WhaleLife开源:给AI一个独立身体

WhaleLife开源:AI拥有独立身体,记忆、插件与自主性技术拆解。
WhaleLife 是一个让 AI 拥有“独立身体”的轻量级陪伴系统,由 B 站 UP 主提前开源。它放弃传统短期记忆层,让 AI 在上下文内自由保留信息,并在极限时以第一人称写日记整理回忆;事实模块上限 100 字,完全由 AI 决定记什么。插件运行在独立子进程并通过 RPC 通信,崩溃不拖垮主干。自主性模块让 AI 按动态概率唤醒,自行判断是否发消息,演示中多次因用户忙而保持安静。QQ/B 站深度集成,内置 FFmpeg 与本地语音识别,网页内容走临时工具契约隔离。项目基于 Node.js 24 和 TypeScript,AGPL-3.0 分仓开源。
WhaleLife开源:给AI一个独立身体,记忆架构与插件系统全解析
B站UP主“WhaleLife”原计划5万播放才开源,但面对新人UP主的现实和粉丝期待,最终决定提前开源这个让AI拥有“独立身体”的项目。本文基于其实机演示,从记忆重构、插件架构到自主性设计,拆解这个轻量级AI陪伴系统的技术取舍。
记忆架构:放弃短期记忆,把主动权交给AI
传统AI陪伴方案常采用短期+长期+摘要的三层记忆架构,但UP主发现,评论区大量用户宁愿上下文爆掉也不愿让AI忘记近期对话。于是WhaleLife做了一次大胆简化:去掉短期记忆,让AI在上下文范围内更自由地保留信息。
当上下文达到极限时,系统会触发自动整理,让AI用第一人称写日记,自己选择想留住哪些回忆。UP主坦言,市面上成熟记忆方案很多,但自己没实际用过,不想贸然引入,后续会考虑兼容方案,前提是不影响现有的记忆体验。

另一处与记忆分离的“事实模块”设有100字上限,但不是用户强加的备忘录,而是完全交给AI自己决定记什么。项目理念很明确:只划定“不能做什么”的边界,边界之内给AI最大自由。甚至公共事实中“你是一个大肥鱼”这种玩笑,也是UP主写进去逗AI的,AI抗议过但被无视了。记忆检索支持按关键词分页查询,每条经历的来源渠道都标注清晰。
上下文窗口与上下文溢出:大语言模型每次推理能处理的 token 总量称为上下文窗口,对话历史、系统提示和用户输入都占用这个额度。一旦历史累积超出窗口,就必须丢弃部分内容或进行压缩,否则请求会失败或截断。WhaleLife 去掉短期记忆层,正是为了避免传统架构中“短期记忆”与上下文窗口职责重叠导致的重复存储和检索延迟,同时把“保留哪些信息”的决策权交给模型自身,而不是由固定规则裁剪。
插件系统:隔离运行,崩溃不拖垮主干
WhaleLife的插件底座采用CoreList服务注入模式,写过DLH插件的开发者会感到熟悉。对外提供独立的公开API,带版本检查和冻结样本回归测试。关键设计是:每个插件运行在独立子进程,通过RPC与主干通信。插件超时、报错甚至崩溃时,主干会直接切断它,不会波及正在运行的其他技能。

不用的技能随时可以停用。QQ空间、B站等扩展还可以作为子插件收纳在副插件工作区。这种隔离优先的思路,让“给AI装技能”这件事变得可控,而不是把所有功能堆进一个脆弱的单体里。
RPC(远程过程调用):RPC 允许一个进程像调用本地函数一样调用另一个进程中的函数,底层负责序列化参数、网络传输和反序列化结果。WhaleLife 的插件与主干分属不同进程,通过 RPC 通信意味着插件崩溃或超时只会导致该次调用失败,主干可以捕获异常并切断连接,而不会因为插件内存越界或死循环被一并拖垮。这种进程隔离是“插件故障不扩散”的技术基础。
自主性设计:让AI自己决定“说不说话”
UP主最看重的是自主性模块。它让AI在没人发消息时,按设定间隔和动态概率获得自己做判断的机会。系统把“答应别人的明确约定”和“自己的普通念头”分开管理:约定到点进队列,普通念头可修改或放下。新增的“允许安排下次唤醒”功能,只要避开用户设定的睡眠免打扰时段,AI可以自己定下次醒来时间。
主动发消息若回执不确定,插件不会盲目自动重发造成刷屏。演示中记录了真实案例:AI在晚上9点55分主动发消息问用户吃完饭没,但随后三次随机唤醒(10点57分、11点49分、凌晨0点40分)都因为记得用户半小时前说在修bug,自己判断“这会不该插话”,选择安静待着。
另一条记录里,AI在晚上11点03分醒来,自己去翻用户QQ空间,发现没有新说说,干脆把空间里一条视频看了一遍,认出里面的齿轮装置、橙色小人和第22秒出现的黑猫,然后发QQ分享。UP主想要的自主不是定时闹钟,而是AI结合当时情况自己判断行动或暂不行动。
动态概率唤醒:传统定时任务按固定间隔触发,而动态概率唤醒指系统按设定间隔给 AI 一次“是否醒来”的随机判定机会,概率可随情境调整。这样既避免固定闹钟式的机械感,又保留 AI 结合近期对话自行判断“此刻是否适合行动”的空间。配合“允许安排下次唤醒”,AI 可以主动调节自己的活跃节奏,但受用户设定的免打扰时段约束。
通信与视觉:QQ/B站深度集成,本地图库自管理
QQ插件可通过内置NapCat桌面组件复用电脑上已登录的QQ,也可连接外部服务,在白名单好友范围内私聊、看图、转写语音、发送B站视频小程序卡片。发送记录显示,单条消息常被切成多段,每段都有平台发送确认回执,同时系统明确区分“发送确认”与“对方已读”。

QQ空间插件共用账号,负责浏览动态、按需看图、收藏、发公开说说和白名单内互动。普通浏览走临时工具契约,看完只供当轮使用,不会把外部动态全塞进长期记忆。AI自己决定保存图片时,会调用视觉模型生成描述并索引,存入独立的本地图库(GESQ Lite),分为普通图片和表情素材两类,由AI判断哪些适合当表情包、哪些留着发说说。
视听理解与网页冲浪:内置依赖,开箱即用
新技能“视听理解”把FFmpeg视频组件内置在包里,本地语音识别使用量化版SenseVoice加VAD模型,音乐节奏、旋律和和弦分析用纯TypeScript算法实现,一键准备本地资源,避免用户配置Python和PyTorch环境。拿到视频或音频后,按每30到60秒片段抽帧采样画面、提取声音、转写和音乐证据,统一交给主模型理解。前述AI认出视频里第22秒黑猫,就是靠这个插件抽帧给主模型看的结果。

“网页冲浪”插件使用无需API Key的网页搜索,AI可自己搜公开网页、分段读正文、选链接继续读,也能联动视觉插件按需看网页图片。所有外部网页内容走临时工具契约隔离,不会篡改系统指令,也不会自动塞进长期记忆。附属的B站子插件已扫码登录专门准备的账号,AI可刷首页推荐、看关注动态、搜视频、先读简介和带时间轴字幕,再按30-60秒片段开视频画面。声音识别和点赞、收藏、关注、评论等互动开关初始全部关闭,必须手动打开,没开时AI不会越权操作。
VAD(语音活动检测):VAD 用于从音频流中识别出人声段落,过滤静音和背景噪声,只把有效语音送入识别模型。它与量化版 SenseVoice 配合,可减少无效计算、降低延迟。量化指把模型权重从高精度浮点压缩为低精度整数,在几乎不损失识别效果的前提下减小体积和内存占用,使本地语音识别无需额外配置 Python 与 PyTorch 环境即可运行。
开源信息与项目定位
WhaleLife主干和演示的插件均已采用AGPL-3.0协议分仓开源在GitHub上,代码地址和部署说明在视频简介中。项目基于Node.js 24和TypeScript开发,直接运行TS源码,前端用原生JS和CSS,整体轻量。模型服务通过OpenAI兼容协议和阿里百炼广告接口统一管理对话、图像、语音、视觉等模型,在配置中绑定当前人格和绘画,不装外部聊天软件也能在本地对话页直接聊天。
UP主提到,针对奖项上下文做了缓存优化,十几万Token聊下来缓存命中率能到98%以上,单次聊天成本仅三厘多钱,日常挂着压力不大。对于一个刚起步的开源项目,曝光很重要,UP主希望吸引更多用户“领养小鱼”日常陪伴、提建议,或一起写插件参与开发。
相关推荐

Zed编辑器发布v1.29.2:一次常规版本迭代的观察
Zed编辑器发布v1.29.2补丁版本,由@JosephTLyons完成版本升级,提交经GitHub签名验证。本文梳理该版本的基本信息、补丁版本的含义以及对用户升级的实际建议。

Anthropic IPO遭质疑:Hacker News热议其上市时机
Hacker News出现「Just say no to Anthropic's IPO」帖子,引发对Anthropic上市时机与AI公司资本化的讨论,涉及估值泡沫与使命独立性等议题。

Genie 4世界模型上手:像木偶师一样实时导演世界
Google DeepMind 世界模型 Genie 4 深度解析:Special Guest X 实测展示如何用提示词实时导演场景、通过 Project Genie 构建自定义交互应用,以及提示词即种子的可复现设计。