开源实战：1.2GB内存在安卓端跑通离线语音Agent
ivan_digital · reddit · 2026-08-13
开发者在Galaxy S23 Ultra上成功部署了一个完全离线的语音助手，完整语音到动作的流水线仅占用约1.2GB内存，无需联网即可实现语音识别、动作选择和语音合成。
技术栈与设计亮点：
- 流水线：Silero VAD → Parakeet-EOU 120M STT → FunctionGemma 270M → Android action → Pocket TTS。
- 模型控制：FunctionGemma配合9.5MB的adapter，仅输出结构化的工具调用，而非开放式对话。
- 状态过滤：根据设备当前状态过滤可用工具（如仅在播放音乐时提供“停止”选项），从源头防止无效操作。
- 安全校验：模型不被允许凭空捏造结果，联系人和音乐搜索均会与真实设备数据比对。
目前该原型支持查联系人、拨号、播放本地音乐和调节音量。作者探讨了在受限动作路由器与引入大型规划模型之间的边界取舍。
「编程与Agent」频道最新
- Obsidian 内嵌终端插件：支持多标签与反向链接自动补全 — tom_doerr · 2026-08-14
- Meta办「Vibecoding」游戏开发赛，总奖金池达 30 万美元 — arnicas · 2026-08-14
- Hugging Face 披露遭自主 AI 智能体攻击 — mishig25 · 2026-08-14
- 开源修复 Roblox Studio MCP 握手连接的 Python 工具 — Kars_32 · 2026-08-14
- dsh被赞誉为面向长周期任务的智能体操作系统 — teortaxesTex · 2026-08-14
- AI写作工具与智能体的核心差距在于记忆层设计 — raw-hit10 · 2026-08-14