Skip to content
项目

Fullive-AI/Anima has 638 GitHub stars and 39 forks. GitHot measured 0 stars in 24 hours. Last checked 2026-11-16 04:37 UTC. Last push 2026-08-20.

这些数字如何统计

可以做什么

  • Automatic device discovery: local network scanning, Xiaomi Cloud device sync, deduplication, and runtime registration.
  • AI decision center: the LLM Brain generates action plans from environment, devices, skills, and memory.
  • Extensible Skill system: each device type has independent knowledge, decision prompts, learning prompts, and action scripts.
  • Long-term memory: candidate memories are extracted from history and promoted to confirmed memory based on evidence.

实测星标增长

24小时
0
7天
更新延迟
15天
更新延迟
1个月
更新延迟

各周期内的星标净变化,周期相互重叠,并非每日新增。缺失的测量保持空白。星标代表关注度,不代表软件质量。

关于

Make Every Hardware Intelligent — an open-source Agent OS for hardware intelligence

开发工具

README.zh-CN.md

原文
Anima logo

Make every hardware intelligent

An open-source Agent OS for hardware intelligence.

English | 中文

License: Apache-2.0 Python FastAPI React LangGraph MIoT


Anima 是一个面向智能硬件的开源 Agent OS。它的目标不是再做一个设备控制面板,而是让家中的硬件设备拥有可感知、可决策、可学习、可扩展的 AI 能力。

名字 Anima 起源于拉丁语,意为“灵魂”。这个名字也正对应了项目最初的想法:今天的智能硬件已经有传感器、联网能力和执行能力,但它们大多数仍然停留在“等待命令”的阶段。Anima 想做的是给这些硬件接上一套可运行的智能中枢,让灯、空调、加湿器、空气净化器、音箱以及未来更多设备,不只是被控制,而是能理解环境、理解用户、理解彼此。

Anima 的愿景:把每一台硬件从“可联网设备”推进到“可协作的智能体”。

Anima Dashboard Bedroom Design

Anima 是什么

Anima 可以理解为运行在你本地网络中的智能硬件 Agent Runtime:

  • 它会发现设备,维护设备状态,并通过 adapter 控制真实硬件。
  • 它维护长期 Memory,从明确偏好和重复行为中学习。
  • 它借助 LLM Brain 读取环境、用户意图、历史记忆和 skill 知识,然后规划行动。
  • 它将每类设备的专业知识封装成 Skill,让决策不只是“开/关”,而是符合场景、舒适度和安全边界。
  • 它提供 Dashboard、REST API 和 CLI,让你可以观察、调试、控制和扩展整个系统。

Anima目前适配了Mi home/miot设备,后续会增添新的硬件设备协议,也欢迎开源社区的朋友们做出贡献


为什么做 Anima

零配置 AI技能 记忆系统 LLM大脑 技能系统 控制面板

[!TIP] 大多数智能家居系统问的是"你需要什么传感器?"Anima 问的是 "你有什么——我来用。" 它自动发现你的设备,为每台设备加载领域知识,从第一天起就开始做智能决策。

Q:需要手动配置设备吗?

A: 不需要。Anima 通过相应的适配器协议自动扫描局域网发现设备。对于小米/米家设备,一次扫码即可自动获取所有 Token——无需手动填写 IP 列表或提取 Token。

Q:它只是个花哨的开关控制器吗?

A: 远不止如此。核心设备类型都有专属的 技能(Skill)——一个包含舒适度模型、占用感知、跨设备协调规则和偏好学习的领域知识包。你的加湿器了解季节调整和空调联动;你的灯光会自动遵循昼夜节律。

Q:它怎么学习我的偏好?

A: Anima 维护着一套包含 preferences.md、各设备类型规范化 learned profile 和提取 topic memories 的记忆系统。Brain 会从你的交互历史中增量提取偏好,并随时间演进行为。

Q:支持哪些 LLM 提供商?

A: 任何兼容 OpenAI API 的服务——包括 OpenAI、DeepSeek、豆包、Anthropic(通过代理)以及本地 Ollama 模型。只需设置 ANIMA_LLM_API_KEY,可选设置 ANIMA_LLM_BASE_URL。


系统架构

Anima 的整体运行链路由用户请求、设备发现、传感器更新、定时任务和设备动作共同驱动。信号进入 Anima Core 后,Brain 结合设备状态、Memory 与 Skill 上下文完成理解和规划;执行阶段再由 Skill 将决策转化为结构化动作,并通过 Adapter 映射到具体硬件协议,完成真实设备控制与反馈记录。

Anima Overall Architecture

核心亮点

1. Brain:中枢决策层

Brain 是 Anima 的智能中枢。它负责把用户对话、设备状态、环境信号、记忆和 skill 能力合并起来,生成可执行计划。

当前 Brain 支持:

  • 基于 LangGraph 的 planner / executor 流程
  • 统一聊天入口 /api/chat
  • 定时 brain tick,用于主动环境检查和自动化决策
  • skill 执行前的上下文构建
  • 动作执行后的状态验证和 history 写入
  • OpenAI-compatible LLM 后端

Brain 的目标不是让 LLM 随意控制设备,而是让它在明确的技能边界、设备能力和安全规则内做决策。

2. Skill:设备智能的最小单元

Anima 中的 Skill 不是一个简单函数,也不是普通 prompt。它是一个设备领域知识包,通常包含:

SKILL.md              # skill 元信息、适用设备和工作规则
references/
  knowledge.md        # 领域知识
  decide.md           # 单次决策 prompt
  learn.md            # 长期学习 prompt
scripts/
  actions.py          # 结构化动作执行入口

内置 Skill 包括:

Skill 作用
light 灯光控制、亮度、色温、昼夜节律
humidifier 湿度舒适区间、季节因素、空调联动
air_conditioner 温度控制、舒适度和能耗平衡
air_purifier 空气质量、净化模式、睡眠安静策略
speaker 音频播放、停止播放、安静时段保护
coordinator 跨设备协同
device_discovery 设备发现、米家扫码、设备激活
skill_creator 根据自然语言需求生成自定义 skill

你也可以在 skills/custom/ 下添加自己的 skill,让 Anima 学会新的设备行为或家庭工作流。

下图展示了 Skill 在 Anima 中的完整生命周期:设备能力可以通过自动发现或用户定义进入 Skill Creator,随后被整理进 Skill Bank,供 Brain 在规划时检索和选择。执行阶段,Planner 会根据当前环境、设备状态和 Memory 上下文选择合适的 Skill;Skill 再把高层目标转成结构化动作,并通过 Adapter 落到真实设备。执行结果会回流到 Memory 和 learned profile,让后续决策更贴近用户习惯。

Anima Skill System Architecture

这意味着 Anima 中的 Skill 不是一次性的函数调用,而是一个可以被创建、注册、检索、执行和反馈学习的设备智能单元。新增设备类型时,优先扩展 Skill,而不是把设备策略硬编码进 Brain 或 Adapter。

3. Memory:可证据化的长期记忆

Anima 的 Memory 系统采用分层设计:

L1 Core Identity
  每次请求都加载的极简偏好摘要,例如 preferences_summary。

L2 Memory Directory
  给 planner 看的记忆目录,例如有哪些 learned profile 和 memory topic。

L3 Memory Detail
  skill 执行前按设备类型和任务检索的详细长期记忆。

下图对应了 Memory 在 Anima 运行时中的位置:底层文件负责保存偏好、历史、学习画像和 topic memories;中间的 Memory service 负责读取、提取、合并与更新;上层则通过 get_planner_context() 和 get_skill_context(device_type) 把不同粒度的记忆交给 Brain 和 Skill。这样 Planner 不需要每次读取所有历史,只需要先知道“有哪些记忆可用”,再在真正执行设备 Skill 时按需加载细节。

Anima Memory System Architecture

这套分层设计让 Anima 可以同时兼顾长期学习和上下文控制:L1 保持轻量、L2 提供目录、L3 只在需要时加载确认过的详细记忆。执行结果、用户对话和设备状态会持续进入 history,并在后台被提取为更稳定的长期记忆,最终影响后续的设备决策。

当前 memory 系统已经支持:

  • history.json 为每条交互生成 event_id
  • extracted memory 使用标准 schema 存储
  • claim_type 区分明确偏好、隐式偏好、例行行为、设备别名、约束和家庭上下文
  • positive_evidence / negative_evidence 记录证据来源
  • status 区分 candidate、confirmed、rejected、stale
  • 只有 confirmed memory 默认进入 skill 决策
  • learned profile 按设备类型保存到 learned.json

4. Adapter:真实硬件接入层

Adapter 负责把 Anima 的结构化动作转成真实设备协议。

当前主要支持:

  • Xiaomi / Mi Home / MIoT 设备发现
  • 小米云扫码获取设备列表和 token
  • 本地 ip + token 控制普通 MIoT 设备
  • Xiaomi speaker 的部分云端播放能力
  • 手动添加 MIoT 设备
  • 设备状态刷新和动作执行结果返回

需要注意:普通 MIoT 设备执行命令时,本质仍依赖设备当前可达的局域网 IP 和 token。小米云登录主要用于发现设备和获取 token,不等于所有设备都支持云端远程控制。

功能特性

  • 自动发现设备:局域网扫描、小米云设备同步、设备去重和运行时注册。
  • AI 决策中枢:LLM Brain 根据环境、设备、skill 和 memory 生成行动计划。
  • 可扩展 Skill 系统:每个设备类型都有独立知识、决策、学习和动作脚本。
  • 长期记忆机制:从 history 中提取候选记忆,按证据晋升为 confirmed memory。
  • 偏好学习:按设备类型生成 learned profile,让后续决策更贴近用户习惯。
  • 实时 Dashboard:设备列表、环境状态、聊天控制、设置、memory 调试。
  • REST API:提供设备、聊天、设置、扫描、memory 等接口。
  • MIoT 支持:支持 Xiaomi / Mi Home 设备 token 获取、本地控制和部分音箱云端能力。
  • 本地优先:核心运行在你的机器上,设备控制尽量通过局域网完成。

快速开始 quick start

Docker Compose 一键部署(推荐)

只需安装 Docker Desktop,或安装带 Compose 插件的 Docker Engine。

git clone https://github.com/Fullive-AI/Anima.git
cd Anima
docker compose up -d --build --wait

容器启动本身不要求 API Key。启动后可以在 Dashboard 设置页配置 OpenAI-compatible LLM;也可以在执行 Compose 前将 .env.example 复制为 .env 并填写配置。

启动后访问:

Dashboard: http://localhost:3000
Backend API: http://localhost:8080
Swagger: http://localhost:8080/docs

常用维护命令:

docker compose ps          # 查看服务健康状态
docker compose logs -f     # 持续查看日志
docker compose down        # 停止服务,已持久化的数据会保留

Compose 会构建 Dashboard 和包含 MIoT 支持的后端、启动 Mosquitto,并将运行数据持久化到 data/、自定义 Skills 持久化到 skills/。

本地开发环境要求

  • Node.js >= 18
  • pnpm >= 8
  • Python >= 3.11
  • uv

pnpm install 会通过 uv sync 安装 Python 依赖。 要控制 MIoT 设备,请执行 uv sync --extra dev --extra miot --python 3.13,或把 postinstall 改成包含 miot

本地开发安装并运行

git clone https://github.com/Fullive-AI/Anima.git
cd Anima
pnpm install
pnpm dev

启动后访问:

Dashboard: http://localhost:3000
Backend API: http://localhost:8080
Swagger: http://localhost:8080/docs

配置 LLM

你可以在 .env 中配置,也可以在 Dashboard 设置页配置。

ANIMA_LLM_API_KEY=sk-xxx
ANIMA_LLM_MODEL=gpt-4o
ANIMA_LLM_BASE_URL=
ANIMA_LLM_DISABLE_THINKING=false

Anima 使用 OpenAI-compatible API,因此可以接入 OpenAI、DeepSeek、豆包、Ollama 兼容端点或其他代理服务。

连接小米设备

推荐方式是在 Dashboard 中使用小米扫码登录:

  1. 打开 Dashboard 设置页。
  2. 进入 Xiaomi / Mi Home 配置区域。
  3. 生成二维码。
  4. 使用米家 App 扫码。
  5. 在 Xiaomi Cloud 返回 token 的情况下自动同步;未返回 token 的设备仍可手动输入 token 激活

如果你已经知道设备 IP 和 token,也可以手动添加 MIoT 设备。


常用命令

命令 说明
docker compose up -d --build --wait 构建并启动完整 Docker 部署
docker compose down 停止 Docker 部署
pnpm install 安装前端和后端依赖
pnpm dev 同时启动 Dashboard、Backend 和本地 broker
pnpm dev:frontend 仅启动前端
pnpm dev:backend 仅启动后端
pnpm dev:broker 仅启动本地 MQTT broker
pnpm build 构建前端
uv run pytest tests/ -v 运行测试
uv run ruff check . 运行 Python lint

项目结构

Anima/
├── 🧠 core/                  # 后端运行时:API、大脑、记忆、设备
│   ├── 🛣️  api/             # FastAPI 路由和 HTTP 接口
│   ├── 🧭 brain/            # Planner、Executor、ReAct Agent、Skill 加载器
│   ├── 🔎 devices/          # 设备发现编排和设备注册表
│   ├── 📡 events/           # 异步 EventBus 和运行时信号
│   ├── 🤖 llm/              # OpenAI-compatible LLM 运行时配置
│   ├── 🔊 media/            # 小米音箱播放支持
│   ├── 🗃️  memory/          # 偏好、历史、画像、提取记忆
│   ├── ⚙️  runtime/         # 设置和持久化配置
│   └── ⚙️  main.py          # 应用入口
├── 🔌 adapters/             # 硬件协议适配器
│   └── 🏠 miot/             # 小米 MIoT 适配器
├── ✨ skills/               # 设备智能包
│   ├── 🧩 system/           # 内置 skills
│   └── ✍️  custom/          # 用户自定义 skills
├── 🖥️  dashboard/           # React + Vite 控制面板
├── ✅ tests/                # 自动化测试
├── 📚 docs/                 # 设计说明和实现计划
├── 💾 data/                 # 本地运行时数据
├── 📦 package.json          # 根目录 pnpm 脚本
└── 🧰 pyproject.toml        # Python 项目配置

API 概览

后端默认运行在 http://localhost:8080。

常用接口包括:

Method Endpoint 说明
GET /health 健康检查
GET /api/devices 获取设备列表
POST /api/devices/{device_id}/command 向设备发送命令
POST /api/devices/add 手动添加 MIoT 设备
POST /api/devices/{device_id}/activate 用 token 激活扫描到的设备
POST /api/chat 统一聊天与任务执行入口
GET /api/environment 当前环境聚合状态
POST /api/environment/refresh 刷新设备状态
POST /api/scan 触发设备扫描
GET /api/memory 查看 memory、history、learned profile
GET /api/settings 读取设置
POST /api/settings/llm/configure 配置 LLM
POST /api/settings/xiaomi/qr/start 开始小米扫码登录
POST /api/settings/xiaomi/qr/poll 轮询扫码状态

完整接口可以查看 Swagger:

http://localhost:8080/docs

如何扩展

添加一个 Skill

最简单的扩展方式是新增 skill。

skills/custom/my_skill/
├── SKILL.md
├── references/
│   ├── knowledge.md
│   ├── decide.md
│   └── learn.md
└── scripts/
    └── actions.py

一个好的 skill 应该回答四个问题:

1. 它适用于哪些设备或场景?
2. 它需要哪些领域知识?
3. 它在什么情况下应该行动,什么情况下应该 no-op?
4. 它能输出哪些结构化动作?

添加一个 Adapter

Adapter 用来接入新的硬件协议。核心接口很小:

discover()   # 发现设备
subscribe()  # 刷新或订阅状态
execute()    # 执行动作

你可以参考 adapters/miot/ 实现新的协议适配器,例如 Matter、Home Assistant、BLE、HTTP API 或私有设备协议。


当前状态

Anima 仍处于早期版本,但已经具备完整可运行的核心闭环:

设备发现 -> Brain 规划 -> Skill 决策 -> Adapter 执行 -> 状态验证 -> History/Memory 学习

当前更成熟的部分:

  • Core runtime
  • Dashboard
  • MIoT adapter
  • Skill framework
  • Memory extraction and learned profile
  • Chat and REST API

仍在持续演进的方向:

  • 更多设备协议 adapter
  • 更完善的远程控制策略
  • 更强的 memory 检索和冲突处理
  • Skill marketplace / community skills
  • 多用户和权限模型
  • 更完整的安全策略和部署体验

更新记录

这里会记录 Anima 的版本发布、架构升级和关键能力演进,方便开发者快速了解项目每个阶段的核心变化。

  • 2026-06-01:Anima 首个开源版本发布,提供面向智能硬件的 Agent OS 基础能力:本地设备发现、MIoT 设备接入、LLM Brain 决策、Skill 机制、长期 Memory 系统和可视化 Dashboard。

贡献

Anima 欢迎不同类型的贡献:

  • 新增设备 adapter
  • 编写或改进 skill
  • 优化 Brain 决策流
  • 改进 Memory 机制
  • 增强 Dashboard 体验
  • 补充测试和文档
  • 报告真实设备兼容性问题

开始贡献前可以阅读:


安全说明

Anima 会连接真实设备并执行真实动作。请注意:

  • 不要把 Dashboard 或 API 直接暴露到公网。
  • 小米 token、LLM API key 等敏感信息应只保存在可信环境。
  • 控制公司、公共空间或多人共享空间设备时,应先建立明确权限边界。
  • 对自动化行为保持保守,尤其是涉及门锁、安防、电器电源等高风险设备时。

License

This project is licensed under the Apache License 2.0. See the LICENSE file for details.


Anima

Make every hardware intelligent.