AnovaX：本地多智能体语音助手，具备LLM规划、类型化执行器和自适应恢复功能

AnovaX 是一款创新的本地优先桌面语音助手，完全运行在用户自己的计算机上，将桌面本身作为操作界面。与依赖云端管道发送原始音频并提供固定技能集的传统助手（如 Siri 或 Alexa）不同，AnovaX 通过一个单一的 Python 进程实现了从语音唤醒到复杂任务执行的完整流程。

系统架构由多个紧密协作的组件组成。首先，唤醒词门控和语音处理流水线捕获用户语音输入，然后由基于 Gemini 的 LLM 规划器将其解析并生成结构化的 JSON 计划，该计划包含一系列工具调用。这些调用通过一个白名单和黑名单安全层进行过滤，确保系统不会执行未经授权的操作。随后，多智能体协调器将计划中的每个工具调用转换为类型化的子智能体（如 AppAgent、TypingAgent、BrowserAgent 等九种），并在有限线程池上并行执行。每个智能体都有独立的超时、重试策略和共享资源锁，确保并发操作的安全性和稳定性。

为了处理复杂任务，AnovaX 引入了递归 MetaAgent，允许规划器将子目标委托回自身（最多嵌套两层），从而灵活地分解多步骤问题。当某个核心步骤失败时，自适应恢复循环会启动，使用紧凑的 ReAct 风格提示来重新规划，并通过推测执行只读工具来隐藏 Gemini 的延迟，实现无缝恢复。

此外，AnovaX 还提供了一个配套的 Flask 服务器，通过本地 WiFi 提供手机友好的远程控制界面。该服务实时镜像智能体的生命周期事件，并通过 MJPEG 流将笔记本电脑屏幕传输到手机上，让用户即使身处另一个房间也能观察命令的执行情况。这种设计使得 AnovaX 能够完全脱离键盘和屏幕操作，仅通过语音和手机控制即可完成应用打开、文本输入、搜索查询、并发操作协调等任务。

AnovaX 的项目目标并非取代商业产品，而是展示一个轻量级（数千行代码）、可读性强的本地助手足以应对复杂的桌面自动化需求。它证明了在不依赖云计算的情况下，利用 LLM 进行规划、多智能体协作和自适应恢复是可行且高效的。