内容
# 维也纳生活助手
<p align="center">
<a href="https://github.com/casey/just"><img src="https://img.shields.io/badge/just-ready_to_go-7c5cfc?style=flat-square&logo=just&logoColor=white" alt="Just"></a>
<a href="https://github.com/astral-sh/ruff"><img src="https://img.shields.io/endpoint?url=https://raw.githubusercontent.com/astral-sh/ruff/main/assets/badge/v2.json" alt="Ruff"></a>
<a href="https://python.org"><img src="https://img.shields.io/badge/Python-3.13+-3776AB?style=flat-square&logo=python&logoColor=white" alt="Python"></a>
<a href="https://github.com/PrefectHQ/fastmcp"><img src="https://img.shields.io/badge/FastMCP-3.2-7c5cfc?style=flat-square" alt="FastMCP"></a>
</p>
> **📖 安装指南** — 快速开始，手动设置，故障排除
**时间戳**: 2025-12-15
**状态**: 测试版
**版本**: 3.0-beta - AI驱动的生活管理
一个漂亮、现代的个人生活管理应用，拥有 **AI聊天机器人**，日历，待办事项，费用，购物和全面的技术文档 - 通过MCP服务器与您的整个数字生态系统集成，并由Celery后台任务处理。
## 快速开始
```powershell
git clone https://github.com/sandraschi/vienna-life-assistant
cd vienna-life-assistant
just
```
这将打开一个交互式仪表板，显示所有可用的命令。运行 `just bootstrap` 安装依赖项，然后运行 `just serve` 或 `just dev` 启动。
## ViLife `web_sota` (FastMCP 3.2) — 推荐
代理和日常使用的车队SOTA表面：
```powershell
Set-Location web_sota
.\start.ps1
```
| 表面 | URL |
|---------|-----|
| 前端 | http://127.0.0.1:10988 |
| 后端 + MCP | http://127.0.0.1:10922 (`/mcp`, `/api/*`) |
**页面：** 仪表板 · 聊天 · 技能 · 工具 · 设置 · 帮助 · 应用 · 日志
**LLM（设置）：** 切换 **Ollama** （11434），**LM Studio** （1234/v1），或 **OpenAI** （API密钥）。每个提供商都有一个 **模型下拉菜单**，从 `/api/llm/models` 中填充。聊天使用保存的提供商 + 模型与维也纳系统预提示。
**MCP：** `vienna_life` 混合词，6种维也纳技能，6个提示，通过 `vienna_life_agentic` 采样。
参见 [`docs/PRD.md`](docs/PRD.md) 和 [`CHANGELOG.md`](CHANGELOG.md) 获取 0.2.0 详情。
> **注意：** `vienna-live-mcp` 已弃用 — 仅使用此仓库的 `web_sota`。
### 手动设置
如果您没有安装 `just`:
## 功能
您的 **个人指挥中心** 用于维也纳生活：
- **日历**: 天/周/月视图，Benny约会，事件
- **智能待办**: 12个类别，优先级，过滤器，统计数据
- **费用跟踪**: 836+ 跟踪，7个类别，热门商店
- **购物**: Spar/Billa优惠，智能列表
- **AI聊天机器人**: 16个集成工具，6个人格，流式响应（Ollama本地或云API）
- **智能家居**: 灯，摄像头，Ring门铃（通过Tapo MCP）
- **知识库**: 搜索/读取/创建笔记（高级内存MCP）
- **媒体中心**: 5万部动漫，1.5万本电子书（Plex/Calibre MCP）
- **交通**: 维也纳线路集成（U-Bahn，Tram，Bus）
- **技术文档**: 完整的技术栈分层指南（流程工程，MCP架构，未来路线图）
- **后台处理**: Celery驱动的异步任务（电子邮件通知，AI分析，数据同步，维护）
## 技术文档选项卡
应用包括一个全面的 **技术文档** 选项卡，提供整个技术栈的分层，美观的文档：
### **流程工程哲学**
- **开发者体验优先**: 具有AI辅助的光标IDE，自动化工具
- **AI优先设计**: 从一开始就围绕AI能力构建
- **快速迭代**: 用于即时开发环境的Docker容器
### **完整的技术栈分解**
- **前端**: React 18 + TypeScript + Material-UI + Vite
- **后端**: FastAPI + Python 3.11 + SQLAlchemy + Pydantic
- **数据库**: PostgreSQL + Redis（缓存和Celery代理）
- **基础设施**: Docker Desktop + Port Island（7333-7336）
- **监控**: Grafana + Prometheus + Loki栈
- **版本控制**: Git + GitHub Actions
### **MCP服务器架构**
- **客户端-服务器模型**: MCP客户端通过STDIO连接到专用服务器
- **6个集成服务器**: Ollama，高级内存，Tapo，Plex，Calibre，Immich
- **工具发现**: AI自动检测并使用可用的MCP工具
### **未来开发路线图**
- **第4阶段**: 高级AI集成（多模态，语音命令）
- **第5阶段**: 生态系统扩展（移动应用，多用户支持）
## 后台任务处理（Celery）
维也纳生活助手包括一个 **分布式任务队列系统**，由Celery驱动，用于处理后台处理：
### **16个后台任务类别：**
#### **电子邮件任务**
- `send_welcome_email` - 新用户欢迎电子邮件
- `send_daily_summary` - 每日活动摘要
- `send_weekly_report` - 全面的每周报告
#### **AI任务**
- `process_long_ai_analysis` - 长运行的AI分析
- `generate_weekly_report` - AI驱动的报告生成
- `personalize_recommendations` - 个性化用户推荐
#### **维护任务**
- `cleanup_old_conversations` - 数据库清理（90+天）
- `optimize_database` - 数据库优化
- `sync_external_data` - 外部服务同步
#### **用户体验任务**
- `send_notification` - 应用内通知
- `generate_personalized_content` - 动态内容生成
### **Celery架构：**
```
用户请求 FastAPI Celery任务 Redis队列 工作进程 结果 用户
```
### **计划任务：**
- **每天**: 8:00 AM用户活动摘要
- **每周**: 每个星期日综合报告
- **每月**: 数据库清理和优化
### **使用示例：**
```python
# 提交后台任务（立即返回）
from workers.tasks import send_welcome_email
result = send_welcome_email.delay("user@example.com", "John Doe")
# 任务在后台异步运行
# 稍后检查状态：result.ready()，result.get()
```
## 多MCP服务器架构
该应用与 **6个专用MCP服务器** 集成，提供全面的数字生态系统连接：
- **Ollama MCP**: 本地LLM推理（llama3.2:3b）
- **高级内存MCP**: Zettelkasten知识库（[sandraschi/advanced-memory-mcp](https://github.com/sandraschi/advanced-memory-mcp)）
- **Tapo MCP**: 智能家居控制（[sandraschi/tapo-mcp](https://github.com/sandraschi/tapo-mcp)）
- **Plex MCP**: 媒体库访问（[sandraschi/plexmcp](https://github.com/sandraschi/plexmcp)）
- **Calibre MCP**: 电子书管理（[sandraschi/calibre-mcp](https://github.com/sandraschi/calibre-mcp)）
- **Immich MCP**: 照片管理（[sandraschi/immich-mcp](https://github.com/sandraschi/immich-mcp)）
参见 [`INTEGRATED_MCP_SERVERS.md`](INTEGRATED_MCP_SERVERS.md) 获取详细的MCP服务器文档。
## AI聊天机器人功能（测试版）
### **6种AI人格：**
1. **专业助手** - 帮助，准确，专业
2. **创意作家** - 想象力，诗意，表达
3. **技术专家** - 精确，详细，代码示例
4. **友好伴侣** - 暖和，休闲，表情符号
5. **简洁顾问** - 简短，直接，项目符号
6. **维也纳本地** - 专家， Bezirk，维也纳线路，餐厅
### **16个集成工具（测试版）：**
**核心工具（1-5）：**
- **计算器** - 数学表达式，平方根，幂
- **日期时间** - 当前时间，日期
- **网络搜索** - DuckDuckGo搜索
- **待办事项** - 您的任务列表
- **日历** - 您的日程安排
**高级内存MCP（6-9）：**
- **搜索知识** - 查询您的zettelkasten
- **读取笔记** - 获取特定笔记
- **创建笔记** - 从聊天中保存见解
- **最近笔记** - 最新活动
**Tapo MCP - 智能家居（10-13）：**
- **天气** - 维也纳天气
- **智能灯** - Philips Hue控制
- **摄像头** - 家庭安全状态
- **Ring门铃** - 最近事件
**媒体和交通（14-16）：**
- **维也纳线路** - U-Bahn，Tram，Bus信息
- **Plex** - 5万部动漫/电影
- **Calibre** - 1.5万本电子书
### **测试版功能：**
- **AI提示增强** - 改进您的提问（实验性）
- **流式响应** - 实时文本生成
- **对话记忆** - 保存和恢复聊天
- **自动工具检测** - 智能模式匹配
- **美丽的UI** - 头像，时间戳，工具芯片
## 快速开始
### 0. 克隆仓库
```bash
git clone https://github.com/sandraschi/vienna-life-assistant.git
cd vienna-life-assistant
```
### 先决条件
- **Docker Desktop** （最新版本）
- **选择您的LLM选项：**
- **本地（推荐）**：Ollama + RTX 4070 或更好
- **云**: OpenAI 或 Anthropic API 密钥（无需 GPU）
**注意：** 应用程序完全在 Docker 容器中运行，以确保在开发和生产环境中保持一致性和稳定性。
### Docker Desktop 设置
```powershell
# 下载并安装 Docker Desktop for Windows
# 来自： https://www.docker.com/products/docker-desktop/
# 安装后，启用 WSL 2 后端（推荐）
# Docker Desktop -> 设置 -> 常规 -> 使用基于 WSL 2 的引擎
# 启用 Kubernetes（可选，高级部署）
# Docker Desktop -> 设置 -> Kubernetes -> 启用 Kubernetes
# 分配足够的资源
# Docker Desktop -> 设置 -> 资源
# - CPU：4+ 核心
# - 内存：8GB+ RAM
# - 磁盘：20GB+ 可用空间
```
### LLM 设置
#### 选项 A：本地 LLM（Ollama）
```bash
# 安装 Ollama
curl -fsSL https://ollama.ai/install.sh | sh
# 启动 Ollama 服务
ollama serve
# 拉取推荐模型
ollama pull llama3.2:3b
```
#### 选项 B：云 LLM（OpenAI/Anthropic）
从以下位置获取 API 密钥：
- [OpenAI API](https://platform.openai.com/api-keys)
- [Anthropic API](https://console.anthropic.com/)
API 密钥在启动后在应用程序设置中配置。
### 1. Docker 设置和启动
```powershell
cd D:\Dev\repos\vienna-life-assistant
# 启动所有服务（PostgreSQL，Redis，后端，前端）
docker compose up -d
# 查看正在运行的容器
docker compose ps
# 如有需要，查看日志
docker compose logs -f backend
docker compose logs -f frontend
```
### 2. 访问
- **前端**: http://localhost:7333
- **后端 API**: http://localhost:7334
- **API 文档**: http://localhost:7334/docs
- **Tailscale**: http://goliath:7333 （API：goliath:7334）
## 使用示例
### AI 聊天机器人命令：
```
# 核心工具
"25 * 37 是多少" 计算器：925
"现在几点" 日期时间：当前时间
"搜索维也纳天气" 网络搜索
# 知识库（高级内存 MCP）
"搜索我的笔记中的 Python" 搜索 zettelkasten
"读取 MCP 模式笔记" 获取笔记内容
"记住这个：Schnitzel" 创建新笔记
"我的最近笔记是什么？" 显示活动
# 智能家居（Tapo MCP）
"天气怎么样？" 维也纳天气
"打开灯" 控制 Philips Hue
"关闭卧室灯" 特定房间控制
"列出摄像头" 安全摄像头
"谁在门口？" 环形门铃事件
# 交通和任务
"下一班 U6 是什么时候？" 维也纳线路出发时间
"我的待办事项" 任务列表
"我的日历" 即将到来的事件
```
## 技术栈
### 后端
- **FastAPI** - 现代 Python API 框架
- **PostgreSQL** - 容器化数据库
- **Redis** - 缓存和后台任务
- **SQLAlchemy** - 带有 Pydantic v2 的 ORM
- **Celery** - 后台任务处理
- **Ollama** - 本地 LLM（推荐 RTX 4070 或更好）
- **FastMCP** - MCP 服务器集成（stdio 传输）
### 前端
- **React 18** + TypeScript
- **Material-UI（MUI）** v6 - 美观的组件
- **Vite** - 快速构建工具
- **Axios** - API 客户端
- **事件流** - 聊天的服务端事件
### MCP 集成
- **高级内存 MCP** - Zettelkasten 知识库
- **Tapo MCP** - 智能家居（灯，摄像头，Ring，天气）
- **Plex MCP** - 媒体服务器（5万部动漫/电影）
- **Calibre MCP** - 电子书库（1.5万本书）
- **Immich MCP** - 照片记忆
- **MyWienerLinien** - 维也纳公共交通
## 数据库
**PostgreSQL** 容器，包含 7 个模型：
- `todos` - 任务管理（12+ 项）
- `calendar_events` - 日程安排（10+ 事件）
- `shopping_items` - 购物清单
- `expenses` - 费用跟踪（836+ 已跟踪）
- `conversations` - 聊天记录
- `messages` - 聊天消息
- `settings` - 应用程序设置（LLM 首选项）
**Redis** 用于缓存和后台任务队列。
## 测试
```powershell
cd D:\Dev\repos\vienna-life-assistant\backend
# 运行所有测试
.\venv\Scripts\Activate.ps1
pytest -v
# 运行特定测试套件
pytest tests/api/test_chat.py -v
```
**测试覆盖率：**
- CRUD 操作（待办事项，日历，费用）
- API 端点
- 模型验证
- Ollama 集成
- 购物抽取器
## 项目结构
```
vienna-life-assistant/
backend/
api/
calendar/ # 日历端点
todos/ # 待办端点
expenses/ # 费用端点
shopping/ # 购物端点
llm/ # LLM 管理
chat/ # AI 聊天机器人端点
media/ # 媒体集成
models/ # SQLAlchemy 模型
services/ # 业务逻辑
chat_service.py # 聊天 + 工具
ollama_service.py # 本地 LLM
mcp_clients.py # MCP 集成
tests/ # Pytest 测试
vienna_life.db # SQLite 数据库
frontend/
src/
features/
calendar/ # 日历 UI
todos/ # 待办 UI
expenses/ # 费用跟踪 UI
shopping/ # 购物 UI
llm/ # LLM 管理 UI
chat/ # AI 聊天机器人 UI
media/ # 媒体仪表板
services/
api.ts # API 客户端
docs/
FEATURES_ADDED.md # 功能变更日志
TESTING.md # 测试指南
SQLITE_MIGRATION.md # 数据库迁移
ECOSYSTEM_INTEGRATION.md
```
## 截图
- **日历**：天/周/月视图，网格/列表模式
- **待办事项**：12 个项目，优先级，类别，统计数据
- **费用**：836 项跟踪，类别分解，热门商店
- **AI 聊天机器人**：流式聊天，6 个人格，工具芯片
- **LLM 管理器**：15 个 Ollama 模型，加载/卸载/删除
## MCP 服务器配置
维也纳生活助手与 **6 个专用 MCP 服务器** 集成。每个 MCP 服务器都需要其相应的应用程序/服务首先安装和配置。
### 1. 高级内存 MCP（知识库）
**所需应用程序：** 无（使用 SQLite 数据库）
```powershell
# 克隆和设置
cd D:\Dev\repos
git clone https://github.com/sandraschi/advanced-memory-mcp.git
cd advanced-memory-mcp
# 安装依赖项
pip install -r requirements.txt
# MCP 服务器将创建自己的 SQLite 数据库
```
**配置：**
- 路径：`D:/Dev/repos/advanced-memory-mcp/src/advanced_memory/mcp/server.py`
- 工具：18+（搜索，读取，写入，导航，技能）
- 数据库：在项目目录中自动创建
### 2. Tapo MCP（智能家居）
**所需应用程序：** Tapo 智能家居应用 + 硬件
```powershell
# 首先安装 Tapo 应用程序并设置设备：
# 1. 从应用商店下载 Tapo 应用程序
# 2. 创建 Tapo 账户
# 3. 添加智能设备（灯，摄像头，插头）
# 4. 获取您的账户凭证
# 克隆和设置 MCP 服务器
cd D:\Dev\repos
git clone https://github.com/sandraschi/tapo-mcp.git
cd tapo-mcp
# 安装依赖项
pip install -r requirements.txt
# 配置凭证（参见 .env.example）
cp .env.example .env
# 使用您的 Tapo 用户名/密码编辑 .env
```
**配置：**
- 路径：`D:/Dev/repos/tapo-mcp/src/tapo_mcp/server.py`
- 工具：天气，灯，摄像头，Ring 门铃
- 需要：Tapo 账户凭证在 `.env` 中
### 3. Plex MCP（媒体库）
**所需应用程序：** Plex 媒体服务器
```powershell
# 安装 Plex 媒体服务器：
# 1. 从 https://www.plex.tv/media-server-downloads/ 下载
# 2. 安装并创建 Plex 账户
# 3. 添加媒体库（电影，电视节目，动漫）
# 4. 从设置中获取您的 Plex 令牌
# 克隆和设置 MCP 服务器
cd D:\Dev\repos
git clone https://github.com/sandraschi/plex-mcp.git
cd plex-mcp
# 安装依赖项
pip install -r requirements.txt
# 配置（参见 .env.example）
cp .env.example .env
# 编辑 .env 如下：
# PLEX_URL=http://localhost:32400
# PLEX_TOKEN=您的_plex_token_在此
```
**配置：**
- 路径：`D:/Dev/repos/plex-mcp/src/plex_mcp/server.py`
- 工具：搜索，继续观看，最新添加
- 需要：正在运行的 Plex 服务器 + 有效令牌
### 4. Calibre MCP（电子书库）
**所需应用程序：** Calibre 电子书管理器
```powershell
# 安装 Calibre：
# 1. 从 https://calibre-ebook.com/download 下载
# 2. 安装并添加您的电子书库
# 3. 组织书籍，添加元数据
# 4. 启动 Calibre 内容服务器（可选）
# 克隆和设置 MCP 服务器
cd D:\Dev\repos
git clone https://github.com/sandraschi/calibre-mcp.git
cd calibre-mcp
# 安装依赖项
pip install -r requirements.txt
# 配置（参见 .env.example）
cp .env.example .env
# 编辑 .env 如下：
# CALIBRE_URL=http://localhost:8080 （如果使用内容服务器）
# 或将 CALIBRE_LIBRARY_PATH 设置为您的本地库文件夹
```
**配置：**
- 路径：`D:/Dev/repos/calibre-mcp/src/calibre_mcp/server.py`
- 工具：搜索书籍，阅读进度，库统计
- 需要：Calibre 已安装 + 库可访问
### 5. Immich MCP（照片管理）
**所需应用程序：** Immich 照片服务器
```powershell
# 安装 Immich（推荐使用 Docker）：
# 1. 按照 https://immich.app/docs/install/docker-compose 的说明进行安装
# 2. 设置您的照片库
# 3. 从 Immich 设置中获取 API 密钥
```
# 克隆和设置MCP服务器
cd D:\Dev\repos
git clone https://github.com/sandraschi/immich-mcp.git
cd immich-mcp
# 安装依赖
pip install -r requirements.txt
# 配置（参见.env.example）
cp .env.example .env
# 编辑.env：
# IMMICH_URL=http://localhost:2283
# IMMICH_API_KEY=your_api_key_here
**配置：**
- 路径：`D:/Dev/repos/immich-mcp/src/immich_mcp/server.py`
- 工具：最近的照片，“今天的历史”
- 要求：Immich服务器运行 + API密钥
### 6. Ollama MCP（本地AI）
**所需应用程序：** Ollama
```powershell
# 首先安装Ollama：
# 1. 从以下网址下载：https://ollama.ai/download
# 2. 安装并启动Ollama服务
# 3. 拉取模型：ollama pull llama3.2:3b
# 克隆和设置MCP服务器
cd D:\Dev\repos
git clone https://github.com/sandraschi/ollama-mcp.git
cd ollama-mcp
# 安装依赖
pip install -r requirements.txt
# 配置（参见.env.example）
cp .env.example .env
# 编辑.env：
# OLLAMA_BASE_URL=http://localhost:11434
# OLLAMA_MODEL=llama3.2:3b
```
**配置：**
- 路径：`D:/Dev/repos/ollama-mcp/src/ollama_mcp/server.py`
- 工具：文本生成，模型管理
- 要求：Ollama运行并加载模型
### 环境变量（自动检测）
应用程序在`D:\Dev\repos\`中自动检测MCP服务器。手动配置：
```powershell
# 在shell或.env文件中设置：
$env:ADVANCED_MEMORY_MCP_PATH="D:/Dev/repos/advanced-memory-mcp/src/advanced_memory/mcp/server.py"
$env:TAPO_MCP_PATH="D:/Dev/repos/tapo-mcp/src/tapo_mcp/server.py"
$env:PLEX_MCP_PATH="D:/Dev/repos/plex-mcp/src/plex_mcp/server.py"
$env:CALIBRE_MCP_PATH="D:/Dev/repos/calibre-mcp/src/calibre_mcp/server.py"
$env:IMMICH_MCP_PATH="D:/Dev/repos/immich-mcp/src/immich_mcp/server.py"
$env:OLLAMA_MCP_PATH="D:/Dev/repos/local-llm-mcp/src/llm_mcp/main.py"
```
### MCP服务器状态
在网页界面的LLM选项卡中检查MCP服务器集成。每个MCP服务器显示：
- 已连接（工具可用）
- 未找到（路径不正确）
- 错误（配置问题）
## 访问
### 本地访问：
- 前端：`http://localhost:3000`
- 后端API：`http://localhost:8000`
- API文档：`http://localhost:8000/docs`
### Tailscale访问（从任何设备）：
- 前端：`http://goliath:3000`
- 后端API：`http://goliath:8000`
**CORS配置** 同时适用于本地和Tailscale访问！
## 实现状态
- **第一阶段**：项目设置，数据库，模型
- **第二阶段**：日历，待办事项，购物，费用
- **第三阶段**：具有16种工具的AI聊天机器人（Beta）
- **第四阶段**：MCP集成（高级内存，Tapo，Plex，Calibre）
- **第五阶段**：移动响应（iPhone / iPad就绪）
- **第六阶段**：智能家居集成（灯，摄像头，天气）
## 示例数据
预加载了现实的维也纳生活数据：
- **12个待办事项**：Benny护理，购物，自我照顾
- **10个日历事件**：兽医预约，咖啡会议
- **15个费用**：总计836.10，7个类别
- **购物优惠**：Spar / Billa每周优惠
- **15个Ollama模型**：为AI聊天准备就绪
## 备注
- **完全Docker容器化** - PostgreSQL，Redis，FastAPI和React都在容器中
- **稳定的开发环境** - 不再出现本地服务器崩溃或依赖冲突
- **本地AI** 在您的RTX 4070或更高版本上运行（无需云成本！）
- **德语区域设置** 用于日期，欧元货币
- **移动响应** - 在iPhone / iPad上运行良好
- **Tailscale就绪** - 从任何地方访问
- **MCP标准输入/输出传输** - 正确的FastMCP模式
## 故障排除
### Docker容器无法启动
```powershell
# 检查Docker Desktop是否正在运行
# Docker Desktop -> 设置 -> 资源（确保分配了足够的RAM / CPU）
# 停止并重建
cd D:\Dev\repos\vienna-life-assistant
docker compose down
docker compose build --no-cache
docker compose up -d
# 检查容器日志
docker compose logs backend
docker compose logs frontend
```
### 端口冲突
```powershell
# 检查正在使用端口7333-7336的内容
Get-NetTCPConnection -LocalPort 7333,7334,7335,7336
# 停止冲突的服务或在docker-compose.yml中更改端口
```
### CORS错误
后端配置为`localhost：7333`和`goliath：7333`。强制刷新：`Ctrl + Shift + R`
### Ollama集成问题
```powershell
# 检查Ollama是否正在运行（在Docker之外）
ollama list
# 拉取所需的模型
ollama pull llama3.2:3b
# 检查MCP服务器是否可以从Docker容器连接
docker compose exec backend curl http://host.docker.internal:11434/api/tags
```
### MCP服务器连接问题
```powershell
# 验证MCP服务器路径是否存在
Get-ChildItem D:\Dev\repos\*\src\*\mcp\server.py
# 测试单个MCP服务器
cd D:\Dev\repos\advanced-memory-mcp
python -m pytest tests/ -v
```
## 部署
### Docker生产部署
```powershell
# 生产部署（重建并重启）
cd D:\Dev\repos\vienna-life-assistant
docker compose down
docker compose up -d --build
# 查看正在运行的服务
docker compose ps
# 监视日志
docker compose logs -f
```
### Windows服务（替代）
```powershell
# 为Windows服务安装NSSM
winget install NSSM
# 创建Docker服务
nssm install ViennaLifeDocker "C:\Program Files\Docker\Docker\Docker Desktop.exe" "docker compose up"
nssm set ViennaLifeDocker AppDirectory "D:\Dev\repos\vienna-life-assistant"
```
## 文档
- `INTEGRATED_MCP_SERVERS.md` - 完整的MCP生态系统指南
- `FEATURES_ADDED.md` - 第二阶段功能（Ollama，爬虫，UI）
- `TESTING.md` - Pytest指南，固定装置，测试覆盖率
- `SQLITE_MIGRATION.md` - PostgreSQL SQLite迁移
- `ECOSYSTEM_INTEGRATION.md` - MCP集成架构
- `COMPLETE.md` - 最终项目摘要
## 测试重点
- **16种AI工具** 跨4个MCP服务器（beta）
- **6种个性** 用于不同的聊天风格
- **流式响应** 实时更新
- **工具自动检测** 通过智能模式匹配
- **知识库集成** - AI可以访问您的笔记
- **智能家居控制** - 灯，摄像头，Ring门铃
- **交通集成** - 维也纳公共交通
- **漂亮的UI** - 现代Material-UI设计
- **移动响应** - 在iPhone / iPad上看起来很棒
- **灵活的部署** - 本地Ollama或云LLM API（OpenAI / Anthropic）
## 端口
- **前端**：7333（Docker）
- **后端API**：7334（Docker）
- **PostgreSQL**：7335（Docker，映射自5432）
- **Redis**：7336（Docker，映射自6379）
- **MyWienerLinien**：3079（如果运行）
- **Ollama**：11434（如果运行）
- **Plex**：32400（如果运行）
- **Calibre**：8080（如果运行）
- **Immich**：2283（如果运行）
## 奥地利功能
- **欧元（）** 货币格式化
- **德国日期** （Dezember等）
- **维也纳特定** 聊天机器人个性
- **本地商店** （Spar，Billa，Manner Schnitten！）
- **维也纳线路** 集成
- **区知识** （Bezirke）
## 隐私
- **100%本地** - 无云API调用（可选网络搜索除外）
- **您的硬件** - RTX 4070或更高版本在本地运行所有AI
- **您的数据** - 您机器上的SQLite文件
- **MCP服务器** - 所有在您的Tailscale网络（goliath）上
## 🛡️ 工业质量栈
该项目遵循**SOTA 14.1**高保真代理编排的工业标准：
- **Python（核心）**： [Ruff](https://astral.sh/ruff) 用于代码检查和格式化。对核心处理程序中的`print`语句（`T201`）零容忍。
- **Webapp（UI）**： [Biome](https://biomejs.dev/) 用于毫秒级代码检查。严格执行`noConsoleLog`。
- **协议合规性**：强化`stdout/stderr`隔离，以确保抗崩溃的JSON-RPC通信。
- **自动化**： [Justfile](./justfile) 适用于所有舰队操作（`just lint`，`just fix`，`just dev`）。
- **安全**：通过`bandit`和`safety`进行自动审计。
## 许可证
私有项目 - 所有权利归Sandra Schipal所有
---
**在维也纳第九区使用爱心打造**
*用于日常管理，Benny护理和跟踪你最后一次洗头*
MCP 配置
以下是此 MCP Server 的配置信息，可直接复制到 Cursor 或其他 MCP 客户端中使用。
mcp.json
连接信息
猜你喜欢
暂无推荐服务器