AnovaX：具有 LLM 规划、类型化执行器和自适应恢复功能的本地多代理语音助手

arXiv:2607.15367v1 公告类型：新 摘要：桌面语音助手仍然以云管道为主，这些管道将原始音频从机器上传输出来并公开一组固定的技能。我们描述了 AnovaX，这是一个小型的本地优先助手，完全在用户的计算机上运行，​​并将桌面本身视为其操作界面。单个 Python 进程将唤醒词门、语音管道、发出工具调用 JSON 计划的 LLM 规划器 (Gemini)、白名单和拒绝名单安全层、将每个计划转换为有界线程池上的类型化子代理的多代理协调器，以及在核心步骤失败时接管的自适应恢复循环。每个工具都对应一个专门的代理类（AppAgent、TypingAgent、BrowserAgent 和其他六个），具有自己的超时、重试策略和共享资源锁。递归 MetaAgent 允许规划器将子目标委托给自身，最多可嵌套两层。恢复循环使用紧凑的 ReAct 风格提示，并将 Gemini 的延迟隐藏在只读工具的推测执行后面。配套的 Flask 服务器通过本地 WiFi 公开适合手机的遥控器，将每个代理生命周期事件实时镜像到手机，并通过 MJPEG 将笔记本电脑的屏幕流式传输回来，以便用户可以在运行时观看远程命令的落地。该项目的重点并不是要与 Siri 或 Alexa 竞争，而是要表明，一个清晰的、几千行的助手足以打开应用程序、输入内容、运行搜索、协调并发操作、从单步故障中恢复，并完全由另一个房间的手机驱动——无需法学硕士碰键盘。