Anima：开源的硬件智能代理操作系统，让设备学会思考
📅 2026年06月08日 · 技术
Anima 是什么？
今天的智能家居系统大多是"遥控器的升级版"：你发出指令，设备执行。灯泡不懂你为什么开灯，空调不知道你刚从外面回来，加湿器不明白为什么湿度突然下降。
Anima 是一个开源的代理操作系统，目标是让硬件从"联网设备"进化为"协作智能体"。它不只是接收命令，而是理解环境、记住你的习惯、推理用户意图，然后做出符合情境和偏好的决策。
名字 "Anima" 来自拉丁语，意思是"灵魂"。这反映了项目的核心理念：今天的智能硬件已经有传感器、连接和执行能力，但大多数设备仍在被动等待指令。Anima 想给这些设备一个可运行的智能中心。
系统架构：大脑 + 技能 + 记忆
Anima 的整体设计分为三层：
- Brain（大脑）：中央决策层，用 LLM 合并用户对话、设备状态、环境信号、记忆和技能能力，生成可执行的计划
- Skill（技能）：设备领域的知识包，包含舒适模型、占用感知、跨设备协作规则和偏好学习
- Memory（记忆）：长期记忆系统，从交互历史中提取偏好，形成稳定的习惯画像
这不是让 LLM 随意控制设备。Brain 在明确的技能边界、设备能力和安全规则内做决策。比如空调技能知道温度舒适范围、季节因素和与其他设备的交互方式，加湿器技能理解湿度舒适区间和静音时段保护。
技能系统：设备的"专业知识"
每个技能不是简单的函数或提示词，而是完整的领域知识包，通常包含：
SKILL.md：技能元数据、支持的设备和操作规则knowledge.md：领域知识（如舒适温度范围、节能策略）decide.md：单次决策提示learn.md：长期学习提示actions.py：结构化动作执行入口
内置技能包括灯光（亮度、色温、昼夜节律照明）、加湿器（湿度舒适范围、季节因素）、空调（温度控制、舒适与能耗平衡）、空气净化器（空气质量、静音睡眠策略）、音箱（音频播放、静音时段保护），还有跨设备协调器和设备发现技能。
记忆系统：分层设计
Anima 的记忆采用三层设计：
- L1 核心身份：每次请求加载的最小偏好摘要
- L2 记忆目录：规划器查看的记忆目录，包含可用的学习画像和主题
- L3 记忆细节：技能执行前按设备类型加载的详细记忆
这种分层让系统不必每次请求都读取所有历史。它先了解有哪些记忆存在，只有在真正执行设备技能时才加载具体细节。执行结果、用户对话和设备状态持续写入历史，后台提取成稳定的长期记忆，最终影响未来的设备决策。
硬件支持：小米 MIoT 设备
目前支持小米/米家设备：
- 本地网络扫描发现设备
- 小米云 QR 登录获取设备列表和令牌
- 本地
IP + token控制普通 MIoT 设备 - 部分小米音箱云端播放能力
推荐路径是 Dashboard 的小米 QR 登录：生成二维码后用米家 App 扫描，设备自动同步；没有返回令牌的设备可以手动输入。
技术栈与运行
后端基于 FastAPI + Python 3.11+，前端是 React + Vite Dashboard，代理核心用 LangGraph 实现。安装很简单：
git clone https://github.com/Fullive-AI/Anima.git
cd Anima
pnpm install
pnpm dev启动后打开：
- Dashboard：http://localhost:3000
- Backend API：http://localhost:8080
- Swagger：http://localhost:8080/docs
LLM 配置支持任何 OpenAI 兼容 API（OpenAI、DeepSeek、豆包、Anthropic 代理、本地 Ollama）。设置环境变量即可：
ANIMA_LLM_API_KEY=sk-xxx
ANIMA_LLM_MODEL=gpt-4o扩展能力
添加新技能只需创建目录：
skills/custom/my_skill/
├── SKILL.md
├── references/
│ ├── knowledge.md
│ ├── decide.md
│ └── learn.md
└── scripts/
└── actions.py添加新协议适配器参考 MIoT 实现，接口很小：discover() 发现设备，subscribe() 订阅状态，execute() 执行动作。
项目状态
Anima 还在早期阶段，但核心循环已经完整：设备发现 → Brain 规划 → Skill 决策 → Adapter 执行 → 状态验证 → 记忆学习。成熟部分包括核心运行时、Dashboard、MIoT 适配器、技能框架和记忆提取。仍在演进的部分是更多协议适配器、更强的记忆检索和冲突处理、技能市场、多用户模型和安全策略。