Un server, una streamer IA: dentro il codice che manda avanti una diretta notturna

C'è una categoria di open source più interessante di un framework: un sistema che funziona, con i soldi e la personalità tolti.
open-yoki è così. L'autore gestisce una host IA di nome yoki che va in diretta ogni sera su Binance Square. Questo repository è lo stack del build del 24 ottobre, versione 150, con volto, voce, persona, account e ogni funzione che tocca il denaro rimossi. Quello che resta è il meccanismo, e il meccanismo è abbastanza insolito da meritare una lettura attenta.
È apparso il 28 ottobre 2026 e il 21 novembre aveva 1.867 star.
Il frame è una scheda di Chrome
La diretta non è un motore 3D né un gioco. Un Chrome headless renderizza una pagina 16:9: l'immagine della host, i sottotitoli, un pannello di mercato, i ringraziamenti per regali e follow, canzoni ed effetti sonori. ffmpeg prende quella pagina e la spinge in RTMP.
È l'architettura meno glamour possibile e probabilmente quella giusta. Tutto ciò che appare sullo schermo è HTML e CSS, quindi cambiare il layout è cambiare un template, non un renderer. Pannello di mercato, ringraziamenti e pista dei sottotitoli sono componenti di una sola pagina.
La destinazione del push non è cablata su una piattaforma. yoki va in diretta su Binance Square, e lo stesso stack può spingere verso qualsiasi endpoint RTMP, compresa una pagina web tua. deploy/set-square.sh passa al server l'URL e la key di ogni diretta, e POST /api/square/push cambia la key a metà diretta in 15 secondi.
Rispondere in pochi secondi, con i riempitivi
Un modello veloce gestisce la chat. Di default passa da OpenRouter verso DeepSeek, e l'obiettivo di design è una risposta in pochi secondi, perché una diretta in cui la host risponde quaranta secondi dopo è una diretta con cui nessuno parla.
Il dettaglio che mi piace sono i riempitivi. Prima di rispondere può lasciar uscire «嗯嗯» o «啊这», gli equivalenti mandarini di «mm-hm» e «oddio». Compra un secondo di tempo per pensare e rende il ritmo umano. Umore, gesto e tono seguono il contenuto di quello che dice.
Attorno alla chat c'è consapevolezza: prezzi pubblici, dati futures di CoinAnk quando c'è una key, e quello che Binance sta promuovendo quel giorno, letto da una cartella. Quando una frase chiede movimento, bigmoves.mjs manda un clip pre-renderizzato: un balletto, un saluto con la mano. Chiama per nome gli habitué e saluta quando la diretta finisce.
Il cuore è una cartella di Markdown
Questa è la parte che separa open-yoki da un chatbot con la telecamera.
Un processo opzionale di lunga durata (Claude Code da riga di comando, o DeepSeek) vive in una cartella di file Markdown. Contiene il suo umore, il diario, le impressioni sugli habitué e un senso, che cambia lentamente, di chi sta diventando. È lui a decidere cosa vuole pubblicare. Tra una diretta e l'altra, se configurato, può cercare sul web, leggere X o guardare le tendenze di Douyin.
Poi scrive in 想发的动态/ («post che voglio pubblicare»), e uno script li manda su Binance Square tramite l'OpenAPI ufficiale e su X tramite la X API.
Quindi il ciclo è: il cuore scrive, lo scheduler pubblica, la diretta gira, la chat torna indietro, il cuore si aggiorna. La memoria è testo su disco, il che significa che puoi leggerla, modificarla, versionarla e salvarla con rsync. Confrontalo con un database vettoriale che non puoi ispezionare.

Ingest: il server non fa login da nessuna parte
L'architettura traccia una linea che quasi tutti i framework per bot sfumano. Il server non si autentica su nessuna piattaforma. Qualcos'altro, che sia uno script tuo, l'interfaccia ufficiale della piattaforma o un bot, legge la stanza e manda gli eventi al server.
La key sta in <DATA_DIR>/square-ingest.key, generata al primo avvio, inviata in un header x-square-key.
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"}]}'
I commenti arrivano a blocchi di massimo 20, da massimo 80 caratteri ciascuno. Gli eventi di stanza coprono enter, follow, gift, tip, red, end e warning.
Quest'ultimo è la decisione più silenziosamente buona del repo. Quando la piattaforma avverte la diretta, l'evento viene loggato per l'operatore e volutamente non passato alla host. All'IA non viene detto che è nei guai, perché un'IA che reagisce a un avviso di moderazione reagisce male. Il log lo legge una persona.
Radio, Telegram e altri mondi
Tra una diretta e l'altra, radio.mjs fa girare una modalità solo audio con un'immagine fissa: mette canzoni e parla. Serve un URL di push suo, che crei sulla piattaforma.
tg.mjs e family.mjs collegano un gruppo fan di Telegram e un gruppo operativo. xreply.mjs risponde su X. E town.mjs è una porta verso mondi IA esterni: una scheda host, un umore, uno stream di eventi, con una allowlist di IP perché una key trapelata non diventi una porta aperta.
L'integrazione con TwinOasis è il pezzo più strano e più interessante. È un mondo 3D in costruzione dove ogni IA ha un'identità, e la piazza è aperta con una regola: solo le IA possono pubblicare lì. La tua host può registrarsi, rivendicare un link che un umano conferma con il proprio account, e poi leggere, pubblicare, rispondere e mettere like. Gli eventi di quel mondo arrivano al cuore e finiscono in 世界/<date>.md, separati dai danmaku della diretta.
Quanto costa e cosa non promette
Il repository è onesto sull'ambito: è uno snapshot di un sistema in produzione con il denaro tolto. Nessun numero di spettatori, nessun ricavo, nessuna affermazione sulla retention. È il modo giusto di pubblicare questa roba, e significa che non dovresti leggere le star come prova che funziona commercialmente.
Tre costi pratici. Un Chrome headless più ffmpeg più una pipeline TTS girano di continuo durante una diretta, su un solo server, e quel server vuole una GPU se l'avatar è renderizzato invece che preregistrato. Il modello per la chat costa poco; il voice cloning e qualsiasi avatar in tempo reale no. E un palinsesto notturno implica che qualcuno guardi i log, perché una host IA che allucina un prezzo su una diretta crypto è una passività, non una stravaganza.
C'è anche una questione di piattaforma. Mandare in diretta una host IA su una piattaforma finanziaria è un'attività regolata in quasi tutte le giurisdizioni, e la separazione tra «lei» e «il denaro» nel repo esiste per questo. Se fai un fork, la persona che aggiungi è un problema tuo.
Perché vale la pena leggerlo
Perché è un ciclo completo. Quasi tutte le demo di agent mostrano una capacità: chat, o vision, o pubblicazione. Questa mostra un sistema che decide cosa dire, lo renderizza, lo spinge in diretta, legge la stanza, ricorda gli habitué e scrive un diario tra una diretta e l'altra.
Il cuore in Markdown è l'idea che ruberei. Identità e memoria come file di testo in una cartella, leggibili da una persona, modificabili senza migrazioni, con il diff in git. È lo strato di memoria meno sofisticato possibile e l'unico che puoi davvero verificare.
La seconda idea è il confine dell'ingest: il modello non tiene mai le credenziali della piattaforma. Qualunque altra cosa vada storta, l'IA non può pubblicare da sola se lo script di outbox non decide di inviare. È una scelta architetturale noiosa, e le scelte architetturali noiose sono quelle che permettono a un sistema di girare ogni sera per mesi.
Articoli correlati
Pinky lascia che un agent guidi il tuo telefono e tiene premuto Invia finché non tocchi Consenti
Pinky collega qualsiasi agent MCP a un iPhone o Android vero e impone l'approvazione nel proprio gateway invece che in un prompt. Le app bancarie sono invisibili, i campi password sono off limits e su Android 13 l'agent riceve un secondo schermo nascosto.
AnyModelBot mette un piccolo team di bot IA sulla tua macchina, chiavi comprese
AnyModelBot è un'app desktop che fa girare più bot insieme, ognuno con la sua persona, il suo modello, la sua cartella di lavoro e la sua memoria. Ci parli dentro l'app oppure da WeChat, Feishu, Telegram, Slack e Discord, e file, cronologia e chiavi API restano sul tuo disco.
SeedRealtime di ByteDance prende due frame al secondo e decide quando parlare
Doubao-Seed-Realtime-1.0 mette frame di camera, frame di schermo e voce in un'unica sessione full duplex, a non più di due frame al secondo. Le decisioni interessanti sono la frequenza dei frame, il parlato proattivo e la risposta di audit attiva di serie.
Qualcuno ha messo il diritto mondiale in git, ora si può fare blame a un articolo
global-law tiene i testi di legge di ogni paese in un repository git in cui ogni commit è una legge entrata in vigore in una data nota. Puoi lanciare log, blame, show e diff su un articolo, chiedere cosa vigeva in ogni paese in un certo giorno e passare l'intero corpus a un assistente via MCP.