可配置)
后置反思 最终答案 7 维度质量评分 每轮推理完成后自动执行

后置反思评分维度:完整性、准确性、相关性、工具使用、清晰度、安全性、效率。 根据评分阈值自动决定:通过(≥7)、修订(5–7)、或重新执行(<5)。

6. 上下文压缩与 Token 预算管理

  • 上下文占用指示器:输入框下方实时显示占用百分比(环形进度 + 安全 / 警告 / 危险三档配色),点击可查看系统提示词、工具定义、历史消息、当前输入四项明细
  • 手动压缩上下文:一键将历史消息压缩为 AI 结构化摘要,固定四小节(任务目标 / 已完成与关键结论 / 关键标识符 / 未决问题与下一步),摘要指令语言跟随界面语言(会话级持久化,发送新消息前可撤销;再次压缩时旧摘要与新消息合并)
  • 半自动阈值压缩(默认关闭):在记忆下拉中开启后,发送前若上下文占用达到阈值(默认 85%)且距上次压缩已新增 ≥ 4 条消息,则静默压缩一次并以提示条告知;连续失败 2 次自动退避,任何失败都不阻塞发送
  • 摘要沉淀长期记忆(默认开启):压缩成功后把摘要写入跨会话长期记忆(type: summary,标签 compaction + session:<会话 ID>);同一会话重复压缩按 memoryId 更新同一条,不堆积条目;Agent 未连接时静默跳过,摘要在当前会话内照常可用
  • 自适应 Token 估算:中文字符 ~1.5 chars/token,英文 ~4 chars/token
  • 上下文窗口自动检测:根据模型名自动推断(支持自定义映射,默认 256K)
  • 消息预算 = 上下文窗口 − 系统提示词 − 工具定义 − 输出预留
  • 上下文压力三级监测:safe / warning / critical
  • 消息摘要:压力达到 critical 时自动对早期消息生成摘要
  • 引用压缩:长引用 / 选中内容自动压缩为摘要
  • Token 级别截断:70% 开头 + 30% 结尾 + 截断标记

7. 上下文增量摘要

当对话上下文超出预算时,自动对旧的工具调用轮次生成摘要:

  • 轮次提取:自动识别完整工具调用轮次(assistant tool_calls + 所有 tool 结果)
  • LLM 摘要生成:调用轻量 API 把工具调用情况概括为一句话摘要
  • 降级策略:摘要请求失败时回退到直接删除旧消息
  • 批量处理:支持在一个 Token 超标周期内批量处理多轮次

8. 质量评估展示

后置反思结果的可视化:

  • 总体评分:0–10 分,颜色编码(绿 / 黄 / 红)+ emoji
  • 7 维度雷达:每维度独立进度条
  • 问题发现:具体问题和改进建议
  • 评估过程:轮数、决策、推理详情

三、多助手与协作

9. 多助手管理(Agent 系统)

支持创建和管理多个自定义 AI 助手,每个助手拥有独立的系统提示词和工具权限:

  • 内置模板:默认助手、代码审查专家、网页自动化助手、数据分析师、文档撰写助手
  • 自定义 Agent:创建专属助手,设置图标、名称、系统提示词、模型、温度和工具权限
  • Agent 选择器:侧边栏顶部快速切换,支持 @Agent名称 快速切换
  • 工具过滤:每个助手可配置独立工具集,避免上下文膨胀
  • 子任务分派:dispatch_task 支持并行分派,子 Agent 独立执行并返回结果
  • Agent 持久化:基于 chrome.storage.local,跨重启保持

10. Skill 系统

支持两种类型的技能,覆盖确定性自动化和 AI 自主调用场景:

  • Workflow Skill:基于 JSON/YAML 定义的确定性工作流,带参数验证和执行结果展示
  • Agent Skill:基于 SKILL.md 的 AI 能力扩展,AI 在对话中自主调用
  • 内置技能:skill-creator 元技能,支持从对话中自动创建新技能
  • 快捷选择器:输入框下拉框中新增「技能」Tab,可快速搜索和选择
  • 导入方式:支持 JSON 文件、直接编写 Markdown、Zip 包(含资源)、URL 下载四种
  • Skill 编辑器:可视化编辑 SKILL.md 内容,支持描述、版本和资源管理
  • 全局开关:选项页工具箱中可一键启用 / 停用所有 Skill

11. MCP 协议扩展

支持 Model Context Protocol(MCP),动态扩展第三方工具能力:

  • MCP 工具动态注入:每次推理前从 Agent 自动拉取最新的 MCP 工具列表并注入
  • MCP Client:JSON-RPC 2.0 通信,支持 stdio 传输
  • MCP Server 管理:在选项页「工具箱」中可视化配置、连接、断开
  • 环境变量支持:每个 MCP Server 可独立配置环境变量,敏感值密码输入框
  • 多 Server 支持:同时连接多个 MCP Server,工具自动合并、按 Server 分组
  • 全局开关:一键启用 / 停用所有 MCP 服务
  • 快捷选择器:输入框下拉框中「MCP」Tab,可快速选择特定 MCP 服务

12. 长期记忆系统

AI Helper 具备长期记忆能力,可跨会话存储和检索用户信息:

  • 记忆存储:AI 自动识别对话中的重要信息(偏好、知识、决策),主动调用 agent_memory 存储
  • 记忆类型:事实记忆(fact)和对话摘要(summary)两种
  • 智能检索:按关键词、标签、类型搜索历史记忆(中文按 bigram 拆词,零外部依赖)
  • 语义向量召回(默认关闭):在选项页「记忆」Tab 配置 embedding 后,检索会叠加语义向量通道,与关键词按名次融合;未启用或向量不可用时静默回落关键词档。派生向量缓存在同目录的 memory-vectors.json,可丢可重建,换配置需点「重建向量索引」
  • 三级注入:重要性 ≥ 8 的记忆常驻系统提示词;其余按价值在 1500 字符 / 12 条预算内注入;再剩下的只以标签索引提示,由模型主动召回
  • 记忆管理:review 审查并按价值列出候选,compact 淘汰低价值条目(价值 = 重要性 × 访问频次 × 时间衰减)
  • 图形化管理:选项页「记忆」Tab 底部直接查看、搜索、排序、编辑与删除条目,并对低价值候选一键压缩;列表读只读的 review,不会给召回统计注水
  • 标签分类:偏好、知识、决策、自定义四类
  • 重要性评分:1–10 分,帮助记忆系统做优先级排序
  • 存储位置:记忆文件与全部处理逻辑都在本地 Agent 进程内(~/.ai-helper-agent/memory/global-memory.json),因此长期记忆需安装并连接 Agent
  • 容量提醒:facts 上限 50 条、summaries 上限 20 条,达到 80% 时写入会返回提醒,不会自动删除;清理需显式执行 compact

四、会话与面板

13. 多会话管理

  • 标签页切换:水平标签栏,自动恢复消息历史、模型、工具和温度配置
  • 会话创建:一键创建,自动生成标题(取首条用户消息)
  • 重命名 / 删除:右键菜单操作
  • 归档 / 恢复:最多保留 20 个归档,可随时恢复
  • 跨会话消息投递:后台任务完成时自动追加到原始会话
  • 持久化存储:基于 IndexedDB,自动从旧版 chrome.storage.local 迁移
  • 导出 / 导入:支持批量选择导出为 .aihelper.json

14. 会话导出 / 导入

  • 批量导出:弹窗中选择多个会话,支持全选 / 反选 / 仅选当前
  • 导出格式:.aihelper.json,包含完整消息历史、执行日志、反射评分、HTML 内容、Agent 配置
  • 导入兼容:支持新版 .aihelper.json 格式和旧版消息数组格式
  • 智能文件名:单会话以会话名命名,多会话以数量 + 时间戳命名

15. Side Panel 对话面板

  • 自然语言对话:支持 OpenAI 兼容 API,默认 DeepSeek V4 Pro
  • 模型切换:内置 DeepSeek 系列,支持自定义模型增删和上下文窗口映射
  • 温度调节:4 档预设(0.2 / 0.45 / 0.65 / 0.9),支持连续微调
  • 记忆限制:可配置发送给 LLM 的历史消息条数
  • 隔离对话:不联系前文模式
  • 划词问答:侧边栏内选中文本自动弹出快捷菜单
  • 提示词系统:自定义提示词 CRUD,/ 快速选择,拖拽排序
  • 输入历史:上下箭头快速回填,去重自动管理
  • 系统提示词:自动注入环境信息(Chrome 扩展、OS、Agent 平台),强制附加任务规划规则
  • 问题列表导航:悬停底部消息跳转热区,右侧展开「问题列表」,点击快速定位历史提问

16. 消息目录 (TOC)

悬停助手消息时自动生成浮动导航:

  • 自动提取 H1–H6 标题
  • 浮动面板,平滑滚动到目标位置
  • 1.5s 高亮闪烁效果

17. 消息搜索

侧边栏内置全文消息搜索,快速定位历史对话:

  • 双模式搜索:全局搜索(从 IndexedDB 加载所有会话)和当前会话搜索(内存快速查询)
  • 增量式加载:先搜当前会话立即展示,再逐个搜索其他会话,边搜边更新
  • 高级语法:支持 & (AND) 和 | (OR) 组合搜索,& 优先级高于 |
  • 导航定位:点击结果自动切换到目标会话、滚动定位,2 秒高亮动画
  • 搜索历史:上下键导航历史记录(最多 20 条)
  • 搜索词高亮:匹配词高亮,展示前后各 30 字上下文

18. 消息收藏

重要的 AI 回答可以一键收藏:

  • 一键收藏:消息底部操作栏点击书签图标
  • 置顶支持:重要收藏可置顶
  • 搜索筛选:支持 AND/OR 高级搜索语法
  • 分组展示:按当前会话和其他会话分组,匹配词高亮
  • 快速定位:点击收藏条目自动跳转
  • 自动清理:消息或会话不存在时自动移除孤立收藏

19. 消息操作

操作 说明
复制消息 复制原始 Markdown 内容
编辑重发 将消息回填到输入框
引用追问 将助手消息设为引用上下文(自动压缩摘要)
导出 Word Markdown 转标准 .docx 下载(OOXML 格式)
导出 PDF 浏览器打印窗口导出
导出图片 消息渲染为图片下载
导出 JSON 完整对话历史(含执行日志)JSON 下载

20. Markdown 与 Mermaid 渲染

  • 完整 Markdown 支持:代码块(带行号、复制按钮、语言标签)、表格(可导出 Excel / 复制 Markdown)、引用、列表
  • 三阶段占位符策略:Mermaid → 代码块 → 表格依次提取占位,渲染后恢复
  • Mermaid 图表:流程图、时序图、甘特图等,缩放(Ctrl+滚轮)、拖拽平移、下载 PNG、复制到剪贴板、查看源码
  • 表格单元格内联 Markdown:支持粗体、斜体、代码、删除线

21. UI 原型预览系统

  • 内联预览:iframe srcdoc 渲染,自动检测完整文档 vs 片段
  • 缩放控制:0.25x–2.0x,Ctrl+滚轮 / Ctrl+0 重置
  • 原型页面库:保存到 IndexedDB,支持打开 / 编辑 / 删除
  • 导出:下载 .html 文件,或在新标签页打开
  • 继续优化:一键将优化指令填入输入框

22. 执行日志面板

  • 实时模式:推理进行中实时更新,脉冲动画指示执行状态
  • 静态模式:完成后展示完整执行时间线
  • 任务组可视化:复杂任务按任务组分组,支持折叠 / 展开
  • 节点详情:工具名、状态、耗时、输入参数、输出内容、API 请求详情
  • 汇总统计:总节点数、成功 / 失败数、子任务进度
  • 状态过滤:按成功 / 失败 / 子任务筛选

五、网页操作与本地能力

23. 选中文本浮动工具栏

在任意网页选中文本后,自动弹出毛玻璃风格浮动工具栏:

  • AI 搜索:打开侧边栏并发起搜索
  • 快速操作:解释、翻译、总结
  • 自定义工具:可添加自定义提示词工具,支持拖拽排序
  • 追问输入框:内联输入框直接追问
  • 结果面板:可拖拽、可缩放浮动面板,Markdown 渲染,锁定功能防止关闭
  • 建议追问:AI 返回中自动生成追问按钮
  • 配置项:图标精简模式、直接显示数量、域名屏蔽、临时隐藏

24. Shadow DOM 深度穿透

支持递归穿透 Shadow DOM 和同源 iframe 进行元素查找和操作:

  • 递归穿透:deepQuerySelector / deepQuerySelectorAll 可穿透多层 Shadow DOM(最大深度 5 层)
  • iframe 支持:自动进入同源 iframe 内部查找
  • 可见性检测:严格可见性判断(display / visibility / opacity / 尺寸)
  • React 组件支持:keyboard_input 绕过 React 合成事件系统,fill_form 支持 contenteditable / prosemirror 等富文本编辑器

25. @ 网页 Tab 选择器

输入框中输入 @ 后弹出的选择器新增「网页」Tab,快速选择当前浏览器标签页作为对话上下文:

  • 标签页列表:列出当前窗口所有打开的标签页,显示 favicon、标题、URL
  • 当前页标记:高亮标记当前活跃标签页
  • 关键词过滤:支持按标题 / URL 快速筛选
  • 上下文注入:选择页面后自动将其内容注入为对话上下文
  • 动态数量显示:Tab 标题实时显示选项数量(如「助手 (5)」「网页 (12)」)

26. 工作目录管理

连接代理服务后,可在侧边栏中直接浏览和管理本地文件系统:

  • 目录树浏览:面包屑导航、返回上级、点击展开,支持按名称 / 大小 / 修改时间排序
  • 多选操作:Checkbox 批量选择,支持全选 / 取消全选、批量下载打包 ZIP、批量删除
  • 拖拽移动:面板内拖拽文件 / 目录到目标路径,支持拖到面包屑导航快速移动
  • 键盘导航:↑↓ 导航、Enter 打开、Space 选择、Delete 删除、F2 重命名、Esc 取消
  • 目录缓存:LRU 缓存最近 20 个目录(30s TTL)
  • Agent 切换感知:Agent 连接状态变化时自动重置缓存并刷新
  • 基于文件问答:选中文件后可一键将文件路径作为上下文附加到聊天输入
  • 上传:按钮选择和拖拽上传,流式 HTTP 上传(最多并发 3 个),含进度面板和取消
  • 下载:流式下载带进度条,支持取消,目录自动打包 ZIP
  • 虚拟滚动:文件项超过 200 时自动启用,仅渲染可视区域

27. 文件预览

在工作目录中点击文件即可即时预览,不离开侧边栏:

类型 预览能力
文本 / 代码 带行号的语法高亮预览(上限 1MB / 10000 行)
PDF 基于 PDF.js 的内置预览,支持缩放、翻页、适应页面
Word (.docx) 基于 mammoth.js 转 HTML 预览(上限 20MB)
Excel (.xlsx) 通过后端解析为表格渲染,支持前 2000 行
图片 内置预览,滚轮缩放 + 拖拽平移(上限 50MB)
  • 文件详情:点击信息按钮展示权限(rwx + 八进制)、UID/GID、MIME 类型、各时间戳

28. 定时任务

支持创建定时任务,在指定时间自动执行预置指令,并将结果写入绑定的宿主会话:

  • 三种调度规则:一次性(多少分钟后 / 指定时间点)、间隔(如 30m / 2h / 1d)、Cron 表达式(5 段式)
  • 网页上下文:可绑定指定网页作为上下文,支持「抓取正文」或「仅使用 URL」两种模式
  • 宿主会话:任务结果落在一个宿主会话中;宿主会话被删除后,执行时自愈新建专属会话
  • 调度引擎:基于 Chrome Alarms,Service Worker 重启后自动重建闹钟
  • 管理与控制:管理面板支持创建 / 编辑 / 删除 / 启用 / 停用 / 立即执行
  • 运行历史:记录每次执行的状态、耗时与错误(最多 50 条)
  • 桌面通知:任务完成 / 失败时按「定时任务通知」开关弹出桌面提醒(默认开启,无声音等其他提醒渠道时尤为重要);点击通知打开侧边栏
  • 结束条件:间隔任务支持「最多执行次数」与「截止时间」自动停用

六、可靠性与运维

29. ReAct Checkpoint 断点续接

  • 自动保存:每轮 ReAct 推理完成后自动保存 Checkpoint 到 IndexedDB
  • SW 重启恢复:Service Worker 静默重启后通过 chrome.storage.session 自动恢复状态
  • 手动恢复:中断任务的消息卡片显示「继续执行」按钮,可追加描述并恢复执行
  • 流式输出保留:恢复后的流式输出完整保存到消息历史,刷新页面不丢失
  • TTL 自动过期:Checkpoint 保存 7 天后自动清理
  • 多连接管理:IndexedDB 支持 SW + Side Panel 双连接安全关闭与重建

30. Token 统计面板

  • 实时统计:每次 API 调用后更新 Token 消耗
  • 会话统计:当前会话累计消耗、平均每轮消耗
  • 今日统计:当日累计消耗、调用次数
  • 历史记录:最近 7 天的 Token 使用历史

31. 桌面通知与完成反馈

任务在后台执行时也能及时获知结果(选项页「基础」→「完成反馈」区域统一管理):

  • 三个独立开关:任务完成 / 失败通知、定时任务通知、交互提醒(AI 需要确认或澄清时)——均可在选项页随时开关、实时生效
  • 任务完成 / 失败通知:仅在看不到侧边栏时弹出(可见时不打扰);成功通知自动消失,失败通知停留至手动关闭;点击通知打开侧边栏并定位到对应会话
  • 定时任务通知:定时任务在后台执行,无声音等其他提醒渠道,开关开启时总是弹出(默认开启)
  • 交互提醒:推理循环因敏感操作确认 / 需求澄清而等待用户时弹出桌面提醒,避免任务卡在弹窗而用户不知情;仅在看得到侧边栏时不打扰
  • 多实例防重:标签页绑定模式可同时打开多个侧边栏实例,通知创建权统一收敛在 Background(全局唯一),并按「发起任务的实例」精确判定可见性,绝不重复弹窗
  • 完成反馈音效与彩带:成功 / 失败不同音效、成功彩带动画,均独立开关控制

32. 主题切换(亮 / 暗 / 跟随系统)

整套界面基于语义化颜色 token 构建,支持三态主题(默认亮色),切换即时生效并在所有界面间同步(存储键 appTheme):

  • 三态:跟随系统(随操作系统 prefers-color-scheme 实时翻转)/ 亮色 / 暗色
  • 两个入口:选项页「基础」→「外观」三分段控件直接选择;侧边栏顶部「更多」菜单的「主题:当前态」按 亮 → 暗 → 跟随系统 循环切换
  • 跨页同步:侧边栏 / 选项页 / 划词浮层任一处切换,其余页面无需刷新即刻跟随
  • 无首帧白闪:已解析主题镜像到本地,脚本启动前先落到根元素,暗色用户打开页面不会先闪一下亮底
  • 全站 token 化:正文 / Markdown / 表格 / 代码块 / 引用 / Mermaid 随主题联动;导出 PDF / Word / HTML 恒为白底黑字的亮色纸张不受暗色影响
  • 暗色质量把关:暗色经逐浮层对比度扫描(WCAG AA)与大面积白斑检测验收,杜绝“调得不协调”的漏网配色

33. 子任务完成度客观取证校验

与「反思系统」的主观自评互补:反思是模型对答案质量的主观评分,本特性则是用真实页面 / 命令证据客观核验 plan_task 拆出的子任务是否真正达成,而非依赖模型自述(默认关闭时现有行为逐字节不变):

  • 判据声明:子任务可附 doneCriteria 验收标准,支持 element_exists / element_absent / text_contains / attribute_equals / url_matches 五种检查类型
  • 客观取证:内容端穿透多层 Shadow DOM 与同源 iframe 定位目标,三态结论 satisfied / unmet / indeterminate,取证通道不可用时不谎报为未达标
  • 自动重跑回路(可选):四闸门(可重试 / 有进展 / 有预算 / 未超次)驱动未达标子任务回炉;缺项集不单调收缩即停止重跑防振荡
  • 即时不阻断:在每个子任务 onDone 内现场即时取证(尽力而为),单条取证带超时,不影响主循环
  • 开关:选项页「推理」Tab 内的「完成度校验」开关与「完成度自动重跑」子开关(后者仅在前者开启时展开)

34. 本地语音输入(本地 STT)

用说的代替打字,且音频不出本机:可选 Agent 本地跑 ONNX 识别,流式模型边说边出草稿,松手后定稿模型补标点、规整数字(默认关闭,需先备好依赖与模型包):

  • 三段式启用:可选依赖(sherpa-onnx-node)+ 模型包(online / offline / vad 三类,可只装其一)+ 开关;三项未齐时 🎤 直接隐藏,而不是点下去才报错
  • 两种节奏:流式模型边说边写草稿(约 150 ms 一次);离线 SenseVoice 对整段重算,输出带标点与数字规整的高质量文本
  • 接管不丢字:你一旦手改输入框,后续草稿只追加新多出来的尾巴;遇到改写而不是纯追加的那一版就不写,绝不覆盖你看到的文字
  • 定稿不自动发:结果只写进输入框,发不发仍由你决定;生成中补一句也不会误触「停止」
  • 可靠的录音条:24 根音量柱、计时、静音提示、Esc 取消、Alt+V 全局可用(焦点在网页上也生效),Enter 发送会自动先停录定稿
  • 资源可控:单次上限 5 分钟、并发 1 路、空闲 10 分钟卸载引擎;定稿跑在独立 worker 线程,长句转写期间代理照样响应;RSS 接近阈值时跳过离线定稿回退草稿

完整启用步骤、模型包结构与 API → 语音输入(本地 STT)

文件回收站

代理端的文件删除操作默认为软删除,放入回收站而非物理删除:

  • 软删除保护:删除文件自动移至 ~/.ai-helper-agent/.trash/,记录原路径和时间
  • 7 天保留期:过期文件自动清理(操作前投机式清理 + 每 6 小时定期清理)
  • 一键恢复:通过 agent_trash 工具可恢复到原路径
  • API 集成:/api/fs/delete 默认走回收站,/api/trash/restore 和 /api/trash/list 提供接口

Agent 重启与自动更新

  • 在线重启:/api/agent/restart 两阶段重启(spawn helper → 等待旧进程退出 → 启动新进程)
  • 自动更新:/api/agent/update 执行 npm install -g ai-helper-agent@latest 并自动重启(90s 超时保护)
  • 更新冷却:10 秒内不允许重复重启 / 更新,防止意外并发
  • 失败回退:更新失败不回滚旧进程,返回手动安装指引

下一步

Clone this wiki locally