AnovaX：本地多智能體語音助手，具備LLM規劃、類型化執行器和自適應恢復功能

AnovaX 是一款創新的本地優先桌面語音助手，完全運行在用户自己的計算機上，將桌面本身作為操作界面。與依賴雲端管道發送原始音頻並提供固定技能集的傳統助手（如 Siri 或 Alexa）不同，AnovaX 通過一個單一的 Python 進程實現了從語音喚醒到複雜任務執行的完整流程。

系統架構由多個緊密協作的組件組成。首先，喚醒詞門控和語音處理流水線捕獲用户語音輸入，然後由基於 Gemini 的 LLM 規劃器將其解析並生成結構化的 JSON 計劃，該計劃包含一系列工具調用。這些調用通過一個白名單和黑名單安全層進行過濾，確保系統不會執行未經授權的操作。隨後，多智能體協調器將計劃中的每個工具調用轉換為類型化的子智能體（如 AppAgent、TypingAgent、BrowserAgent 等九種），並在有限線程池上並行執行。每個智能體都有獨立的超時、重試策略和共享資源鎖，確保併發操作的安全性和穩定性。

為了處理複雜任務，AnovaX 引入了遞歸 MetaAgent，允許規劃器將子目標委託回自身（最多嵌套兩層），從而靈活地分解多步驟問題。當某個核心步驟失敗時，自適應恢復循環會啓動，使用緊湊的 ReAct 風格提示來重新規劃，並通過推測執行只讀工具來隱藏 Gemini 的延遲，實現無縫恢復。

此外，AnovaX 還提供了一個配套的 Flask 服務器，通過本地 WiFi 提供手機友好的遠程控制界面。該服務實時鏡像智能體的生命週期事件，並通過 MJPEG 流將筆記本電腦屏幕傳輸到手機上，讓用户即使身處另一個房間也能觀察命令的執行情況。這種設計使得 AnovaX 能夠完全脱離鍵盤和屏幕操作，僅通過語音和手機控制即可完成應用打開、文本輸入、搜索查詢、併發操作協調等任務。

AnovaX 的項目目標並非取代商業產品，而是展示一個輕量級（數千行代碼）、可讀性強的本地助手足以應對複雜的桌面自動化需求。它證明了在不依賴雲計算的情況下，利用 LLM 進行規劃、多智能體協作和自適應恢復是可行且高效的。