1. 本地模式：选择 gguf 模型后，启动本地的 llama-server 程序并默认开放端口8080，也可以网页访问。

2. 链接模式：填写 endpoint/key/model 切换到远端模型，使用 OpenAI 兼容接口（/v1/chat/completions）。

1. 对话状态

   • 在输入区输入聊天内容，模型进行回复

   • 可以使用挂载的工具

   • 可以按f1截图，按f2进行录音，截图和录音会发送给多模态或whisper模型进行相应处理

2. 补完状态

   • 在输出区键入任意文字，模型对其进行补完

    在系统指令中附加“工具协议”，指导模型以 <tool_call>JSON</tool_call> 发起调用；
    推理结束后自动解析工具请求，执行并把结果以 "tool_response: ..." 继续发送，直至没有新请求。

1. 计算器

   • 模型输出计算公式给计算器工具，工具将返回计算结果

   • 例如：计算888*999

   • 调用难度：⭐

2. 鼠标键盘

   • 模型输出行动序列来控制用户的鼠标和键盘，需要模型拥有视觉才能完成定位

   • 例如：帮我自动在冒险岛里搬砖

   • 调用难度：⭐⭐⭐⭐⭐

3. 软件工程师

   • 类似 Cline 的自动化工具执行链（execute_command/read_file/write_file/edit_file/list_files/search_content/MCP…）。

   • 例如：帮我构建一个cmake qt的初始项目

   • 调用难度：⭐⭐⭐⭐⭐

4. 知识库

   • 模型输出查询文本给知识库工具，工具将返回三条最相关的已嵌入知识

   • 要求：先在“增殖-知识库”上传文本并构建（启动嵌入服务 → /v1/embeddings 逐段入库）。

   • 例如：请问机体有哪些功能？

   • 调用难度：⭐⭐⭐

5. 文生图

   • 模型输出绘画提示词给文生图工具，工具将返回绘制好的图像

   • 要求：用户需要先在增殖窗口配置文生图的模型路径，支持sd和flux模型

   • 例如：画一个女孩

   • 调用难度：⭐⭐

6. MCP工具

   • 通过MCP服务，获取到外部丰富的工具

   • 说明：挂载工具后需要前往增殖窗口配置MCP服务

   • 调用难度：⭐⭐⭐⭐⭐

技能为机体在约定框架下引入的可插拔能力包。通过该机制，指挥员可在不改动主程序的情况下，为驾驶员注入特定场景的工作流程、模板与脚本指令。 具体可参考EVA_SIKLLS目录下的示例技能。

• 规范约束：挂载软件工程师工具后，将技能文件夹压缩成zip文件，可拖入技能区进行导入。每个技能都必须提供 SKILL.md，文件以 YAML frontmatter 描述 name、description、license 等元数据，正文给出操作步骤、输入输出格式、注意事项。EVA 在解析时严格依赖这些字段，缺失将直接拒绝导入。

• 介绍：在 本地模式 + 对话状态 下可以挂载视觉模型，视觉模型一般名称中带有mmproj，并且只和特定的模型相匹配。挂载成功后用户可以选择图像进行预解码，来作为模型的上文

• 激活方法：在设置中右击“挂载视觉”选择 mmproj；拖拽/右击上传/按 F1 截图后，点击“发送”进行预解码，再进行问答。

• 介绍：借助whisper.cpp项目将用户的声音转为文本，也可以直接传入音频转为字幕文件

• 激活方法：右击状态区打开“增殖-声转文”，选择 whisper 模型路径；回到主界面按 F2 开始/结束录音，结束后自动转写回填输入框。

• 介绍：借助windows系统的语音功能将模型输出的文本转为语音并自动播放，或者可以自己配置outetts模型进行文转声

• 激活方法：右击状态区打开“增殖-文转声”，选择系统语音或 OuteTTS+WavTokenizer 并启动。

• 可以右击状态区弹出增殖窗口，在模型量化选项卡中对未经量化的fp32、fp16、bf16的gguf模型进行量化

• 本地对话状态下，挂载视觉后，可设置监视帧率；随后会自动附带最近 1 分钟的屏幕帧到下一次发送。

1. 配置环境

   • 安装编译器 windows可以用msvc或mingw，linux需要g++或clang

   • 安装Qt5.15库 https://download.qt.io/

   • 安装cmake https://cmake.org/

2. 克隆源代码

   git clone https://github.com/ylsdamxssjxxdd/eva.git

3. 编译

   cd eva
   cmake -B build -DBODY_PACK=OFF
   cmake --build build --config Release -j 8

   • BODY_PACK：是否需要打包的标志，若开启，windows下将所有组件放置在bin目录下；linux下将所有组件打包为一个AppImage文件，但是依赖linuxdeploy等工具需要自行配置

4. 后端准备

   • 从上游或第三方获取已编译的推理程序。
   • 也可以在nerv项目中获取所有三方源码自行编译 git clone https://github.com/ylsdamxssjxxdd/nerv.git
   • 按中央教条放置第三方程序：EVA_BACKEND/<架构>/<系统>/<设备>/<项目>/，例如：
   • EVA_BACKEND/x86_64/win/cuda/llama.cpp/llama-server(.exe)
   • 架构：x86_64、x86_32、arm64、arm32
   • 系统：win、linux
   • 设备：cpu、cuda、vulkan、opencl（可自定义扩展）
   • 项目：如 llama.cpp、whisper.cpp、stable-diffusion.cpp
   • 运行时 EVA 仅在本机同架构目录下枚举设备并查找可执行文件，并自动补全库搜索路径（Windows: PATH；Linux: LD_LIBRARY_PATH）。

5. 打包分发（解压即用）

   • 将可执行（build/bin/eva[.exe]）、同级目录 EVA_BACKEND/、必要 thirdparty 与资源、以及可选 EVA_MODELS/ 一并打包；
   • 目录示例：
     • EVA_BACKEND/<arch>/<os>/<device>/llama.cpp/llama-server(.exe)
     • EVA_BACKEND/<arch>/<os>/<device>/whisper.cpp/whisper-cli(.exe)
     • EVA_BACKEND/<arch>/<os>/<device>/llama-tts/llama-tts(.exe)
     • EVA_MODELS/{llm,embedding,speech2text,text2speech,text2image}/...
   • 程序首次启动会在同级目录创建 EVA_TEMP/，用于保存配置、历史与中间产物。