做了半年酒馆兼容项目后，我开始怀疑是不是走偏了

我最早是一个沉迷 SillyTavern 用户，第一次接触酒馆的时候还是挺震撼的，角色卡、世界书、预设、插件，整个生态丰富得离谱。后来很多角色扮演产品做来做去，本质上也都在围绕酒馆生态转。但用久了之后也会发现一些问题：酒馆真的太重了！！！

各种配置项、各种参数、各种插件，对于重度玩家来说可能很爽，但对于普通用户来说门槛其实不低。很多时候只是想找个角色聊聊天，结果要先研究一堆概念，最后花在折腾环境上的时间可能比聊天还长。

所以去年我自己做了一个项目，当时想法挺简单的：保留酒馆生态最有价值的部分，把体验尽量做简单一点。后来项目也获得了论坛内大量佬友的支持，拿到了 800 star，但新的问题很快又出现了。因为兼容酒馆，所以必须持续兼容酒馆。角色卡要兼容，世界书要兼容，各种数据格式要兼容，很多时候设计一个功能，第一个考虑的问题甚至不是用户体验，而是会不会破坏兼容性。明明是在开发自己的项目，但越来越像是在维护一个酒馆兼容层。

与此同时我也开始思考另外一个问题。

酒馆解决得很好的是角色扮演，但它真的是 AI 陪伴产品最终的形态吗？大部分时候我们面对的仍然是一个聊天窗口。输入一句，回复一句。哪怕加上语音，本质上还是聊天软件的逻辑。

但现在模型能力已经和一两年前完全不一样了。

语音模型越来越成熟，实时对话越来越自然，Agent 也开始具备一定执行能力。如果从今天重新设计一个陪伴产品，我越来越觉得核心可能不应该是聊天框，而应该是角色本身。

她有声音，她可以实时交流，甚至可以在聊天过程中顺手帮你完成一些事情，同时如果希望回归酒馆的聊天模式，也可以做到无缝支持。

基于这个想法，我上周把内部的一个实验项目整理出来开源了：

https://linux.do/t/topic/2314323?u=happyfox001

原本只是想验证一下方向，结果一天时间拿到了 60 个 Star，也收到不少私信反馈。目前它其实还非常早期，严格来说只能算一个骨架，实现的主要还是完整语音交流能力。但从反馈来看，大家关注的已经不只是模型效果，而是另一种交互方式本身。我愈发的想继续将更多内容开源出来，去围绕一些当前在二创中火爆的角色+声音，构建文字聊天+语音实时交互的桌面陪伴产品。想听听佬友们的意见。