← Voltar ao blog
Aicerca de 7 min de leitura

Um servidor, uma streamer de IA: dentro do código que roda uma live noturna

Publicado 21 de nov. de 2026
Um servidor, uma streamer de IA: dentro do código que roda uma live noturna

Existe uma categoria de open source mais interessante que um framework: um sistema que funciona, com o dinheiro e a personalidade tirados.

open-yoki é isso. O autor mantém uma host de IA chamada yoki que transmite toda noite no Binance Square. Este repositório é o stack do build de 24 de outubro, versão 150, com rosto, voz, persona, contas e toda função que toca dinheiro removidos. O que sobra é a maquinaria, e a maquinaria é incomum o bastante para merecer uma leitura cuidadosa.

Apareceu em 28 de outubro de 2026 e tinha 1.867 stars em 21 de novembro.

O frame é uma aba do Chrome

A transmissão em si não é engine 3D nem jogo. Um Chrome headless renderiza uma página 16:9: a imagem da host, legendas, um painel de mercado, agradecimentos por presentes e follows, músicas e efeitos sonoros. O ffmpeg pega essa página e empurra via RTMP.

É a arquitetura menos glamourosa possível e provavelmente a correta. Tudo o que aparece na tela é HTML e CSS, então mudar o layout é mudar um template, não um renderizador. Painel de mercado, agradecimentos e faixa de legendas são componentes de uma única página.

O destino do push não é fixo numa plataforma. yoki transmite no Binance Square, e o mesmo stack pode empurrar para qualquer endpoint RTMP, inclusive uma página sua. deploy/set-square.sh entrega ao servidor a URL e a key de cada transmissão, e POST /api/square/push troca a key no meio da live em 15 segundos.

Responder em segundos, com muletas

Um modelo rápido cuida do chat. Por padrão passa pelo OpenRouter até o DeepSeek, e a meta de projeto é responder em poucos segundos, porque uma live em que a host responde quarenta segundos depois é uma live com a qual ninguém fala.

O detalhe de que eu gosto são as muletas. Antes de responder, ela pode soltar «嗯嗯» ou «啊这», os equivalentes em mandarim de «mm-hm» e «eita». Isso compra um segundo de tempo de pensamento e faz o timing parecer humano. Humor, gesto e tom seguem o conteúdo do que ela diz.

Em volta do chat existe percepção: preços públicos, dados de futuros da CoinAnk quando há uma key, e o que o Binance está promovendo naquele dia, lido de uma pasta. Quando uma frase pede movimento, bigmoves.mjs toca um clipe pré-renderizado: uma dança, um aceno. Ela chama os habitués pelo nome e se despede quando a live termina.

O coração é uma pasta de Markdown

Essa é a parte que separa o open-yoki de um chatbot com câmera.

Um processo opcional de longa duração (Claude Code na linha de comando, ou DeepSeek) mora numa pasta de arquivos Markdown. Ali ficam o humor dela, o diário, as impressões sobre os habitués e uma noção, que muda devagar, de quem ela está se tornando. É ele que decide o que ela quer publicar. Entre uma live e outra, se configurado, pode buscar na web, ler o X ou olhar tendências do Douyin.

Depois escreve em 想发的动态/ («posts que eu quero publicar»), e um script manda isso para o Binance Square pela OpenAPI oficial e para o X pela API do X.

Então o loop é: o coração escreve, o scheduler publica, a live roda, o chat volta, o coração se atualiza. A memória é texto em disco, o que significa que você pode ler, editar, versionar e fazer backup com rsync. Compare com um banco vetorial que você não consegue inspecionar.

Uma mesinha de estúdio com um microfone, uma ring light apagada e um maço de fichas escritas à mão amarradas com barbante.

Ingest: o servidor não faz login em nada

A arquitetura traça uma linha que a maioria dos frameworks de bot embaça. O servidor não se autentica em nenhuma plataforma. Outra coisa, seja seu script, a interface oficial da plataforma ou um bot, lê a sala e manda os eventos para o servidor.

A key fica em <DATA_DIR>/square-ingest.key, gerada no primeiro boot, enviada num 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"}]}'

Os comentários chegam em lotes de até 20, com até 80 caracteres cada. Os eventos de sala cobrem enter, follow, gift, tip, red, end e warning.

Esse último é a decisão mais silenciosamente boa do repositório. Quando a plataforma avisa a live, o evento é registrado para o operador e de propósito não é passado para a host. A IA não fica sabendo que está em apuros, porque uma IA que reage a um aviso de moderação reage mal. Quem lê o log é uma pessoa.

Rádio, Telegram e outros mundos

Entre lives, radio.mjs roda um modo só de áudio com imagem estática: ela toca músicas e conversa. Precisa da própria URL de push, que você cria na plataforma.

tg.mjs e family.mjs conectam um grupo de fãs no Telegram e um grupo de operação. xreply.mjs responde no X. E town.mjs é um portão para mundos de IA externos: um cartão de host, um humor e um fluxo de eventos, com uma allowlist de IP para que uma key vazada não vire porta aberta.

A integração com o TwinOasis é a peça mais estranha e mais interessante. É um mundo 3D em construção onde cada IA tem identidade, e a praça é aberta com uma regra: só IA pode postar ali. Sua host pode se registrar, reivindicar um link que um humano confirma com a própria conta, e então ler, postar, responder e curtir. Eventos desse mundo chegam ao coração e são gravados em 世界/<date>.md, separados dos danmaku da live.

Quanto custa e o que não promete

O repositório é honesto sobre o escopo: é um snapshot de um sistema em produção com o dinheiro removido. Não há números de audiência, receita, nem afirmações sobre retenção. É o jeito certo de publicar isso, e significa que você não deve ler as stars como prova de que funciona comercialmente.

Três custos práticos. Um Chrome headless mais ffmpeg mais um pipeline de TTS rodam continuamente durante uma live, num servidor só, e esse servidor precisa de GPU se o avatar é renderizado em vez de pré-gravado. O modelo de chat é barato; clonagem de voz e qualquer avatar em tempo real não são. E uma agenda noturna significa que alguém tem que olhar os logs, porque uma host de IA que alucina um preço numa live de cripto é passivo, não excentricidade.

Há também uma questão de plataforma. Transmitir uma host de IA numa plataforma financeira é atividade regulada na maioria das jurisdições, e a separação entre «ela» e «o dinheiro» no repositório existe por isso. Se você fizer fork, a persona que você adicionar é problema seu.

Por que vale a pena ler

Porque é um loop completo. Quase toda demo de agent mostra uma capacidade: chat, ou visão, ou publicação. Esta mostra um sistema que decide o que dizer, renderiza, empurra ao vivo, lê a sala, lembra dos habitués e escreve um diário entre uma live e outra.

O coração em Markdown é a ideia que eu roubaria. Identidade e memória como arquivos de texto numa pasta, legíveis por uma pessoa, editáveis sem migração, com diff no git. É a camada de memória menos sofisticada possível e a única que você realmente consegue auditar.

A segunda ideia é a fronteira do ingest: o modelo nunca carrega credenciais da plataforma. Dê o que der errado, a IA não consegue publicar sozinha a menos que o script de outbox decida enviar. É uma decisão de arquitetura entediante, e decisões de arquitetura entediantes são o que deixa um sistema rodar toda noite por meses.

Artigos relacionados