這是一份提交給GitHub Finish-Up-A-Thon Challenge
的參賽作品 我所建立的
數位秘書是一個注重隱私的個人AI助理，可在您的Windows電腦上運行，透過Telegram與您溝通。無需雲端訂閱。無需Docker。除非您選擇，否則您的數據不會離開您的電腦。
你發送訊息 → 你的電腦處理它 → 你獲得一個智能、記憶感知的回覆。語音輸入，語音輸出。檔案、網路搜尋、提醒、OCR — 全部來自Telegram.
GitHub: github.com/sree1959git/Digital-Secretary
Demo
設定向導
互動式向導不到3分鐘：
____ _ _ _ _ ____ _
| _ \(_) __ _(_) |_ __ _| | / ___| ___ ___ _ __ ___| |_ __ _ _ __ _ _
| | | | |/ _` | | __/ _` | | \___ \ / _ \/ __| '__/ _ \ __/ _` | '__| | | |
| |_| | | (_| | | || (_| | | ___) | __/ (__| | | __/ || (_| | | | |_| |
|____/|_|\__, |_|\__\__,_|_| |____/ \___|\___| _| \___| \__\__,_|_| \__, |
|___/ |___/
Your personal AI secretary. On Telegram. On Windows.
Step 1: Telegram Bot Token
Step 2: OpenRouter API Key
Step 3: Default AI Model
Step 4: Name Your AI Secretary
Step 5: Personality
Bot 在行動中
You: Remind me to call the dentist tomorrow at 10am
Digital Secretary: Done! I've set a reminder for tomorrow at 10:00 AM: "Call the dentist".
I'll message you here on Telegram when it's time.
You: [sends photo of whiteboard]
Digital Secretary: I can see a whiteboard with what appears to be a sprint plan.
The items listed are: [extracted text from OCR + vision analysis]
You: [voice message] "What did we discuss last week about the project?"
Digital Secretary: [voice reply] Based on our previous conversations, we talked about...
架構一目了然
Telegram (Your Phone)
│
▼
Digital Secretary (Windows PC)
│
├── 🧠 AI: OpenRouter / Ollama / llama.cpp
├── 💾 Memory: SQLite FTS5 (persistent, searchable)
├── 🛠️ Tools: files, shell, web, OCR, MCP servers
├── 📅 Scheduler: APScheduler-backed reminders
├── 🎙️ STT: faster-whisper (local Whisper)
└── 🔊 TTS: edge-tts (Microsoft neural voices)
复甦故事
它的起點 (之前)
大約六個月前，我開始了這個專案的第一次版本——當時稱為Antidote——作為一個週末實驗。想法很簡單：我想有一個個人AI助理，它需要：
- 不需要月度訂閱
- 能在我的Windows電腦上運行
- 使用Telegram（我手機上已經有了）
我三個禮拜內做出了一個可工作的原型。但接下來生活發生了事情。專案就那樣擱置著——功能正常但粗糙：
- 配置中硬編碼的路徑 (
C:/Users/Sreedhar/...) - 機器人能回答問題但在重啟後會忘記一切
- 完全沒有語音支援
- 單個Python檔案，卻變成了1,000行
- 沒有文件說明 — 我甚至記不起來自己是如何設定它的
我在CODE_REVIEW_REPORT.md中殘酷誠實地記錄了所有這些
"設定檔有硬編碼個人路徑... 記憶僅僅在每個會話中存活... OcrImageTool已在Telegram頻道中註冊，但在主要工具註冊表中沒有註冊... 自動啟動任務名稱在wizard.py和autostart.py之間不一致..."
我所做的改變 (之後)
當我為這個挑戰再次接手這個專案時，我把它當作第一次接觸客戶的程式碼庫。這裡是改變的地方：
架構改進：
- 將單體拆分成正確的套件結構：
agent/，channels/，memory/，providers/，security/，tools/ - 新增了
MemoryStore搭配SQLite FTS5 — 這個機器人現在可以在不同會話中記住你 - 引入了
ContextBuilder，它從身分檔案中組合系統提示(SOUL.md、AGENTS.md、USER.md) - 建立了一個正確的
ToolRegistry，具有OpenAI相容的函數定義
新增了以下功能：
- 🎙️語音輸入輸出 — 汕聲 (本地語音辨識) + 輪廓-TTS 神經聲音 (3層聲音系統)
- 📅 排程器 — "每天下午3點提醒我站起來伸展"
- 🖼️ 視覺 + OCR — 輸入照片，獲取文字提取和圖像描述
- 🔌 MCP橋接器— 插入任何 Model Context Protocol 伺服器
- 🔒硬體限制加密— 使用 Fernet 加密並以 Windows UUID 進行鍵控的密碼
生活品質：
- 互動式設定向導（不再需要手動編輯 JSON）
- 透過 Windows 任務排程器自動啟動
- 在 Ctrl+C / SIGTERM 上進行正確的優雅關機
- 於段落邊界處分隔回應（不再有中間詞的Telegram截斷)
-
/model命令用於會話中途切換AI模型
品牌重塑：
- 從
Antidote改為Digital Secretary— 新名稱更好地反映了它的實際功能：它是您的個人秘書，而不仅仅是「一個AI」 - 新CLI：
digital_secretary和digital_secretary setup
我與 GitHub Copilot 的經驗
GitHub Copilot (透過 Antigravity IDE) 在這次復甦中實際上無價。以下是它產生最大差異的具體時刻：
1. 聲音管道設計
三層聲音響應系統是最難的設計挑戰：
- 第一層："讀出來" → 播放最後一次響應的 TTS，無 LLM 呼叫
- 第二級: "解釋這個" → LLM 以自然語音重新解釋
- 第三級: 預設語音查詢 → LLM 將其回應總結以供語音
我以英文描述了問題，Copilot 帮助繪製狀態機，並編寫了初始的_is_readout_request() /_is_explain_request() 模式匹配。原本需要我花一個小時思考邊界情況的東西，卻在幾分鐘內草擬完成。
2. 硬體相關加密
# Copilot suggested this elegant approach for Windows-specific key derivation
def _derive_key(uuid_bytes: bytes) -> bytes:
return hashlib.pbkdf2_hmac(
"sha256",
uuid_bytes,
salt=b"digital_secretary_v1",
iterations=480_000,
)
它讓我意識到應該使用具高次數的 PBKDF2 而不是原始的 HMAC，並根據 OWASP 為 2024 年提供的建議，建議了具體的次數（480K）。
3. SQLite FTS5 内存搜尋
我以前沒有使用過 FTS5。Copilot 寫了模式遷移，然後MATCH查詢，並解釋了為何 rank需要為了正確的相關性排序而否定。我在過程中學到了一些新事物。
4. Windows 信号處理錯誤
# This pattern only works on Unix:
loop.add_signal_handler(signal.SIGTERM, callback)
# Copilot caught this and suggested the Windows-compatible approach:
signal.signal(signal.SIGTERM, _signal_handler)
它在代碼審查過程中發現了平台不相容問題 — 這是我只有在用戶報告後才會發現的事
使用案例
數位秘書是為那些想要個人AI的人設計的，它應該能：
| 情境 | 你的操作 | 它會做什麼 |
|---|---|---|
| 個人助理 | "將牛奶加入我的購物清單" | 儲存至記憶，當您詢問時可撥回 |
| 每日簡報 | 預約早上8點的訊息 | 發送您的提醒事項和筆記摘要 |
| 文件閱讀器 | 傳送PDF照片 | OCR + AI摘要 |
| 程式碼輔助 | 貼上錯誤，請求修正 | 搜尋網路，閱讀檔案，建議解決方案 |
| 會議筆記 | 錄下關鍵點 | 轉錄並儲存至記憶體 |
| 家庭秘書 | 共用提醒 | 為所有家庭成員安排任務 |
| 研究助理 | "尋找有關X的最新論文" | 網頁搜尋 + 總結 |
| 離線 AI | 本地 llama.cpp 設置 | 無需雲端，無需網際網路 |
技術架構亮點
持續記憶
# Search semantic memory with FTS5
results = await memory.search("dentist appointment", limit=5)
# Returns: [Memory(content="User mentioned dentist on Tuesday...", category="fact")]
每一個對話都會被總結並儲存。下次您問及相關問題時，相關記憶會自動注入系統提示中.
工具實際應用
當您問「明天天氣如何？」時，LLM:
- 決定呼叫
web_search("weather tomorrow [your city]") - 取得結果
- 呼叫
fetch_webpage(url)以獲得詳細預報 - 合成自然語言回應
全部在Telegram交談中完成
多供應商AI
# Switch between providers transparently
provider = get_provider() # reads config, returns right provider
# All providers implement the same interface
response = await provider.chat(messages=messages, tools=tool_defs)
與OpenRouter（100+模型）、Ollama（本地）和llama.cpp（超本地，GPU或CPU）合作
開始使用
git clone https://github.com/sree1959git/Digital-Secretary.git
cd Digital-Secretary
.\start.ps1
發射器處理所有事情 — Python 版本檢查、venv 創建、依賴安裝和向導啟動
完整安裝指南: TELEGRAM_BOT_SETUP.md
下一步
專案路線圖誠實地說明了還需要做什麼:
-
多代理路由 — 分開
/finance、/health、/work具有作用範圍的記憶子代理 - 審批工作流程 — 使用Telegram內聯按鈕審批檔案寫入和shell命令
- 持續的對話歷史 — 持續儲存每一輪對話，而不僅僅是摘要
- 網頁UI — 一個用於檢視記憶、管理提醒、切換模型的儀表板
這個挑戰正是我需要的，讓我不再把這個放在架子上。
如果你試了，在評論裡告訴我你怎麼想的。 👇
標籤：#devchallenge #githubchallenge #python #telegram #ai #windows #opensource