Ещё со времён первых фильмов про Железного человека у меня была хотелка: иметь своего голосового помощника, которому можно сказать: «Гена, открой браузер».
Но проблема была в том, что раньше для такого желания нужно было сначала выучить языки программирования, потом разобраться в куче библиотек, потом самостоятельно искать решения по интернету, потом ещё разбираться, почему ничего не работает. В общем, времени на реализацию этой хотелки требовалось примерно столько, сколько у меня на неё никогда не было.
Потом пришли нейросети

Голосовые помоищники обзавелись интеграциями с нейросетями, что бустануло их осмысленность, но на глаза всё не попадалось готовых решений, которые мог бы подогнать под себя. А еще они жестко зависят от интернета.
Гореть в аду Алисе на телевизоре, орущей на всю квартиру про отсутствие интернета после просьбы убавить звук
После очередной новости про нейросети в голове всплыла старая хотелка, а следом подтянулась мысль «а код навайбить через нейронку»
Так появился Геннадий Джонни Атлас.
Изначальный запрос короткий и простой:
— работает локально;
— умеет управлять компьютером;
— вызывается голосом;
— набор инструментов модулями.
Как это всё будет работать — я в душе не чаял
Первые наработки я вообще собирал через Алису AI. Сейчас, оглядываясь назад, понимаю, что тот же результат можно было получить намного быстрее с Claude или Codex. Но для старта хватило и этого.
В одном окне диалог с Алисой, в другом терминал, в третьем папка с агентом и код агента, открытый в блокноте. Через неделю перешел на ChatGPT, от чего получил буст скорости развития агента и исправления косяков.

Сейчас основная работа над инструментами идёт при помощи z.ai.
Первые версии почти сразу научились слышать голос и более-менее осмысленно отвечать. Настоящий цирк начался, когда я решил добавить фоновое прослушивание микрофона и активацию по ключевому слову.
В какой-то момент мой прекрасный локальный голосовой ассистент услышал меня не совсем… корректно:

Активацию сделали позже, жопа ушла
Несколько дней ушло на подбор и настройку модулей STT, TTS, wake word, VAD, а также на войну с временем ответа и всевозможной билибердой, которую агент то слышал, то генерировал.



Один момент, увы, на фоторужье не получилось запечатлеть: сначала агент очень долго обрабатывал фразу, а потом ответил ну оооочень замедленным голосом, посреди ночи это чудо звучало как пробудившаяся техноересь.
Но постепенно всё стало складываться
К v0.16 архитектура уже устоялась: Атлас стабильно стал запускатьсяя, нормально слышать речь, отвечать голосом и умеет выполнять простые команды.
А сейчас что? а сейчас v0.19.1.

На скрине версия до фиксов
Сейчас чертолет по имени Атлас умеет управлять громкостью компьютера, открывать поисковые запросы и сайты, запускать приложения, создавать напоминания, сохранять их между сессиями, запоминать факты обо мне, озвучивать дату, время и день недели, делать скриншоты.
Моя цель — сделать что-то вроде Алисы, но именно для ПК.
Дальше хочу довести текущий набор инструментов до нормального состояния, затем перейти к более сложным штукам: работа с текстом и таблицами, почта, календарь, управление событиями и прочие вещи.
А после упаковки проекта в лаунчер хочу подключить API сталзоны, чтобы Атлас мог напрямую получать информацию о Выбросах и прочих событиях. Какие еще будут инструменты? Это уже вопрос к роадмапе после того, как доковыряю v.0.21
Если кого заинтересовал этот проект — после 0.21 планирую сделать агента общедоступным для скачивания, но предупреждаю сразу — агент стабильно работает i5 12400f и RTX3060 на 12gb, как он будет вести себя на более слабых системах еще не проверялось.
Если у вас есть идеи для фич, предложения по улучшению уже существующих возможностей или просто мысли в духе «а вот это было бы прикольно» — ю а велком 😉