AI导哈

语义操作系统

Jar-El是一款个人语义操作系统（S-OS），设计作为数字孪生，具有自我烘焙记忆架构和模型上下文协议（MCP），用于设备与LLM之间的协调，保留用户的数据、推理风格、情感和上下文，支持自主代理工作流。

  • by ProfEngel
  • Python
  • 本地部署
  • 4 星标
  • 更新于
在 GitHub 查看 ProfEngel/jar-el

使用说明

贾艾尔🧠

Jar-El是一个个人语义操作系统（S-OS），旨在充当数字孪生体。

与静态RAG系统不同，Jar-El具有主动式 “自烘焙”内存架构 并使用 模型上下文协议（MCP） 在设备（iPhone、台式机、服务器）和LLM之间进行协调。它不仅保留了数据，还保留了你的推理风格、情感和背景，实现了自主的代理工作流程。

该项目的概念是 Mathias Engel教授 作为个人人工智能代理和教育助理研究的一部分。

🚀 开源&免费

Jar-El是一个纯粹的开源项目。您可以出于个人或教育目的自由使用、修改和部署它。

概念： 本地内存（隐私）+远程智能（API）。 目标： 一个学习的系统 怎么 你工作，不仅仅是 什么 你知道的。

主要特点🚀

  • 🧠 数字双核学习并适应你的写作风格、情感基调和决策模式。
  • ♾️ 自我烘焙记忆：将原始聊天日志异步合并到矢量数据库中的结构化、互连的知识图中。
  • 🔌 双通道MCP：通过无缝集成 上海证券交易所 （网络/远程）和 工作室 （本地桌面）以实现通用客户端兼容性。
  • ⚡ 上下文效率：实现 人为编排模式 （脚本）通过动态加载工具来防止上下文窗口饱和。
  • 🛠️ 代理工作流:
    • 文档集成：将PDF/图像以多模式摄取到语义文本中。
    • 强化学习：比较起草和发送的电子邮件以优化工作流程的反馈循环。
  • 🌍 混合式结构：在节能的MiniPC/Raspberry Pi 4或5（8-16GB RAM）上运行，同时将繁重的计算卸载到OpenAI兼容的API。
  • 🔒 隐私第一：您的内存、秘密和图形保留在本地服务器上。

如何安装🚀

此处为完整安装指南 安装和使用指南.

系统要求

硬件：

  • 主持人： 简单的迷你PC（x86/ARM），内存约为8-16GB（例如Raspberry Pi、Beelink、Miniforum、Mac Mini）
  • 储存： 用于Docker和Vector DB的50 GB SSD空间
  • 网络： 建议使用Tailscale进行安全远程访问

软件：

  • Docker&Docker编写
  • API访问： OpenAI、OpenRouter或（自托管）V-Server

快速开始

  1. 克隆存储库

    git clone [https://github.com/ProfEngel/Jar-El.git](https://github.com/ProfEngel/Jar-El.git)
cd Jar-El

  2. 配置 创建 .env 根目录中的文件：

    # OpenAI / OpenAI-kompatibel (z.B. local vLLM / Ollama OpenAI-API shim)
OPENAI_API_KEY=changeme
OPENAI_BASE_URL=http://localhost:11434/v1

# Modelle
OPENAI_EMBED_MODEL=jeffh/intfloat-multilingual-e5-large:q8_0
OPENAI_CHAT_MODEL=GPT-OSS20B

# Qdrant
QDRANT_URL=http://qdrant:6333
QDRANT_COLLECTION=jar_el_memory
QDRANT_VECTOR_SIZE=1024
QDRANT_DISTANCE=cosine

# Internal Config
MEMORY_API_URL=http://memory-api:8000
SELF_BAKER_INTERVAL=600
MCP_SSE_PORT=8000

  3. 启动堆栈

    docker compose up -d --build

  4. 连接客户端

    • OpenWeb用户界面 ： 添加工具->SSE-> http://YOUR-TAILSCALE-IP:8000/sse
    • LM工作室： 编辑 mcp.json ->添加Stdio命令（通过Docker exec）

接下来是什么？ 🌟

中短期路线图：

  • 🌍 上下文编排器：高级基于脚本的路由，保持LLM上下文精简。
  • 📊 GraphRAG集成：将平面向量内存升级为完整的知识图（Neo4j/LiteGraph）。
  • 🔗 桌面自动化：用于本地文件系统访问和Office套件集成的MCP服务器。
  • 📧 电子邮件和日历代理：基于记忆上下文的自主起草和调度。
  • 🧠 RLHF环路：自动进行“草稿与发送”分析，以微调数字孪生的个性。
  • 📱 移动原生应用：封装MCP连接的专用iOS/Android客户端。

项目概述（事实真相）📊

技术规格

📁 存储库规模：

  • 结构化模块化Monorepo
  • python 核心逻辑（FastAPI、FastMCP、Workers）
  • Docker： 全集装箱化，便于携带
  • 代码行： ~3500+（核心逻辑）

开发方法

🎯 设计理念：

  • 记忆优先： 数据库是事实的来源，而不是LLM上下文窗口。
  • 硬件不可知： 在Raspberry Pi 5上运行与在Threadripper工作站上运行一样好。
  • 标准化： 100%建立在 模型上下文协议（MCP）.

项目价值

🏆 为什么Jar-El很重要： 大多数“人工智能助理”只是具有临时记忆的聊天界面。Jar El是一个 操作系统为您的生活。它分开了 计算 （可替换）来自 上下文 （你最宝贵的资产）。通过自我托管你的语义记忆，你就拥有了你的数字孪生兄弟。

许可证📜

该项目根据 MIT许可证.

您可以自由使用、修改和分发此软件。请参阅 许可证 文件以获取详细信息。

致谢🙏

Jar El站在巨人的肩膀上：

  • Anthropic：用于模型上下文协议（MCP）和“代码执行”范式。
  • Qdrant：用于高性能矢量数据库。
  • IBM文档：用于最先进的文档解析。
  • 快速API：用于强大的后端基础设施。

引文与研究📚

如果你在研究中使用Jar-El，请引用：

@software{jarel2025,
  title={Jar-El: A Personal Semantic Operating System based on MCP and Self-Baking Memory},
  author={Engel, Prof. Dr. Mathias},
  year={2025},
  publisher={GitHub},
  url={[https://github.com/ProfEngel/Jar-El](https://github.com/ProfEngel/Jar-El)},
  note={Part-funded by MWK Baden-Württemberg and Stifterverband Deutschland}
}

支持项目☕

Jar-El是我在业余时间与学术研究一起开发的一个充满激情的项目。

如果你发现这个工具很有用，并想支持开发（或者只是在深夜编码会议期间保持咖啡流），我将不胜感激！

由Mathias Engel教授博士创建2024-2025

制作❤️ 德国斯图加特

关于

个人语义操作系统（S-OS）和数字孪生框架。

Mathias Engel教授 纽丁根-盖斯林根经济与环境学院

星史

话题

mcp semantic-os digital-twin rag vector-database qdrant python docker ai-agent self-baking-memory personal-ai

相关 MCP