企业官网建设流程全解析

• 人工智能
• AI Agent
• MCP 服务
• 工具调用
• GUI 自动化
• 语音
• 数字人
• 交互助手

本篇技术指南围绕 AIRI 项目的 Web 版使用流程展开，讲解从首次启动、语言切换、接入聊天提供者与模型，到开启语音合成（TTS）、语音识别（ASR/STT）乃至角色卡片（Character Card）机制的完整路径。读完本文，你将掌握 AIRI Web 版的提供者配置逻辑、模块化设置入口，以及如何通过角色卡片整体保存"角色 + 模型 + 语音"组合，快速搭建属于自己的 AI 伴侣。

一、首次启动：语言切换与登录方式

AIRI Web 版的前端位于仓库的 apps/stage-web 目录（对应桌面版的 apps/stage-tamagotchi），作为浏览器可访问的完整实现，其官方使用文档即 docs/content/ko/docs/manual/web/index.md（仓库同时提供 en / ja / ko / zh-Hans 等多语言版本）。

首次打开 AIRI 时，界面默认语言可能不是你的母语，此时可以：

1. 点击右上角的地球图标（语言切换按钮），将界面语言切换为中文或其他语言；
2. 随后在引导界面做二选一：
   • 直接设置提供者：手动填写 API Key、Base URL 等凭据，适合自有或第三方模型服务；
   • 登录：使用官方 AIRI 提供者账号，免去手动配置过程。

两种方式最终都会进入"聊天提供者选择"环节，只是凭据来源不同。

二、选择聊天提供者并接入模型

2.1 从主流提供者中选择

AIRI 需要至少一个聊天提供者（Chat Provider）与聊天模型才能产生文本回复（对应 聊天模型设置指南 中"聊天模型是 AIRI 的'大脑'"的定位）。Web 版设置页提供以下常见选项：

• OpenAI：官方 OpenAI API；
• DeepSeek：DeepSeek 开放平台；
• Ollama：本地模型服务，适合离线/私有部署；
• OpenAI Compatible：任何实现了 OpenAI 兼容 API 的第三方服务。

选用 OpenAI Compatible 时，需要同时填写两样东西：

官方文档以SiliconFlow（硅基流动）作为 OpenAI Compatible 的示例：在提供者表单中选择 OpenAI Compatible，填入 SiliconFlow 的 API Key 与其文档公布的 Base URL，即可复用同一条接入路径。

2.2 验证凭据与填写要点

关于 Base URL 的填写，通用设置指南 给出了明确的边界：

• 远程提供者务必使用https://前缀；
• http://仅限可信的本地服务（如本机 Ollama）；
• 远程 HTTP 端点会暴露 API Key 与请求数据，存在安全风险。

填写完成后，页面通常会触发自动验证：部分提供者支持拉取模型列表，或提供Ping API发送真实的小请求（会消耗少量额度）。验证通过后，即可进入模型选择。

2.3 模型选择

在模型列表中选择一个与当前提供者兼容的聊天模型，然后点击保存并继续。

文档特别提示：推理模型（reasoning models）的响应耗时更长，如果追求更快的对话节奏，请优先选择非推理模型。这与 聊天模型设置指南 中"以Hello之类的短消息验证模型是否正常响应"的实操建议一致。

三、发起第一次对话

完成上述配置后，在主页面底部的聊天输入框中输入文本并发送，AIRI 就会基于所选模型开始回复：

如果点击发送后没有响应，可对照 聊天模型设置指南 的排查清单：确认设置 → 模块 → 意识（Consciousness）中提供者与模型都已选中——仅保存提供者凭据并不会自动激活模块。

四、让 AIRI 拥有"眼睛、耳朵和嘴巴"

文本对话只是起点。Web 版的更多交互能力集中在设置 → 模块中开启，语音相关功能可在 语音输入与输出设置指南 找到完整流程。

4.1 让 AIRI 开口说话（语音合成 TTS）

1. 打开设置 → 提供者 → 语音合成，选择一个 TTS 提供者并填入凭据；
2. 若提供者提供试听面板（Playground），先合成一句短文本验证；
3. 打开设置 → 模块 → 语音合成，依次选择：提供者 → 模型 → 语音（Voice）。

如果选择的是实现了 OpenAI 语音接口的提供者，可参考仓库中providers/speech下的 OpenAI Compatible 文档。

4.2 让 AIRI 听见你（语音识别 ASR/STT）

1. 打开设置 → 提供者 → 转录（Transcription），配置转录提供者凭据；
2. 打开设置 → 模块 → 听觉（Hearing），选择提供者与模型；
3. 在可用设备列表中选择正确的麦克风，点击Start Monitoring，然后说一句短句；
4. 检查识别结果区域是否出现正确文本。

此后即可通过主页面上的麦克风按钮随时唤起听觉控制，与 AIRI 进行语音对话。Web 版实际使用浏览器麦克风权限，若识别结果为空，优先检查浏览器/系统是否授予了麦克风权限、设备是否被正确选中（对应仓库 apps/stage-web/src/composables/audio-input.ts 等音频输入实现）。

4.3 视觉捕获：当前仅桌面端支持

需要说明的是：屏幕/窗口捕获目前是桌面版的专属能力。Web 版可以独立配置视觉提供者与模型（用于单张图片理解），但"让 AIRI 持续分析你的屏幕/窗口"需要在桌面版的系统 → 开发者 → Vision Capture中启用（含屏幕录制权限授权、选择窗口/显示器、Start ticker、Publish to character 等步骤）。提供者配置与完整工作流参见 视觉设置指南。

无论 Web 还是桌面，视觉配置都遵循"提供者存凭据、模块选模型"的双层结构，且视觉提供者与聊天提供者彼此独立存储——即使二者指向同一服务商，也需要分别填入凭据。

五、角色卡片（Character Card）：灵魂的载体

5.1 内置 ReLU 与自定义卡片

AIRI 内置了一张名为ReLU的角色卡片，开箱即用。你也可以创建自己的卡片：通过主页面右上角的角色切换按钮，或在设置中的角色卡片管理页进行切换与新建（对应源码 packages/stage-pages/src/pages/settings/airi-card 目录下的新建、编辑、版本回滚等实现）。

5.2 角色卡片定义了什么

角色卡片定义了 AIRI 的名称（name）、描述（description）、性格（personality）、场景/背景（scenario）与问候语（greeting），从而整体决定 AIRI 的身份与行为方式。这与仓库packages/ccc（Character Card Codec）包中 packages/ccc/src/define/card.ts 定义的卡片结构一一对应：

• name：角色名；
• personality：性格特质与行为模式，用于约束角色如何行动与回应；
• scenario：角色所处的背景环境与情境设定；
• greetings：首条消息（first_mes）与备选问候语；
• 另有systemPrompt（核心系统指令）、postHistoryInstructions（对话历史后的处理指令）、messageExample（示例对话）等扩展字段。

也就是说，想让 AIRI 变成另一个名字、另一种性格、另一个开场白，只需更换角色卡片即可。

5.3 卡片与模块设置联动

角色卡片更关键的能力是可以随卡片保存模块设置——切换卡片时，与该角色绑定的模型选择等配置会一并切换。从源码 packages/stage-ui/src/stores/modules/airi-card.ts 可以看到：

• 卡片通过extensions.airi.modules记录各模块选择，覆盖consciousness（意识/聊天模型）、vision（视觉）、speech（语音合成，含voice_id）以及displayModelId（Live2D / Spine / VRM / MMD / Tachie 等显示模型）；
• 应用卡片时，代码将卡片中保存的提供者/模型/语音写入运行时模块状态（writeRuntimeModules），实现"换角色即换整套配置"；
• 当用户在模块界面调整设置后，变更也会回写到当前卡片（updateActiveCardModules），保证卡片与运行配置保持同步。

因此，你可以为"工作助手"角色绑定快速的非推理模型，为"闲聊伙伴"角色绑定更生动的语音与显示模型，在两者之间一键切换。

六、继续深入：从 Web 版到完整生态

Web 版完成后，可以按需扩展：

• 提供者全景：仓库维护了大量服务商配置文档（OpenAI / DeepSeek / Ollama / OpenRouter / 硅基流动 / 本地 LM Studio 等），统一位于 docs/content/ko/docs/manual/config/providers；
• Web 搜索：通过 Tavily 让 AIRI 在需要时检索互联网最新信息；
• 显示模型：可在设置 → 模型中把默认模型替换为其他 2D/3D 显示模型（完整 Live2D 模型文件夹压缩为 ZIP 即可导入）；
• 更多玩法：仓库还提供 角色卡片模板 等进阶文档，帮助自定义更完整的角色体验。

从一次简单的提供者配置开始，到语音交互、视觉理解与角色卡片，AIRI Web 版为自托管 AI 伴侣提供了一个功能完整的浏览器入口；桌面版则在 Web 版基础上叠加屏幕/窗口捕获、系统级开发工具等能力，二者共享同一套提供者与模块心智模型。

• 人工智能
• AI Agent
• MCP 服务
• 工具调用
• GUI 自动化
• 语音
• 数字人
• 交互助手