1.1K Star！Anima 一个面向智能硬件的开源 Agent OS，可直接接入米家等智能设备！

今天的智能家居，最大的问题不是「不够智能」，而是智能的方式错了。

我们把太多精力花在了「让设备能被控制」上，而不是「让设备会主动思考」。

于是每一台硬件都在等一条指令——来自手机、来自语音助手、来自某个预设好的自动化规则。而这些规则，一旦生活节奏变了，就统统失效。

有没有可能，让家里的设备理解你什么时候需要什么，然后自己行动？

今天给大家推荐一个开源项目：Anima，它可以给你想要的回答。

项目简介

Anima（拉丁语意为「灵魂」）是一个面向智能硬件的开源 Agent OS。

它的目标不是再做一个设备控制面板，而是让家中的硬件设备拥有可感知、可决策、可学习、可扩展的 AI 能力。

你可以把它理解为一个运行在你本地网络中的智能硬件 Agent Runtime：

• • 它会自动发现设备，维护设备状态，并通过适配器控制真实硬件。
• • 它维护长期记忆（Memory），从明确偏好和重复行为中学习你的习惯。
• • 它借助 LLM Brain 读取环境、用户意图、历史记忆和技能知识，然后规划行动。
• • 它将每类设备的专业知识封装成 Skill，让决策不只是「开/关」，而是符合场景、舒适度和安全边界。
• • 它提供 Dashboard、REST API 和 CLI，让你可以观察、调试、控制和扩展整个系统。

Anima 目前已适配 Mi Home/MIoT 设备。

功能特性一览

• • 自动发现设备：局域网扫描、小米云设备同步、设备去重和运行时注册。
• • AI 决策中枢：LLM Brain 根据环境、设备、skill 和 memory 生成行动计划。
• • 可扩展 Skill 系统：每个设备类型都有独立知识、决策、学习和动作脚本。
• • 长期记忆机制：从 history 中提取候选记忆，按证据晋升为 confirmed memory。
• • 偏好学习：按设备类型生成 learned profile，让后续决策更贴近用户习惯。
• • 实时 Dashboard：设备列表、环境状态、聊天控制、设置、memory 调试。
• • REST API：提供设备、聊天、设置、扫描、memory 等接口。
• • MIoT 支持：支持 Xiaomi / Mi Home 设备 token 获取、本地控制和部分音箱云端能力。
• • 本地优先：核心运行在你的机器上，设备控制尽量通过局域网完成。

核心亮点

1. Brain：中枢决策层

Brain 是 Anima 的智能中枢。它负责把用户对话、设备状态、环境信号、记忆和 Skill 能力合并起来，生成可执行计划。

当前 Brain 支持：

• • 基于 LangGraph 的 planner/executor 流程
• • 统一聊天入口 /api/chat
• • 定时 brain tick，用于主动环境检查和自动化决策
• • Skill 执行前的上下文构建
• • 动作执行后的状态验证和 history 写入
• • OpenAI-compatible LLM 后端

关键设计理念：Brain 的目标不是让 LLM 随意控制设备，而是让它在明确的技能边界、设备能力和安全规则内做决策。这是一个非常重要的安全红线。

2. Skill：设备智能的最小单元

Anima 中的 Skill 不是一个简单函数，也不是普通 prompt。它是一个设备领域知识包，结构如下：

SKILL.md        # skill 元信息、适用设备和工作规则
references/
    knowledge.md    # 领域知识
    decide.md       # 单次决策 prompt
    learn.md        # 长期学习 prompt
scripts/
    actions.py      # 结构化动作执行入口

内置 Skill 包括：

这意味着 Anima 中的 Skill 不是一次性的函数调用，而是一个可以被创建、注册、检索、执行和反馈学习的设备智能单元。

新增设备类型时，优先扩展 Skill，而不是把设备策略硬编码进 Brain 或 Adapter。

3. Memory：可证据化的长期记忆

这是 Anima 最有特色的设计之一。Memory 系统采用三层设计：

L1 Core Identity
  每次请求都加载的极简偏好摘要，例如 preferences_summary。

L2 Memory Directory
  给 planner 看的记忆目录，例如有哪些 learned profile 和 memory topic。

L3 Memory Detail
  skill 执行前按设备类型和任务检索的详细长期记忆。

这套分层设计让 Anima 可以同时兼顾长期学习和上下文控制：L1 保持轻量、L2 提供目录、L3 只在需要时加载确认过的详细记忆。

执行结果、用户对话和设备状态会持续进入 history，并在后台被提取为更稳定的长期记忆，最终影响后续的设备决策。

4. Adapter：真实硬件接入层

Adapter 负责把 Anima 的结构化动作转成真实设备协议。

当前主要支持：

• • Xiaomi / Mi Home / MIoT 设备发现
• • 小米云扫码获取设备列表和 token
• • 本地 ip + token 控制普通 MIoT 设备
• • Xiaomi speaker 的部分云端播放能力
• • 手动添加 MIoT 设备
• • 设备状态刷新和动作执行结果返回

快速上手

安装并运行

git clone https://github.com/Fullive-AI/Anima.git
cd Anima
pnpm install
pnpm dev

启动后访问：

Dashboard:     http://localhost:3000
Backend API:   http://localhost:8080
Swagger:       http://localhost:8080/docs

配置 LLM

你可以在 .env 中配置，也可以在 Dashboard 设置页配置：

ANIMA_LLM_API_KEY=sk-xxx
ANIMA_LLM_MODEL=gpt-4o
ANIMA_LLM_BASE_URL=
ANIMA_LLM_DISABLE_THINKING=false

Anima 使用 OpenAI-compatible API，因此可以接入 OpenAI、DeepSeek、豆包、Ollama 兼容端点或其他代理服务。

连接小米设备

推荐方式是在 Dashboard 中使用小米扫码登录：

1. 1. 打开 Dashboard 设置页。
2. 2. 进入 Xiaomi / Mi Home 配置区域。
3. 3. 生成二维码。
4. 4. 使用米家 App 扫码。
5. 5. 在 Xiaomi Cloud 返回 token 的情况下自动同步；未返回 token 的设备仍可手动输入 token 激活。

如果你已经知道设备 IP 和 token，也可以手动添加 MIoT 设备。

写在最后

传统的智能家居产品思路是：我给你提供一个更强大的遥控器。

而 Anima 的思路是反过来的：它让设备自己去理解你。 不是你教它怎么做，而是它观察你、学习你、适应你。

更重要的是，这一切都在本地完成。你的生活习惯数据不上传云端，不会被用来训练某个公司的大模型，也不会成为定向广告的输入。

GitHub： https://github.com/Fullive-AI/Anima

如果本文对您有帮助，也请帮忙点个 赞👍 哈！❤️