Awesome-OpenAI-GPTs：从Prompt工程到智能体开发的实战指南
2026/5/9 22:24:09
1. 项目概述：打造你的专属智能眼镜AI助手
如果你和我一样，对Meta Ray-Ban智能眼镜的硬件设计爱不释手，但又觉得其内置的Meta AI功能在灵活性和隐私性上总差那么点意思，那么OpenVision这个开源项目，可能就是你在寻找的“终极解药”。简单来说，OpenVision是一个完全由你掌控的iOS应用，它像一座桥梁，将你佩戴的Ray-Ban智能眼镜与你选择的AI大脑（无论是Google的Gemini还是开源的OpenClaw）连接起来，实现真正意义上的“你的眼镜，你的AI，你的规则”。
想象一下这样的场景：你在异国他乡的餐厅，看不懂菜单，只需对着眼镜轻声说一句“Ok Vision”，然后问“这上面写了什么？”，眼镜就会通过摄像头“看到”菜单，并由你指定的AI助手实时翻译并念给你听。或者，你在厨房手忙脚乱地揉面，想不起来下一步该放什么，直接开口问，AI不仅能告诉你步骤，还能根据你之前设定的偏好推荐替代食材。这些都不是科幻电影里的情节，而是通过OpenVision可以实现的日常操作。它的核心价值在于解耦与赋能：解耦了硬件厂商绑定的封闭生态，赋能用户自由选择最强大、最符合个人需求的AI服务，同时通过本地化的语音唤醒等机制，在便捷与隐私之间找到了一个巧妙的平衡点。
这个项目非常适合三类朋友：一是热衷于折腾智能硬件的极客，不满足于出厂设置，渴望深度定制；二是iOS开发者，尤其是对SwiftUI、实时音视频处理、硬件SDK集成感兴趣，想学习如何构建一个生产级应用；三是任何希望将AI能力更无缝、更私密地融入第一视角生活的普通用户。接下来，我将从一个实际构建者和使用者的角度，带你深入拆解OpenVision的方方面面，从设计思路、实操部署到避坑心得，让你不仅能复现，更能理解其背后的每一个技术决策。
2. 核心设计思路与架构解析
2.1 为什么是“双AI引擎”设计？
OpenVision最核心的设计决策，莫过于同时支持OpenClaw和Gemini Live两套AI后端。这绝非简单的功能堆砌，而是针对不同使用场景和用户偏好的深思熟虑。
OpenClaw模式更像一个“任务大师”。它基于WebSocket通信，其强大之处在于集成了超过56种可调用的工具（Tools），比如发送邮件、控制智能家居、创建日历事件、进行网页搜索等。当你通过唤醒词“Ok Vision”激活它，并提出一个复杂请求时，例如“提醒我明天下午三点给客户回电话，并把会议链接发到我邮箱”，OpenClaw能够理解你的意图，分解任务，并依次调用“创建提醒”和“发送邮件”这两个工具来完成。这种模式的隐私性相对更好，因为只有在检测到唤醒词后，语音才会被录制并发送。它的延迟通常在1-2秒，适合处理明确的指令和需要执行具体操作的任务。
Gemini Live模式则是一个“对话伙伴”。它利用了Google Gemini API原生支持实时音频流和低帧率视频流的能力。一旦启动，它会以大约1帧/秒的速度持续将眼镜摄像头捕捉的画面流式传输给Gemini，同时麦克风音频也是持续流式传输。这意味着你可以进行更自然、低延迟（约300-500毫秒）的连续对话，比如指着眼前的建筑问“这是什么风格？”，紧接着问“它建于哪一年？”，无需再次唤醒。这种模式的体验更接近电影《Her》中的交互，但代价是“始终在线”的聆听和视频流传输，对网络稳定性要求更高，且隐私考量需要用户自行权衡。
这种双引擎设计给了用户选择的权力：需要处理事务、调用外部服务时用OpenClaw；需要自然聊天、实时视觉问答时切换到Gemini Live。在架构上，这意味着应用内部需要维护两套独立的服务层（OpenClawService和GeminiLiveService），它们处理不同的协议、数据格式和生命周期，并通过一个统一的AIBackendManager来协调状态切换，确保同一时间只有一套后端处于活跃状态，避免资源冲突和逻辑混乱。
2.2 核心架构分层与职责
OpenVision的代码结构清晰地体现了现代iOS应用的分层思想。从上到下，我们可以这样理解：
表现层（Views）：完全采用SwiftUI构建，确保了声明式UI的简洁和实时响应。VoiceAgentView是主战场，负责显示对话气泡、语音波形可视化、唤醒词提示以及快速操作按钮（如拍照、设置）。SettingsView则是一个复杂的配置中心，以表单形式组织所有可调选项。这种结构让UI逻辑与业务逻辑得以分离。
服务层（Services）：这是应用的“肌肉”。每个服务都职责单一：
VoiceCommandService：核心中的核心。它利用iOS的SFSpeechRecognizer进行语音识别，并实现了一个简单的唤醒词检测器。当用户说出“Ok Vision”时，它开始录制音频并转成文本。这里的一个关键优化是“打断”（Barge-in）支持，即用户可以在AI说话时再次说出唤醒词来打断它，这需要精细的音频会话管理和状态协调。OpenClawService：负责与OpenClaw网关建立和维护WebSocket连接。它实现了指数退避的重连机制（最多尝试12次），确保网络波动时能自动恢复，这对移动应用至关重要。GeminiLiveService：处理与Gemini API的双向gRPC-WebSocket流。它管理音频的捕获（通过AVAudioEngine）、编码、发送，以及接收、解码和播放AI返回的音频流。视频流则通过Meta SDK获取图像帧，按1fps节奏打包发送。TTSService与AudioPlaybackService：前者在OpenClaw模式下，将AI返回的文本通过iOS系统TTS合成语音；后者在Gemini Live模式下，直接播放接收到的音频流数据。
管理层（Managers）：作为“大脑”，它们通常是单例，协调多个服务，并管理持久化状态。
GlassesManager：封装了Meta Wearables DAT SDK的所有交互。这是连接物理眼镜的关键，负责设备的发现、配对、连接状态监听、相机控制（拍照、开始/停止视频流）和音频路由设置。与Meta AI应用的OAuth授权流程也由它驱动。SettingsManager：使用UserDefaults或@AppStorage持久化所有用户设置。一个细节是，它可能对频繁的写入操作做了防抖（Debounce）处理，避免不必要的I/O损耗。ConversationManager：管理本地对话历史记录，可能使用Core Data或SQLite，以便用户回顾之前的交互。
基础设施层：依赖苹果的原生框架和Meta的SDK。AVFoundation处理所有底层音频视频的捕获与播放；Speech框架提供语音识别；Meta DAT SDK则是与眼镜硬件通信的唯一官方桥梁。
注意：整个应用大量使用了Swift的
@MainActor属性，将UI更新和核心状态管理都约束在主线程上。这避免了烦人的线程竞争条件，简化了并发编程模型，是SwiftUI和Swift Concurrency推荐的最佳实践。在阅读或修改代码时，你会发现大多数Service和Manager的类定义上都标有@MainActor。
3. 从零开始的详细部署与配置指南
纸上得来终觉浅，绝知此事要躬行。下面我将结合自己多次部署的经验，手把手带你完成OpenVision的搭建，并解释每一个步骤背后的原因。
3.1 环境准备与前期工作
首先，你需要准备好以下“食材”：
- 硬件：
- 一台运行macOS的Mac电脑（用于安装Xcode）。
- 一部iPhone或iPad，系统需iOS 16或更高版本。必须使用真机，因为模拟器不支持蓝牙，无法连接眼镜。
- 一副Meta Ray-Ban智能眼镜（确保电量充足）。
- 软件与账户：
- Xcode 15+：从Mac App Store安装最新版本。这是编译iOS应用的唯一官方工具。
- Meta开发者账户：前往Meta开发者网站注册。这是获取连接眼镜所需凭证（App ID和Client Token）的必经之路。
- AI后端二选一：
- OpenClaw：如果你希望拥有工具调用能力和更高的隐私控制，需要在你的服务器或本地机器上部署一个OpenClaw实例。这通常涉及Docker或直接运行其服务端代码。
- Google AI Studio API Key：如果你更看重低延迟的自然对话，需要去Google AI Studio创建一个项目并获取API密钥。注意确认Gemini API在你所在区域可用。
3.2 项目克隆与基础配置
打开终端，执行以下命令获取源代码：
git clone https://github.com/rayl15/OpenVision.git cd OpenVision/meta-vision进入项目目录后，你会发现有两个关键的配置文件模板需要复制并填写：
cp Config.xcconfig.example Config.xcconfig cp OpenVision/Config/Config.swift.example OpenVision/Config/Config.swift这里解释一下这两个文件的作用：
Config.xcconfig：是Xcode的构建配置文件。它包含了一些在编译时就需要确定的元数据，比如你的Apple开发者团队ID、应用包名（Bundle Identifier），以及从Meta开发者平台获取的凭证。这些信息会被注入到应用的编译环境中。Config.swift：是运行时的配置文件。它可能包含一些在应用启动时可以读取的默认设置或密钥，但根据项目描述，主要配置已移至Config.xcconfig，这个文件可能保留一些示例结构或备用配置。
3.3 获取并配置Meta开发者凭证
这是连接眼镜最关键也最容易出错的一步。
- 创建Meta应用：登录Meta开发者控制台，创建一个新的应用。应用类型选择“消费者”或“其他”即可。在应用设置中，找到“添加产品”或“功能”部分，添加“Wearables”（可穿戴设备）能力。
- 获取凭证：在应用仪表板中，你应该能找到：
- App ID：一串数字，这是你应用的唯一标识。
- Client Token：需要点击生成。特别注意格式：OpenVision要求Client Token必须是
AR|你的App_ID|生成的Token这种格式。例如，你的App ID是1234567890，生成的Token是abcdef123456789，那么最终的CLIENT_TOKEN值就应该是AR|1234567890|abcdef123456789。很多人在这一步直接复制了纯Token而忽略了AR|APP_ID|前缀，导致后续注册失败。
- 配置回调URL：你还需要在Meta开发者控制台配置一个“OAuth重定向URI”。这个URI的格式是：
openvision://auth（其中的openvision需要和你在Config.xcconfig中设置的APP_LINK_URL_SCHEME一致）。这用于在Meta AI应用授权完成后，能够跳转回你的OpenVision应用。
3.4 编辑Xcode构建配置
用文本编辑器打开Config.xcconfig文件，你会看到类似下面的内容：
// 你的Apple开发者团队ID，可以在Xcode的Accounts偏好设置或Apple开发者网站找到 DEVELOPMENT_TEAM = ABC123XYZ // 应用包名，必须是唯一的，通常使用反域名格式 PRODUCT_BUNDLE_IDENTIFIER = com.yourname.openvision // 从Meta开发者控制台获取的App ID META_APP_ID = 1234567890 // Client Token，格式必须为：AR|APP_ID|TOKEN CLIENT_TOKEN = AR|1234567890|abcdef123456789 // 自定义的URL Scheme，用于Meta AI回调，需与Meta后台配置的OAuth重定向URI匹配 APP_LINK_URL_SCHEME = openvision请务必将示例值替换成你自己的信息。其中DEVELOPMENT_TEAM的获取方法是：打开Xcode，进入Xcode -> Settings... -> Accounts，选中你的Apple ID，在团队列表中找到对应的团队名称，其右侧通常显示为一串10个字符的标识符。
3.5 编译、运行与眼镜配对
- 双击打开
OpenVision.xcodeproj文件。 - 在Xcode顶部的Scheme工具栏中，选择你的真机设备（如“iPhone of [Your Name]”），千万不要选任何模拟器。
- 点击运行按钮（或按
Cmd+R）。Xcode会将应用编译并安装到你的手机上。 - 首次打开OpenVision应用，你需要授予它麦克风、蓝牙等权限，这是正常操作。
- 进入应用的Settings -> Glasses -> Register。点击注册按钮，系统会提示你跳转到Meta AI应用。这是标准的OAuth授权流程，目的是让Meta AI应用将你的眼镜访问权限授予OpenVision。
- 在Meta AI应用中完成授权（通常需要登录你的Meta账户并确认权限）。
- 授权成功后，会自动跳转回OpenVision。如果一切顺利，Glasses设置页面会显示眼镜已连接的状态。
实操心得：第一次配对时，确保手机蓝牙已打开，且眼镜已开机并与手机通过蓝牙配对（在iOS系统设置中完成）。有时跳转回OpenVision后状态没有立即更新，可以尝试退出应用重新进入，或者去系统设置里检查OpenVision的蓝牙权限是否被误关闭。
3.6 配置AI后端
眼镜连接成功后，就可以为应用注入“灵魂”——AI大脑了。
配置Gemini Live：
- 进入Settings -> AI Backend，选择“Gemini Live”。
- 点击“Gemini Settings”，在弹出的界面中，粘贴你从Google AI Studio获取的API密钥。
- （可选）你还可以设置“Custom Instructions”（自定义指令），给AI一个固定的角色设定，比如“你是一个简洁高效的助手”；或者设置“Memories”（记忆），存储一些上下文信息，如“我的名字是张三”。
配置OpenClaw：
- 确保你的OpenClaw服务端已经在运行，并知道它的WebSocket网关地址（例如，如果OpenClaw运行在你的本地电脑上，并且手机和电脑在同一网络，地址可能是
wss://192.168.1.100:18789）。 - 在OpenVision的AI后端设置中选择“OpenClaw”。
- 点击“OpenClaw Settings”，填入网关URL和认证令牌（如果OpenClaw服务端设置了的话）。
至此，一个完全由你掌控的智能眼镜AI助手就配置完成了。你可以回到主界面，尝试说“Ok Vision”来唤醒它了。
4. 深度使用技巧与场景化实战
配置好只是开始，真正发挥其威力在于如何使用。下面我分享一些进阶使用技巧和具体场景下的操作实录。
4.1 两种模式的场景化切换策略
不要将OpenClaw和Gemini Live视为非此即彼的选择，而应视作可以随时切换的两种工具。我的日常使用策略如下：
- 通勤与户外探索（首选Gemini Live）：走在街上，看到不认识的植物或建筑，直接说“Ok Vision, start video streaming”，进入Gemini Live模式。然后就可以像和朋友聊天一样连续提问：“这是什么树？”“它有什么特点？”“秋天叶子会变颜色吗？”低延迟的连续对话体验非常流畅。问完后，说“Stop video”切回OpenClaw模式以节省流量和电量。
- 工作与任务处理（首选OpenClaw）：在办公室或家里，需要处理具体事务时。例如，看到一封需要稍后处理的邮件，可以说“Ok Vision, 创建一个今晚8点‘回复某某邮件’的提醒”。或者做饭时说“Ok Vision, 计时15分钟”。OpenClaw的工具调用能力在这里大放异彩。
- 隐私敏感场合：在会议室或公共场合，我会确保只使用OpenClaw模式，并依赖“唤醒词”激活。这样只有在我明确说出“Ok Vision”后，对话才会开始，避免误触发或隐私泄露。
4.2 语音指令的精确使用
除了默认的“Ok Vision”，理解整个语音交互的流程能让你用得更得心应手：
- 唤醒阶段：说出“Ok Vision”后，你会听到一声提示音（如果设置中开启），同时界面上的波形图开始跳动，表示它在聆听。此时背景噪音应尽量小。
- 指令输入：清晰地说出你的问题或命令。对于复杂指令，可以稍作停顿，但不要过长，因为有一个“对话超时”时间（可在设置中调整，默认30秒），静默超时后会话会自动结束。
- 打断机制：这是非常实用的功能。当AI正在回答一个冗长的问题时，如果你突然想到了新问题或它理解错了，可以直接说“Ok Vision stop”，它会立即停止说话并重新进入聆听状态，你可以马上说出新指令。这比等待它说完再唤醒体验好得多。
- 拍照与分析：直接说“Take a photo”或“What do you see?”，眼镜会拍摄一张当前视角的照片，并发送给AI进行分析描述。这对于识别物体、阅读文档非常有用。
4.3 网络与连接稳定性优化
智能眼镜应用高度依赖网络，尤其是Gemini Live的持续流传输。
- Wi-Fi与蜂窝数据切换：OpenVision内置了网络监控。当检测到Wi-Fi断开时，它会自动暂停Gemini Live的流传输（如果是活跃状态），以避免消耗蜂窝数据。但OpenClaw的WebSocket连接可能会尝试重连。在移动中使用时，建议保持Gemini Live模式的谨慎使用。
- OpenClaw的重连逻辑：如果OpenClaw服务器因为网络波动重启，客户端（即OpenVision）会尝试自动重连。其策略是“指数退避”，即第一次断开后等待1秒重试，第二次等待2秒，第三次4秒，以此类推，最多尝试12次。这既能快速恢复短时中断，又不会在服务器长时间故障时过度消耗电量。
- 后台连接管理：当应用退到后台或手机锁屏时，为了省电，音频和网络连接可能会被系统挂起。OpenVision的处理逻辑是：在应用进入后台时，主动暂停或断开AI连接；当应用回到前台时，再根据之前的状态尝试恢复。这需要你在
AppDelegate或SceneDelegate中正确处理生命周期事件。
5. 常见问题排查与开发者调试指南
即使按照步骤操作，也难免会遇到问题。下面是我在开发和测试过程中遇到的一些典型问题及其解决方法，整理成排查清单。
5.1 眼镜连接与注册问题
| 问题现象 | 可能原因 | 排查步骤与解决方案 |
|---|---|---|
| 点击“Register”无反应或无法跳转Meta AI | 1. Meta AI应用未安装。 2. URL Scheme配置错误。 3. Meta开发者后台OAuth配置错误。 | 1. 确认手机已安装Meta AI应用并已登录Meta账户。 2. 检查 Config.xcconfig中的APP_LINK_URL_SCHEME是否与Meta后台配置的Redirect URI前缀一致（例如都设为openvision）。3. 在Meta开发者后台检查“OAuth重定向URI”是否精确设置为 openvision://auth。 |
| 跳转Meta AI授权后，无法跳回OpenVision | 1. URL Scheme未在Xcode中正确配置。 2. 应用Bundle ID不匹配。 | 1. 在Xcode中，选中项目Target -> Info -> URL Types，确保添加了一个URL Scheme，其Identifier和Scheme字段都与APP_LINK_URL_SCHEME的值一致。2. 确保Meta后台配置的OAuth URI中使用的Bundle ID与 PRODUCT_BUNDLE_IDENTIFIER完全一致。 |
| 授权成功返回后，仍显示“未连接” | 1. 蓝牙权限未授予。 2. GlassesManager状态未刷新。 3. 眼镜蓝牙未与手机配对。 | 1. 前往手机“设置”->“隐私与安全性”->“蓝牙”，确保OpenVision在列表中且开关已打开。 2. 尝试完全关闭OpenVision应用，再重新打开。 3. 进入手机系统设置->蓝牙，查看Ray-Ban眼镜是否在“我的设备”中并已连接。尝试忽略此设备，重新让眼镜进入配对模式，用系统蓝牙重新配对。 |
5.2 AI后端服务连接问题
| 问题现象 | 可能原因 | 排查步骤与解决方案 |
|---|---|---|
| OpenClaw模式一直显示“连接中”或“断开” | 1. OpenClaw服务器未运行。 2. 网络防火墙阻止了WebSocket连接。 3. 网关URL或Token错误。 4. 证书问题（使用wss://时）。 | 1. 在运行OpenClaw的机器上，检查服务进程是否正常监听端口（默认18789）。 2. 检查手机和服务器是否在同一网络，或服务器端口是否对手机IP开放。 3. 仔细检查Settings中填写的网关URL（如 wss://your-server.com:18789）和认证Token。4. 如果使用自签名证书，iOS默认不信任。考虑在开发阶段暂时使用 ws://（非安全），或将证书添加到iOS的信任存储（较复杂）。 |
| Gemini Live模式无法启动，报API密钥错误 | 1. API密钥无效或过期。 2. 所在区域不支持Gemini API。 3. 网络问题导致无法访问Google服务。 | 1. 重新登录Google AI Studio，确认API密钥已启用且未设置过严的使用限制（如IP限制）。复制时注意不要包含多余空格。 2. 使用浏览器访问Google AI Studio，确认功能可用。部分地区可能受限。 3. 检查手机网络，尝试切换Wi-Fi/蜂窝数据。 |
| Gemini Live模式有视频但无音频，或反之 | 1. 音频会话（Audio Session）配置冲突。 2. 麦克风/扬声器权限问题。 3. 眼镜音频路由错误。 | 1. 检查AudioCaptureService和AudioPlaybackService中AVAudioSession的配置，确保类别（如.playAndRecord）和模式设置正确，且没有与其他音频应用冲突。2. 确认应用已获得麦克风权限，且系统音量未静音。 3. 在iOS控制中心或设置->蓝牙中，确认音频输出设备已选择为Ray-Ban眼镜。 |
5.3 音频与语音识别问题
| 问题现象 | 可能原因 | 排查步骤与解决方案 |
|---|---|---|
| 唤醒词“Ok Vision”无法唤醒 | 1. 唤醒词检测灵敏度问题。 2. 环境噪音过大。 3. 语音识别权限未开启。 | 1. 在安静环境下清晰、匀速地说出唤醒词。目前版本使用的是简单的关键词匹配，对发音和节奏有一定要求。 2. 尝试在Settings中暂时关闭“Wake Word”，改为手动点击按钮触发录音，测试基础语音识别是否正常。 3. 前往手机设置->OpenVision，确保“麦克风”和“语音识别”权限已开启。 |
| 语音识别结果错误率高 | 1. 非标准口音或语速过快。 2. 麦克风被遮挡或质量差。 3. 网络延迟导致STT服务效果差。 | 1. 尝试放慢语速，发音清晰。iOS的语音识别对标准普通话和英语支持较好。 2. 确保眼镜的麦克风孔未被头发或衣物遮挡。Ray-Ban眼镜有多个波束成形麦克风，正常佩戴时效果最佳。 3. OpenClaw模式使用Apple的本地语音识别，一般很快。Gemini Live使用Google的云端识别，受网络影响较大。 |
5.4 开发者调试技巧
如果你是开发者，想要深入定制或排查问题，以下工具和技巧非常有用：
- Xcode控制台日志：运行应用时，在Xcode底部查看控制台输出。OpenVision的关键服务（如连接状态、音频会话、网络请求）都应该有详细的日志输出。利用
os.log或print语句添加你自己的日志。 - 网络调试代理：对于排查OpenClaw或Gemini的WebSocket通信问题，可以使用Proxyman或Charles这类工具。在手机上配置代理，可以捕获所有网络请求和响应，查看具体的连接建立过程、发送的数据和错误信息。
- 音频问题调试：使用Xcode的Debug View Hierarchy工具，可以检查音频单元图。更直接的是，在代码中
AVAudioEngine启动前后添加断点，检查inputNode和outputNode的状态，以及是否有错误抛出。 - 真机设备控制台：对于无法在Xcode运行时复现的问题（比如后台状态下的崩溃），可以连接手机到Mac，打开Console应用（位于
/Applications/Utilities/），选择你的设备，过滤进程名为“OpenVision”，查看实时的系统级日志，这能发现许多底层错误。
6. 项目扩展与自定义开发思路
OpenVision作为一个开源项目，提供了极佳的定制起点。以下是一些可能的扩展方向和个人实践思考：
1. 集成更多AI后端目前支持OpenClaw和Gemini，但架构设计上，添加新的AI后端是模块化的。你可以仿照OpenClawService和GeminiLiveService，创建一个新的Service类，实现特定的协议（如连接、发送、接收）。然后更新AIBackendManager，将其纳入选择。例如，可以集成开源的本地大模型（如通过Ollama部署的Llama），实现完全离线的AI功能，这对隐私要求极高的用户是终极方案。
2. 增强本地语音唤醒目前的唤醒词检测相对基础。可以考虑集成更强大的本地语音唤醒库，如Porcupine（Picovoice开源），它支持自定义唤醒词训练，且完全在设备端运行，无需网络，唤醒准确率和响应速度会大幅提升。这需要处理音频数据的实时处理和模型推理。
3. 开发自定义工具（Skills）如果你使用OpenClaw，其最大的魅力在于工具扩展。你可以为OpenClaw编写自定义的工具（Skill），然后在OpenVision中通过自然语言调用。例如，写一个工具连接你的智能家居系统（如Home Assistant），这样你就可以通过眼镜说“Ok Vision，打开客厅的灯”。这需要你熟悉OpenClaw的Skill开发框架。
4. 优化UI/UX当前的SwiftUI界面已经很清晰，但仍有优化空间。例如：
- 为对话历史添加搜索和分类功能。
- 在主界面增加一个“快捷命令”面板，将常用指令（如“拍照”、“开始视频流”、“查询天气”）做成按钮，方便在嘈杂环境或不想说话时使用。
- 增加更丰富的设置项，如语音识别语言选择、TTS语音风格选择、唤醒词自定义等。
5. 数据持久化与同步目前对话历史可能只存储在本地。可以考虑使用CloudKit或iCloud Drive实现跨设备同步，这样在iPhone和iPad上都能看到完整的交互记录。同时，可以对设置进行加密存储，提升安全性。
在扩展开发时，请牢记项目的核心架构模式：单一职责的服务、主线程隔离的管理器、响应式的SwiftUI视图。遵循这些模式能让你的代码更容易维护和集成。例如，添加一个新功能时，先思考它应该属于哪个服务（Service），还是需要新建一个管理器（Manager），或者仅仅是一个视图组件（View）。保持代码的清晰分层，是这个项目长期健康发展的关键。
最后，参与开源社区的最佳方式就是遇到问题先查Issues，尝试自己解决并理解原理。如果发现了bug，或者成功实现了某个新功能，不妨按照项目README中的贡献指南，提交一个Pull Request。你的经验很可能帮助到成千上万有着相同需求的用户。毕竟，让智能设备真正为我们所用，而不是被其束缚，正是开源精神与极客文化的魅力所在。