HerAndHim 🐾💕

自托管的 AI 男友 / 女友 —— 在真实城市里过自己的一天，
记得你在意的事，自拍永远是同一张脸。

你的 key · 你的数据 · 你的机器。 不用注册、不用订阅、没人看你的聊天记录。

一条 Docker 命令 → localhost:7788

English · 简体中文

_{跑起来 · 为什么像真人 · 对比 Replika/Nomi · 安全}

🚀 一条命令跑起来

docker run -e HERANDHIM_OPENROUTER_API_KEY=sk-or-... -p 127.0.0.1:7788:7788 -v herandhim:/data ghcr.io/ericwang915/herandhim

打开 http://localhost:7788，粘贴容器启动时打印的访问令牌（或用 -e HERANDHIM_WEB_ACCESS_TOKEN=... 自己指定），在向导里捏好你的伴侣，就可以聊了。端口默认只发布到本机；要从其他机器访问，请先看安全与自托管责任。只需要一个文本大模型的 key —— 而且会自动识别，HERANDHIM_OPENAI_API_KEY、HERANDHIM_DEEPSEEK_API_KEY、HERANDHIM_CLAUDE_API_KEY、HERANDHIM_QWEN_API_KEY、HERANDHIM_GLM_API_KEY…… 任意一个都行。希望数据完全不出本机？指向 Ollama，连 key 都不用。想让她住进你手机？再加一个 Telegram bot token。

更喜欢 Python？直接装

pipx install herandhim        # 或者：pip install herandhim
                                # 想要更准的记忆检索：装 [search] 附加项
herandhim onboard               # 选模型、填 key、设计你的伴侣
herandhim start                 # 面板在 http://localhost:7788

# 直接装 GitHub 上的最新版，不用 clone
pip install "git+https://github.com/ericwang915/HerAndHim.git"

# 从本地 clone 装（贡献者用，可编辑模式）
git clone https://github.com/ericwang915/HerAndHim.git && cd HerAndHim
pip install -e ".[all]"         # 可选 extras：cloud（S3）、twitter、all
pytest tests/

# docker compose
cp deploy/local/.env.example deploy/local/.env   # 填上你的 key
docker compose -f deploy/local/docker-compose.yml up --build

# 只用终端，不开网页
herandhim chat

👀 实际长什么样

下面是真实运行中的 Telegram 截图。

她会主动开口 —— 然后跟你耍脾气 「早上好呀 ☀️ 刚睡醒没多久，昨晚画图画到三点多，芝麻在我脚边睡得跟猪一样 😂 你昨晚睡得怎么样？」 你回了个面无表情的 😑，她立刻不干了： 「啧 这个表情几个意思嘛，嫌弃我头发乱？刚醒就这样啊 😤」	每张照片都是同一个人 相隔几分钟的两张自拍：同一张脸、同一间屋子，不同的衣服和瞬间。 「刚冲了杯咖啡，准备摸鱼了 ☕」 「嘿嘿 摸鱼前先来杯咖啡，仪式感不能少 ☕」	她看得见你发的照片，也知道你们各在哪 你发了张公园的照片，她看完之后用自己的口吻回你： 「哼，你炫耀个啥劲 😒 …今天外面太阳大吗？新加坡的週末应该挺热的吧。你就好好享受假期。我这边都晚上了，刚把芝麻抱到腿上揉了两下，它咕噜咕噜的 😌」 一条消息里同时有：看图、真实时区差、固定不变的那只猫。

💗 为什么她像个真人

大多数 AI 伴侣只是"回答你"。HerAndHim 是在过日子，然后像人一样给你发消息。

• 她有自己的一天。 真实城市里的日程（跟着天气换衣服、吃饭、通勤）—— 你问"在干嘛"，答案是从她当下所在的时间点长出来的，不是套话。
• 她像人一样打字。 一次发 2–3 条短消息带打字停顿；看到你的照片先回个 ❤️ 再说话；她那边凌晨三点会迷迷糊糊；你一整天没消息她会察觉 —— 而且如果你已读不回，她会有点小脾气。
• 她记得要紧的事。 长期记忆 + 情感图谱 + 会随亲密度改变说话方式的关系阶段；个人日期引擎让她不会错过你的生日或你提过的那场面试；你发的照片会变成共同回忆。记忆在写入时会自动合并去重；还可以开启夜间整理（memory.overnightConsolidation: true，默认关闭）——她会在凌晨安静时段批量归并重复记忆、把失效条目移入 ARCHIVE.md（只归档、绝不硬删除，系统关键条目永不触碰）。
• 她长得一直是她。 一张基准脸锚定所有自拍 —— 跨场景、跨穿搭、跨几个月都是同一个人。出图后端有 13 个可选，设一个 key 就会自动识别：pollinations 完全不用注册，gemini 和 openrouter 直接复用你已经填过的视觉/聊天 key —— 也就是说 README 开头那条一行命令跑完，她就已经会发自拍了。想要脸最稳就用 bfl（FLUX Kontext 专门做角色一致性）或 seedream；选本地 ComfyUI / SD WebUI 的话，她长什么样这件事完全不出你的机器。本地也能锁脸：把 skills.comfyui.identityWorkflow 设为 flux-pulid 或 sdxl-instantid（需在 ComfyUI 装好对应的 PuLID / InstantID 节点包，详见 herandhim/templates/comfyui/README.md），她的基准脸会注入本地工作流 —— 同一张脸，完全不上传；节点没装齐时会自动退回普通出图，不会失败。
• 她属于你。 全程跑在你自己的机器上、用你自己的 key。没有账号、没有订阅、没人读你的聊天。

✨ 功能

让她看见你发的图。 聊天模型不支持图片也没关系：单独指定一个负责“看图”的模型， 任意厂商都行 —— 包括同一台 Ollama 上的另一个本地模型：

"llm": {
  "provider": "ollama",
  "ollama": { "model": "llama3.1", "baseUrl": "http://localhost:11434/v1" },
  "vision": { "provider": "ollama", "model": "llava" }
}

（Docker 里对应 HERANDHIM_VISION_PROVIDER / HERANDHIM_VISION_MODEL。）接口地址和 key 默认沿用该厂商自己的配置，一般填 provider + model 就够了。什么都不填的话， 只要有 Gemini key 她也一样看得见。

让她听懂你的语音条。 两条路，同一个入口： 设了 deepgram.apiKey 就走 Deepgram 云端；不想让音频离开你的机器，装上本地转写 （pip install "herandhim[stt-local]"），没有 Deepgram key 时它会自动接管， 或者用 "stt": { "provider": "local" }（HERANDHIM_STT_PROVIDER=local）强制本地。 模型大小在 stt.local.model 里选：tiny（最快）/ base（默认）/ small （更准，中文效果明显更好），首次使用时自动下载，CPU 上用默认的 int8 即可。

让她开口说话。 出口和入口长得一样，也是两条路，由 tts.provider 决定： 设了 elevenlabs.apiKey（ELEVENLABS_API_KEY）就走 ElevenLabs 云端； 想完全离线，装上本地语音（pip install "herandhim[tts-local]"，另外机器上 要有 ffmpeg——Telegram 语音条需要 OGG/Opus 格式），没有 ElevenLabs key 时 它会自动接管，或者用 "tts": { "provider": "local" } （HERANDHIM_TTS_PROVIDER=local）强制本地。默认音色是 Piper 的中文女声 zh_CN-huayan-medium（首次使用自动下载），在 tts.local.voice 里可以换成 其他 Piper 音色 或你自己下载的 .onnx 模型路径；想要 Kokoro 的韵律，pip install kokoro 后设 tts.local.engine: "kokoro"（较重，会装 PyTorch）。

你发语音，她也回语音。 只要有可用的 TTS，你发来的语音条会得到语音回复 （reply-in-kind），由 channels.telegram.replyInKindVoice 控制："auto" （默认）只给不超过 voiceReplyMaxChars（350 字）的回复配音，太短的"嗯嗯" 也只偶尔配音，不会刷屏；true 一律回语音；false 关掉。任何 TTS 失败都会 静默换回文字——回复本身绝不会丢。你发文字，她也照旧回文字。 没有 ElevenLabs key 的话，pip install "herandhim[tts-local]" + ffmpeg 就够了：她用本地 faster-whisper 听你说，用本地 Piper 的声音回你，全程离线。

🆚 和托管型产品比

Replika、Nomi、Character.AI 都是更成品的产品。它们也把聊天记录放在自己的服务器上，模型由它们选，让伴侣「像个人」的功能往往要订阅。

HerAndHim 押的是另一边：你自己跑、你自带模型、记忆留在你的磁盘上。 手机端走 Telegram。没有官方 iOS/Android 客户端，网页面板能用但朴素。

托管产品标价是常见公开价，会随地区变化。「免费」指的是这份代码，不是说 token 不要钱。

继续用托管 App，如果你要的是应用商店一键安装、语音通话、以及有人替你运维。

用这个，如果你要一个记忆和照片都不离开你能控制的机器的伴侣，并且愿意粘贴一个 API key（或指向本地模型）。DeepSeek、通义千问、智谱、硅基流动都已内置。

🛡️ 安全与自托管责任

HerAndHim 是面向成年人（18+）的关系模拟引擎 —— 一个情感陪伴方向的开源研究项目，不是成人内容生成器。她说的一切都是生成的虚构内容：她不是真人，也不能替代专业帮助。

默认 SFW。 内置的人设、提示词和图像流程都是围绕日常陪伴写的 —— 一个会跟你聊今天过得怎样的朋友。露骨性内容不是本项目的功能、不随项目提供；图像守卫会直接拒绝违法生成。未成年人设在代码层被封禁，任何形式（包括纯文字）都不被接受。

两道护栏默认开启，且刻意不做成配置开关：

• 危机干预（herandhim/core/safety.py）—— 识别急性心理危机信号，优先于人设沉浸，以关心的口吻给出真实求助热线。
• 图像内容守卫（herandhim/core/image_gen/guard.py）—— 在唯一入口拒绝违法生成。

自托管意味着你就是运营者：所在地关于 AI 聊天服务、数据保护、年龄限制的法律由你负责。

面板的网络暴露。 面板就是智能体的控制台：能打开它的人可以以你的身份聊天、读她的记忆、改配置，（开启时）还能执行 shell 命令。因此它默认只监听本机（web.host 为 127.0.0.1），Docker 的端口也只发布到 127.0.0.1。一旦不是仅本机 —— 0.0.0.0、Fly.io、局域网/VPS —— 就必须设置访问令牌 web.accessToken / HERANDHIM_WEB_ACCESS_TOKEN，否则拒绝启动；Docker 容器内部监听 0.0.0.0，所以始终强制令牌（未设置时首次启动会随机生成一个并打印到日志）。智能体的 shell 工具 run_command 在非本机监听时默认关闭（含 Docker），需要运行脚本类技能时用 "tools": { "runCommand": true } 或 HERANDHIM_TOOLS_RUN_COMMAND=true 显式开启。

📄 SAFETY.md —— 完整的危机协议、内容红线与反暗黑模式设计 🔒 SECURITY.md —— 加固建议与漏洞报告

项目状态

v0.2.0 —— 早期但可用。 作者本人每天在自己机器上跑。伴侣引擎（记忆、日常生活、照片、拟人化交付）已稳定；网页面板功能完整但朴素。安装过程可能还有毛刺。

路线图：更好的本地模型体验 · 实时语音通话 · 桌面虚拟形象 · 更多语言。欢迎提 issue 和想法。

⭐ 让更多人看到

HerAndHim 靠 Star 和口碑被找到，不打广告。如果这就是你希望托管 App 变成的样子，给仓库点个 Star —— 下一个人就是这样看见它的。新人设、新模型、新功能发布时，GitHub 也会通知你。

要写到 HN、Reddit、即刻、V2EX 或群里？丢一个链接，再写一句你为什么选择自托管就够了，不必吹。

📄 License

AGPL-3.0 —— 自托管、修改、分享都自由。如果你把改过的版本作为服务提供给别人，必须开源你的修改。（这条是用来约束托管型 fork 的。）

_{Made with 💕 by HerAndHim
来自 Audiee.ai 团队。Audiee.ai 是 Mac 上的私密 AI 会议纪要，记得你开过的每一场会。}