Akli 2.0

Голосовой ИИ-ассистент с реальным временем: слушает микрофон через Gemini Live, понимает команды на любом языке и сам решает, какой инструмент дёрнуть — открыть приложение, поискать в браузере, поработать с файлами, поставить напоминание или запустить мини-агента на дев-задачу.

Что умеет

Возможность	Описание
Голос в реальном времени	Низкая задержка, любой язык, прерывание речи на лету
Управление системой	Запуск приложений, громкость/яркость, окна, скриншоты
Файлы и документы	PDF, Word, Excel, код, аудио, видео — анализ и преобразование
Браузер	Открытие сайтов, поиск, клики, заполнение форм через Playwright
Напоминания	Планировщик Windows для отложенных уведомлений
Долговременная память	Запоминает имя, проекты, привычки и подтягивает их в промпт
Мульти-шаговые задачи	Планировщик разбивает цель на шаги и сам их выполняет

Стек

• Python 3.11+ (рекомендую 3.12)
• Gemini Live API — голосовой канал и tool-calling
• OpenRouter (бесплатные модели) — текстовая аналитика, память, переводы
• PyQt6 — UI
• Playwright — управление браузером
• Windows-only зависимости (pycaw / comtypes / win10toast) — используются только в actions/computer_settings.py и actions/reminder.py

Быстрый старт

git clone https://github.com/BOMUND/Akli2.0.git
cd Akli2.0
python setup.py
python main.py

При первом запуске UI попросит вставить ключи Gemini и OpenRouter — они сохранятся в config/api_keys.json (этот файл в .gitignore).

Структура

main.py                — точка входа, Gemini Live + диспетчер tool-call'ов
ui.py                  — PyQt6-интерфейс (HUD, лог, оверлей настройки)
or_client.py           — клиент OpenRouter с пулом моделей и fallback'ом
core/prompt.txt        — системный промпт ассистента
config/                — настройки и API-ключи
memory/                — JSON-память пользователя
actions/               — конкретные инструменты (browser_control, file_*,
                          reminder, dev_agent, web_search, computer_*, ...)
agent/                 — планировщик и исполнитель мульти-шаговых задач

Зачем

Учебный проект: хотелось своими руками собрать ассистента, который не висит на одном LLM-провайдере, а раздаёт нагрузку между Gemini (голос) и OpenRouter (текст/анализ), и при этом честно умеет нажимать кнопки в системе, а не только болтать.