曦和 AI 办公系统（Xihe AI Assistant）

一个算力来源无关的本地 AI 办公自动化系统 三通道智能路由 · 断网自愈 · 国产 GPU 自部署 · 可观测可自愈

许可证：木兰宽松许可证第 2 版（Mulan PSL v2，OSI 认证）　平台：Windows 11　Python 3.12+　Node.js 24.x

项目简介

曦和是一套完全运行在本地的 AI 办公自动化系统。它以 OpenClaw 为 Agent 框架，自研应龙桥接器作为统一模型接入层，实现「云端强模型 / 本地小模型 / 国产 GPU 自部署大模型」三通道智能路由，并配备完整的可观测与自愈看护体系。

系统的核心设计目标是 算力来源无关：无论推理算力来自云端 API、本机 Ollama，还是国产 GPU 上的自部署大模型，上层 Agent 能力与办公工作流完全不变。这让系统既能满足日常办公的稳定性要求，也能在国产算力环境中独立运行。

完全本地可控：对话数据、文件操作、工具调用全部在本机完成，不依赖第三方托管服务
不绑定单一模型：桥接层做协议适配与智能路由，模型可替换、可降级、可扩展
面向真实使用：不是 Demo，是每天在跑的生产系统（含看护、压缩、故障自愈）

与国产算力适配的关系

本项目在国产 GPU 上完成了大模型自部署与接入验证，这是系统的关键能力之一：

维度	实践
国产算力硬件	沐曦（MetaX）C500 GPU，MACA 软件栈 3.5.3.20
国产模型自部署	Qwen2.5-32B-Instruct-AWQ（4bit 量化，19G 权重）本地化部署
推理引擎	vLLM 0.17.0（沐曦适配版，`VLLM_USE_MXGPU=1`），OpenAI 兼容接口
接入方式	通过隧道接入应龙桥接器，作为通道③参与智能路由
实测结果	`/v1/models` 1.07s · 中文对话 1.91s · 端到端 4.16s · 复杂任务自动路由 19.68s

设计要点：C500 通道按需启用（实例平时关机以控制成本），需要处理重载/长上下文任务时启动，任务结束即关闭。桥接器内置探活与三重回落 —— C500 不可达时自动回落到云端模型，用户无感。

为什么重要：整套架构与算力来源解耦。在 C500 上验证通过的路由策略、降级逻辑、监控体系，可直接迁移到其他国产或异构算力（如本地 GPU 工作站），只需修改一行端点配置。

三通道架构

                    ┌─────────────────────────────────────────┐
                    │           用户交互入口                   │
                    │   浏览器 WebChat  ·  QQ 机器人           │
                    └────────────────┬────────────────────────┘
                                     │
                    ┌────────────────▼────────────────────────┐
                    │      OpenClaw Gateway（Agent 框架）      │
                    │  会话管理 · 工具调度 · 上下文压缩         │
                    └────────────────┬────────────────────────┘
                                     │
                    ┌────────────────▼────────────────────────┐
                    │      应龙桥接器（统一接入层）             │
                    │  协议适配 · 智能路由 · 工具治理 · 探活    │
                    └──┬──────────────┬──────────────┬────────┘
                       │              │              │
          ┌────────────▼───┐  ┌───────▼──────┐  ┌───▼─────────────┐
          │ ① 云端强模型    │  │ ② 本地小模型  │  │ ③ 国产GPU自部署  │
          │ 沐曦 Qwen3.5-27B│  │ Ollama 4B    │  │ C500 + 32B AWQ  │
          │ 默认主力        │  │ 断网兜底      │  │ 复杂任务按需启动 │
          └────────────────┘  └──────────────┘  └─────────────────┘
                 │                   │                  │
                 └───────────┬───────┴──────────────────┘
                             │
                  ┌──────────▼──────────┐
                  │   看护体系（自愈）    │
                  │  自动解卡 · 水位压缩  │
                  │  进程守护 · 资源自检  │
                  └─────────────────────┘

路由策略：

场景	走哪条通道	说明
日常办公请求	① 云端强模型	快、稳，默认主力
网络中断	② 本地小模型	自动降级，恢复后自动切回
复杂任务 / 长上下文	③ 国产 GPU 32B	联网 + C500 在线时自动路由
C500 不可达 / 超时	回落 ①	三重回落，绝不静默降级到 4B

核心能力

1. 三通道智能路由与断网自愈

桥接器按任务特征动态选择算力通道：联网走云端强模型，断网自动降级本地 4B，复杂任务自动路由到国产 GPU 上的 32B 模型。复杂任务可暂停保存，网络恢复后断点续传，用户全程无感。

2. 多模态识图

打通了完整的图片理解链路：QQ 收到的图片 → 提取 → base64 编码 → 以 image_url 块送入模型 → 返回识别结果。含尺寸护栏、张数上限、取图失败降级等工程保护。

3. 可观测与自愈看护体系

系统长期运行中沉淀出一套完整的看护机制：

组件	职责
自动解卡	检测会话写锁卡死，自动解除并压缩上下文
会话水位压缩	两级水位（500KB 检测 / 600KB 强制），超限自动摘要瘦身
进程守护	守护进程探活 + 死亡自动拉起 + 心跳超时判定卡死
每日资源自检	定时检查残留脚本空转等资源异常，异常才通知
单例守卫	防止看护进程重复实例（曾发现双实例并行 16 小时的隐患）

4. 工程化细节

零闪屏：所有子进程调用补 CREATE_NO_WINDOW，避免控制台窗口闪烁
通知防刷屏：边沿触发 + 同类冷却 + 全局配额，杜绝告警轰炸
安全边界：AI 运行在受限标准用户账号，无法接触管理员权限

快速开始

完整环境要求与部署细节见 02_文档材料/部署指南.md

前置依赖：Windows 11 · Node.js 24.x（OpenClaw 要求 ≥ 22.19.0）· Python 3.12+ · Ollama（已拉取本地模型）

3 步启动

# 1. 安装 OpenClaw 框架
npm install -g openclaw

# 2. 放置配置与代码
#    config/openclaw.json.example    → 复制为 openclaw.json，填入模型配置
#    config/.env.example             → 复制为 .env，填入自己的 API Key
#    bridge/bridge_competition.py    → 应龙桥接器
#    scripts/launch_openclaw_test.py → Gateway 启动脚本

# 3. 启动服务（分两个终端窗口）
python bridge_competition.py      # 应龙桥接器
python launch_openclaw_test.py    # OpenClaw Gateway

启动完成后浏览器访问 Gateway 地址即可使用 WebChat。首次访问或升级后建议强制刷新（Ctrl+Shift+R）。

端口说明：仓库内 01_代码与配置/ 为比赛提交版代码快照；系统持续演进中，当前线上部署端口与配置细节见 02_文档材料/。

已实现功能清单

能力	状态	说明
三通道智能路由	✅	云端 / 本地 / 国产 GPU 自部署
断网自动降级与恢复	✅	复杂任务可暂停续传
国产 GPU 大模型自部署接入	✅	沐曦 C500 + vLLM + 32B AWQ
多模态识图	✅	图片理解链路完整打通
QQ 机器人接入	✅	私聊为主（含图片消息），支持群聊主动发送
会话水位自动压缩	✅	两级水位，自动摘要瘦身
自动解卡	✅	写锁卡死自动解除
进程守护与自动拉起	✅	多进程探活 + 心跳判定
每日资源自检	✅	定时巡检，异常才告警
上下文超限保护	✅	预留 token + 压缩策略
工具治理	✅	模型不支持 tools 时注入 system prompt 兜底
安全账号隔离	✅	AI 运行于受限标准用户

演示材料

截图（`03_演示材料/01 截图/`）

截图	内容
系统架构拓扑图	三层链路与端口全景
Bridge 桥接器（应龙）架构拓扑图	接入层内部结构
沐曦 API 调用成功证明	云端通道实际调用日志
断网自动切换本地模型证明	降级链路实测
本地模型可用性证明	Ollama 通道验证
三个服务全部正常（系统检测 / 终端窗口）	全链路健康状态
健康检查输出	自检体系运行结果

视频（`03_演示材料/02 视频/`）

文件	说明
`演示视频核心演示带字幕_x264.mp4`	核心演示（带字幕）
`（核心演示 11分31秒）【原素材】demo_self_healing...mp4`	原始素材（含自愈演示）
`演示视频链接.txt`	在线观看地址

项目结构

.
├── 01_代码与配置/          # 桥接器、配置模板、启动脚本
│   ├── bridge/            # 应龙桥接器（核心代码）
│   ├── config/            # 配置模板（.example 均为占位符，不含真实密钥）
│   └── scripts/           # 启动脚本
├── 02_文档材料/            # 使用教程、维护手册、部署指南、技术说明
├── 03_演示材料/            # 截图与演示视频
├── 04_日志与性能/          # 真实调用日志、性能测试报告
├── 05_开发记录/            # 开发归档、填坑指南、Issue 记录、开源贡献
├── 06_比赛规划材料/        # 规划 PPT
├── 07_系统升级记录/        # 版本演进记录
├── 08_赛后规划/            # 未来规划、技术分析与改进方向
├── LICENSE                # 木兰宽松许可证第 2 版
└── README.md              # 本文件

安全设计

双账号架构：系统采用两个独立账号运行不同组件 ——

主账号（管理员）：日常使用，Ollama 服务在此账号下运行，便于维护
受限账号（标准用户）：AI 助手（Gateway / 桥接器）在此账号下运行

设计目的：将 AI 限制在标准用户账号中运行，使其无法接触管理员权限，防止 AI 在无人监督时越权操作系统。两账号通过本机回环地址通信，服务仅对本机开放。

凭据管理：

所有配置模板（*.example）仅含占位符，不含任何真实密钥
真实凭据通过 .env 文件注入，.env 已在 .gitignore 中排除
提交前执行凭据扫描，确认仓库内无 API Key / Token / 私钥

文档导航

文档	说明
`02_文档材料/01_系统使用教程.md`	上手使用指南
`02_文档材料/02_系统维护手册.md`	运维与排障
`02_文档材料/部署指南.md`	环境搭建与部署
`02_文档材料/技术说明文档/系统架构详解.md`	架构与实现细节
`05_开发记录/06_填坑指南.md`	踩坑与解决方案
`07_系统升级记录/版本升级记录.md`	版本演进
`08_赛后规划/未来规划与改进方向.txt`	后续路线

许可证

本项目采用 木兰宽松许可证，第 2 版（Mulan PSL v2） —— 由中国开源云联盟制定、经 OSI 认证的开源许可证。

Copyright (c) 2026 崔克莉
Xihe AI Assistant is licensed under Mulan PSL v2.
You can use this software according to the terms and conditions of the Mulan PSL v2.

完整条款见 LICENSE。

作者

崔克莉（GitLink: @LYL512） —— 本作品由个人独立完成。

仓库：https://www.gitlink.org.cn/LYL512/Xihe-AI-Assistant
问题反馈：欢迎通过仓库 Issue 交流

从架构设计、桥接器开发、国产 GPU 部署，到看护体系与工程细节打磨，均为独立实践。欢迎交流与指正。