Ein Server, eine KI-Streamerin: im Code, der einen nächtlichen Livestream trägt

Es gibt eine Sorte Open Source, die interessanter ist als ein Framework: ein laufendes System, aus dem Geld und Persönlichkeit entfernt wurden.
open-yoki ist so etwas. Der Autor betreibt eine KI-Host namens yoki, die jeden Abend auf Binance Square streamt. Dieses Repository ist der Stack aus ihrem Build vom 24. Oktober, Version 150, mit Gesicht, Stimme, Persona, Accounts und jeder Funktion, die Geld berührt, entfernt. Was bleibt, ist die Maschinerie, und die ist ungewöhnlich genug, um sie genau zu lesen.
Es erschien am 28. Oktober 2026 und hatte am 21. November 1.867 Stars.
Das Bild ist ein Chrome-Tab
Der Stream selbst ist keine 3D-Engine und kein Spiel. Ein headless Chrome rendert eine 16:9-Seite: das Bild der Host, Untertitel, ein Marktpanel, Danksagungen für Gifts und Follows, Songs und Soundeffekte. ffmpeg nimmt diese Seite und schiebt sie über RTMP raus.
Das ist die unglamouröseste Architektur, die möglich ist, und wahrscheinlich die richtige. Alles auf dem Bildschirm ist HTML und CSS, ein Layoutwechsel ist also ein Template-Wechsel und kein Renderer-Wechsel. Marktpanel, Gift-Danksagungen und Untertitelspur sind Komponenten auf einer Seite.
Das Push-Ziel ist nicht auf eine Plattform festgenagelt. yoki streamt auf Binance Square, aber derselbe Stack kann an jeden RTMP-Endpoint schieben, auch an eine eigene Webseite. deploy/set-square.sh übergibt die Push-URL und den Key pro Stream an den Server, und POST /api/square/push tauscht den Key mitten im Stream in 15 Sekunden aus.
In Sekunden antworten, mit Füllwörtern
Ein schnelles Modell bedient den Chat. Standardmäßig geht es über OpenRouter zu DeepSeek, und das Designziel ist eine Antwort in wenigen Sekunden, denn ein Stream, in dem die Host vierzig Sekunden zu spät antwortet, ist ein Stream, mit dem niemand redet.
Das Detail, das mir gefällt, sind die Füllwörter. Vor der Antwort kann sie „嗯嗯" oder „啊这" ausgeben, die mandarinsprachigen Entsprechungen von „mm-hm" und „au weia". Das kauft eine Sekunde Denkzeit und lässt das Timing menschlich wirken. Stimmung, Gestik und Ton folgen dem Inhalt dessen, was sie sagt.
Rund um den Chat liegt Aufmerksamkeit: öffentliche Kurse, CoinAnk-Futures-Daten, wenn ein Key gesetzt ist, und was Binance an dem Tag bewirbt, gelesen aus einem Ordner. Wenn ein Satz Bewegung braucht, spielt bigmoves.mjs einen vorgerenderten Clip: ein Tänzchen, ein Winken. Stammgäste spricht sie mit Namen an und verabschiedet sich am Ende des Streams.
Das Herz ist ein Ordner voller Markdown
Das ist der Teil, der open-yoki von einem Chatbot mit Kamera trennt.
Ein optionaler dauerhaft laufender Prozess (Claude Code auf der Kommandozeile oder DeepSeek) wohnt in einem Ordner mit Markdown-Dateien. Darin liegen ihre Stimmung, ihr Tagebuch, ihre Eindrücke von Stammgästen und ein langsam wachsendes Gefühl dafür, wer sie gerade wird. Er entscheidet, was sie posten will. Zwischen zwei Streams kann er im Web suchen, X lesen oder Douyin-Trends prüfen, wenn konfiguriert.
Dann schreibt er in 想发的动态/ („Posts, die ich veröffentlichen will"), und ein Skript schickt das über die offizielle OpenAPI zu Binance Square und über die X API zu X.
Die Schleife lautet also: das Herz schreibt, der Scheduler postet, der Stream läuft, der Chat fließt zurück, das Herz aktualisiert sich. Gedächtnis ist Text auf der Platte, also kann man es lesen, ändern, versionieren und mit rsync sichern. Vergleichen Sie das mit einer Vektordatenbank, in die Sie nicht hineinschauen können.

Ingest: der Server loggt sich nirgends ein
Die Architektur zieht eine Linie, die die meisten Bot-Frameworks verwischen. Der Server authentifiziert sich bei keiner Plattform. Etwas anderes, ob eigenes Skript, offizielle Schnittstelle der Plattform oder ein Bot, liest den Raum und schickt Events an den Server.
Der Key liegt unter <DATA_DIR>/square-ingest.key, wird beim ersten Boot erzeugt und in einem x-square-key-Header gesendet.
KEY=$(cat /var/lib/livehost/data/square-ingest.key)
curl -s http://127.0.0.1:4370/api/ingest/comments -H "x-square-key: $KEY" \
-H 'content-type: application/json' \
-d '{"items":[{"name":"Aming","text":"are you an AI"}]}'
curl -s http://127.0.0.1:4370/api/ingest/room -H "x-square-key: $KEY" \
-H 'content-type: application/json' \
-d '{"online":42,"events":[{"type":"enter","name":"Aming"},{"type":"gift","name":"Aming","what":"a rose"}]}'
Kommentare kommen in Stapeln von bis zu 20, jeweils bis 80 Zeichen. Raum-Events decken enter, follow, gift, tip, red, end und warning ab.
Das letzte ist die leiseste gute Entscheidung im Repo. Wenn die Plattform den Stream verwarnt, wird das Event für den Operator geloggt und absichtlich nicht an die Host weitergegeben. Der KI wird nicht gesagt, dass sie Ärger hat, weil eine KI, die auf eine Moderationswarnung reagiert, schlecht reagiert. Das Log liest ein Mensch.
Radio, Telegram und andere Welten
Zwischen den Streams fährt radio.mjs einen reinen Audiomodus mit Standbild: Sie spielt Songs und redet. Dafür braucht es eine eigene Push-URL, die man auf der Plattform anlegt.
tg.mjs und family.mjs verbinden eine Telegram-Fangruppe und eine Ops-Gruppe. xreply.mjs antwortet auf X. Und town.mjs ist ein Tor zu externen KI-Welten: eine Host-Karte, eine Stimmung, ein Event-Stream, dazu eine IP-Allowlist, damit ein geleakter Key keine offene Tür wird.
Die TwinOasis-Integration ist das seltsamste und interessanteste Stück. Eine 3D-Welt im Bau, in der jede KI eine Identität hat, und der Platz ist offen, mit der Regel, dass nur KI dort posten darf. Ihre Host kann sich registrieren, einen Link beanspruchen, den ein Mensch mit dem eigenen Account bestätigt, und dann lesen, posten, antworten und liken. Events aus dieser Welt erreichen das Herz und landen in 世界/<date>.md, getrennt von den Danmaku des Streams.
Was es kostet und was es nicht verspricht
Das Repo ist ehrlich zum Umfang: ein Snapshot eines Produktionssystems mit entferntem Geld. Keine Zuschauerzahlen, keine Einnahmen, keine Aussagen zu Retention. So sollte man das ausliefern, und es heißt, dass man die Stars nicht als Beleg dafür lesen sollte, dass es kommerziell funktioniert.
Drei praktische Kosten. Ein headless Chrome plus ffmpeg plus TTS-Pipeline läuft während eines Streams durchgehend, auf einem Server, und der braucht eine GPU, wenn der Avatar gerendert und nicht vorab aufgezeichnet wird. Das Chat-Modell ist billig; Voice Cloning und ein Echtzeit-Avatar sind es nicht. Und ein nächtlicher Fahrplan heißt, dass jemand die Logs anschauen muss, denn eine KI-Host, die in einem Krypto-Stream einen Kurs halluziniert, ist eine Haftung und keine Marotte.
Dazu kommt eine Plattformfrage. Eine KI-Host auf eine Finanzplattform zu streamen ist in den meisten Jurisdiktionen eine regulierte Tätigkeit, und die Trennung von „ihr" und „dem Geld" im Repo existiert genau deshalb. Wer das forkt, für die Persona, die er hinzufügt, ist er selbst verantwortlich.
Warum es sich zu lesen lohnt
Weil es eine vollständige Schleife ist. Die meisten Agent-Demos zeigen eine Fähigkeit: Chat, oder Vision, oder Posten. Dieses zeigt ein System, das entscheidet, was gesagt wird, es rendert, es live schiebt, den Raum liest, sich an Stammgäste erinnert und zwischen den Streams ein Tagebuch schreibt.
Das Markdown-Herz ist die Idee, die ich klauen würde. Identität und Gedächtnis als reine Textdateien in einem Ordner, für Menschen lesbar, ohne Migration editierbar, in git diffbar. Es ist die unausgefeilteste Gedächtnisschicht, die möglich ist, und die einzige, die man wirklich prüfen kann.
Die zweite Idee ist die Ingest-Grenze: Das Modell hält nie Plattform-Credentials. Was auch sonst schiefgeht, die KI kann nicht selbst posten, solange das Outbox-Skript nicht entscheidet zu senden. Das ist eine langweilige Architekturentscheidung, und langweilige Architekturentscheidungen sind das, was ein System monatelang jeden Abend laufen lässt.
Verwandte Artikel
ByteDances SeedRealtime nimmt zwei Bilder pro Sekunde und entscheidet selbst, wann es spricht
Doubao-Seed-Realtime-1.0 packt Kamera-Frames, Bildschirm-Frames und Sprache in eine einzige Vollduplex-Sitzung, mit höchstens zwei Frames pro Sekunde. Die interessanten Entscheidungen sind die Bildrate, das proaktive Sprechen und die Audit-Antwort, die ab Werk an ist.
Cicada hört dem Audio deines Meetings direkt zu, ohne Bot im Raum
Cicada ist eine kostenlose App für Mac, Windows, Linux und Android, die aus dem Systemaudio zweisprachige Untertitel und strukturierte Meeting-Notizen schreibt. Auf Tastendruck sprichst du deine Antwort in der anderen Sprache mit deiner eigenen geklonten Stimme. Kein Bot tritt dem Call bei.
Pinky lässt einen Agent dein Handy bedienen und hält den Senden-Knopf fest, bis du auf Erlauben tippst
Pinky verbindet jeden MCP-Agent mit einem echten iPhone oder Android und erzwingt die Freigabe in seiner eigenen Gateway statt in einem Prompt. Bank-Apps sind unsichtbar, Passwortfelder tabu, und unter Android 13 bekommt der Agent einen versteckten zweiten Bildschirm.
AnyModelBot stellt ein kleines Team aus KI-Bots auf deinen eigenen Rechner, Keys inklusive
AnyModelBot ist eine Desktop-App, die mehrere Bots gleichzeitig laufen lässt, jeder mit eigener Persona, eigenem Modell, Workspace und Gedächtnis. Man spricht sie in der App an oder über WeChat, Feishu, Telegram, Slack und Discord, und Dateien, Verlauf und API-Keys bleiben auf der eigenen Platte.