← 返回博客
Ai预计阅读 8 分钟

一台 server、一个 AI 主播:夜间直播背后的代码

发布于 2026年11月21日
一台 server、一个 AI 主播:夜间直播背后的代码

有一类开源项目比框架更值得看:一个真能跑的系统,只是钱和人格被拿掉了。

open-yoki 就是这种。作者在运营一个叫 yoki 的 AI 主播,每晚在 Binance Square 直播。这个仓库是她 10 月 24 日那一版的技术栈,version 150,脸、声音、人格、账号,以及所有碰钱的功能都删了。剩下的是机器本身,而这套机器不寻常到值得细读。

它 2026 年 10 月 28 日出现,到 11 月 21 日有 1,867 个 star。

画面就是一个 Chrome 标签页

直播本身不是 3D 引擎,也不是游戏。一个 headless Chrome 渲染一张 16:9 的页面:主播的形象、字幕、行情面板、对礼物和关注的致谢、歌曲和音效。ffmpeg 抓这张页面,通过 RTMP 推出去。

这是最不炫的一种架构,可能也是最对的。屏幕上出现的东西全是 HTML 和 CSS,改版式就是改模板,不是改渲染器。行情面板、礼物致谢、字幕轨,都只是同一张页面上的组件。

推流目标没有硬编码到某个平台。yoki 在 Binance Square 播,但同一套栈能推到任何 RTMP 端点,包括你自己的网页。deploy/set-square.sh 把每场直播的推流地址和 key 交给 server,POST /api/square/push 让你在直播中途换 key,15 秒内生效。

几秒内回一句,靠的是垫话

聊天由一个快模型处理。默认走 OpenRouter 到 DeepSeek,设计目标是几秒内出回复——主播四十秒后才答一句的直播,是没人愿意说话的直播。

我喜欢的细节是垫话。开口之前,她可能先来一句“嗯嗯”或者“啊这”。这买到了一秒钟的思考时间,也让节奏像人。情绪、动作、语气跟着她说的内容走。

聊天之外还有感知:公开价格、给了 key 之后的 CoinAnk 合约数据,以及 Binance 当天在推什么——从一个文件夹里读。某句话需要动作时,bigmoves.mjs 播一段预渲染的片子:跳个舞,挥个手。她叫得出老观众的名字,下播时会道别。

心脏是一个 Markdown 文件夹

这一块才是 open-yoki 和“带摄像头的聊天机器人”的区别。

一个可选的常驻进程(命令行的 Claude Code,或者 DeepSeek)住在一个 Markdown 文件夹里。里面是她的情绪、日记、对老观众的印象,还有一个缓慢变化的、关于自己正在变成谁的判断。它决定她想发什么。两场直播之间,配置好之后它可以搜网页、读 X、看抖音热点。

然后它写进 想发的动态/,一个脚本把这些通过官方 OpenAPI 发到 Binance Square,通过 X API 发到 X。

所以循环是:心脏写,调度器发,直播跑,聊天回流,心脏更新。记忆是磁盘上的文本,意味着你能读它、改它、给它做版本、用 rsync 备份。拿这个跟一个你没法查看的向量数据库比一比。

一张小直播桌,一支麦克风,一盏关着的环形灯,一叠用绳子捆起来的手写卡片。

接入层:server 不登录任何东西

这套架构划了一条大多数 bot 框架会糊掉的线。server 不对任何平台做认证。别的东西——你自己的脚本、平台的官方接口,或者一个 bot——去读房间,把事件 POST 给 server。

key 放在 <DATA_DIR>/square-ingest.key,第一次启动时生成,通过 x-square-key header 传。

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"}]}'

评论按批进来,每批最多 20 条,每条最多 80 个字符。房间事件覆盖 enter、follow、gift、tip、red、end 和 warning。

最后那个是仓库里最安静的好决定。平台警告这场直播时,事件只写进日志给操作者看,故意不传给主播。AI 不会被告知自己出事了,因为一个会对审核警告做出反应的 AI,反应方式通常都很糟。日志由人来看。

电台、Telegram,还有别的世界

两场直播之间,radio.mjs 跑一个只有声音的模式,配一张静态图:她放歌、说话。它需要自己的推流地址,你在平台上建。

tg.mjs 和 family.mjs 接一个 Telegram 粉丝群和一个运营群。xreply.mjs 在 X 上回复。town.mjs 是通往外部 AI 世界的门:一张 host 卡、一个情绪、一条事件流,外加 IP allowlist,这样 key 泄露不至于变成一扇敞开的门。

TwinOasis 的集成是最奇怪也最有意思的一块。那是一个在建的 3D 世界,每个 AI 有自己的身份,广场对外开放,规则是只有 AI 能在里面发帖。你的主播可以注册,认领一个由人类用自己账号确认的链接,然后读、发、回、点赞。那个世界的事件会到达心脏,写进 世界/<date>.md,跟直播的弹幕分开。

成本,以及它不承诺什么

仓库对范围很坦白:这是一个生产系统的快照,钱的部分拿掉了。没有观看人数,没有收入,也没有关于留存的任何说法。这样发布是对的,也意味着你不该把 star 数当成它能商业成立的证据。

三项实际成本。一个 headless Chrome 加 ffmpeg 加 TTS 管线,直播期间持续跑在一台 server 上,而如果形象是实时渲染而不是预录,这台 server 需要 GPU。聊天模型很便宜;声音克隆和任何实时形象都不便宜。每晚的排期还意味着得有人看日志,因为一个在加密直播里编造价格的 AI 主播是负债,不是特色。

还有一个平台问题。把 AI 主播推到金融平台上,在多数司法辖区属于受监管的行为,仓库把“她”和“钱”分开,原因就在这里。你要是 fork 它,你加进去的那层人格是你自己的问题。

为什么值得读

因为它是一个完整的循环。大多数 agent demo 只展示一种能力:聊天,或者视觉,或者发帖。这个展示的是一个系统:决定说什么、把它渲染出来、推上线、读房间、记住老观众、在两场直播之间写日记。

Markdown 心脏是我会偷的那个想法。身份和记忆就是文件夹里的纯文本文件,人能读,改起来不需要迁移,能在 git 里 diff。这是最不高明的记忆层,也是唯一一个你真能审计的。

第二个想法是接入边界:模型永远不持有平台凭证。别的地方怎么出错都好,只要 outbox 脚本不决定发,AI 就没法自己发东西。这是一个无聊的架构选择,而无聊的架构选择,才让一个系统能每晚跑上几个月。

相关文章