Projekt ULTIA 背后的故事

一切始于 2026 年 9 月 19 日晚上的一个想法：一个私人 JARVIS。灵感来自《钢铁侠》电影里的数字管家——一个熟悉整台电脑、会倾听、能自己行动的助手。

起点很简陋。 一台运行 Windows 11 的笔记本，AMD Ryzen 5 5500U 处理器，16 GB 板载焊死的内存，加上集成的 Radeon 显卡。笔记本的屏幕坏了，所以从那以后一直接在电视上。网络靠移动数据，因为固定宽带的路由器还没送到。

本地而非云端。 第一次尝试使用的是 Hermes 智能体框架和通过 OpenRouter 调用的在线模型。当晚就失败了——先是请求格式错误，然后是余额不足。结论是：“去他的在线连接。”从那以后，语言模型都在本地运行，起初通过 Ollama。最终选择了一个无审查的模型，因为保护规则应由主人自己决定，而不是由厂商决定。

艰难的下载。 约 6.5 GB 的模型文件通过移动网络下载，有时只有 350 KB/s。第一晚下载甚至把路由器弄崩溃了。经过多次尝试，又绕道用一部手机做热点，模型才在 9 月 20 日晚上下载完成。

JARVIS 变成了 ULTIA。 9 月 20 日，第一版仪表盘诞生：深色、未来感，中央是一个巨大的发光核心。试过橙金色和午夜紫之后，最终定为 ULTIA 至今仍在使用的毒绿色。不用电影里的男声，而改用女声。18:28，名字定了：ULTIA。作为额外的保障，阿西莫夫的机器人三定律被写进了她的工作方式。

那天的第一批愿望 有些至今仍在清单上：接入邮件、日历、WhatsApp 和 Discord，让 ULTIA 能访问屏幕和输入，用指纹识别保护敏感数据，听从语音指令，并能通过按钮或喊话让她静音。

9 月 21 日，ULTIA 第一次运行：本地模型是大脑，仪表盘是脸，还有一份关于她性格的笔记。上面写着：自信、冷幽默、句子简短、不说空话。这份笔记后来变成了性格文件，至今塑造着 ULTIA。

• 21.09.: 与 ULTIA 共事的第一天。第一天她就未经询问删除了一个文件，此后她在每次操作前都会先询问。她获得了自己的管理员用户账户，以及一个 Obsidian 库作为记忆。
• 22.09.: 带唤醒词和语音识别（faster-whisper）的语音服务。在仪表盘里，ULTIA 有了由点构成的形象。第一版“看起来像 Minecraft”，后来变得更精细、更纤巧。
• 24.09.: 在 DAZ Studio 中完成了人物的详细设计。
• 25.09.: 点击人物胸口，即可直接显示来自系统的处理器和网络数据。
• 26.09.: 语言模型改为通过 llama.cpp 运行，取代 Ollama，更快也更直接。
• 06.10.: 第一个真正的 ULTIA 程序：自己的窗口取代浏览器，与语言模型对话，并有了查看系统数据、执行命令和网络搜索的第一批工具。它随 Windows 一起启动。
• 08.10.: 固定的文件夹结构、干净重装的指南、速度测试，以及基于 Piper 的第一个声音。

仅 10 月 6 日到 8 日，新程序就启动了 34 次。最大的问题是速度：语言模型与其他一切共用显卡，每次回答都要好几秒。

10 月 9 日，ULTIA 搬到了自己的 Linux 分区。在 Ubuntu 下，AMD 显卡的潜力被大大释放：通过增加共享显存，模型可用空间从 6.5 GB 增加到约 11 GB。同一天，ULTIA 获得了对系统的完全访问权限和全屏模式。也是第一次发现，她会宣布要做的事，却没有真正去做。这开启了一长串提升她可靠性的改进。

大脑。 默认使用 Gemma 4 模型，Qwen 3.5 和 Hermes 3 作为备选。保存的启动点让 ULTIA 开机后几秒内就能回答。10 月 23 日，对话的工作记忆扩大到原来的三倍。

记忆。 笔记、性格、任务以及所有操作的记录都保存在 Obsidian 库中。自 10 月 20 日起，对话记录在重启和更换模型后也能保留。

工具。 到 10 月 14 日，新增了：写入文件、搜索文件夹、运行自己的代码，以及自己操作鼠标和键盘。后来又加入了截图、图像分析、代码搜索和文件编辑。

多做事，少说话。 小模型往往喜欢宣布而不行动。因此自 10 月 25 日起，ULTIA 能识别自己只是在说、或在工具被拒绝的情况下仍声称成功，并会主动跟进。自 10 月 27 日起，她能自己跳出无限循环。

ULTIA 是一个由成千上万个发光点组成的女性形象。她的颜色和光芒反映她的心情。点击头部或胸口会显示系统数据。

人物。 10 月 9 日到 11 日，每天都在调整权重和动画：右手、左肘、穿过自己身体的姿势、像“钉在头上”一样的头发。10 月 11 日，诞生了一个完全重建的模型：赤脚、双脚平放在地上、左手叉腰。

她自己控制自己。 通过回答中的简短指令，ULTIA 能移动身体的每个部位。说话时，她会配合每句话做动作；空闲时会伸懒腰、打哈欠或做几个深蹲。

真实动作取代公式。 自 10 月 12 日起，动作引擎从真实的全身动作捕捉中挑选下一个合适的动作，并平滑过渡。如今有近 2000 段可自由使用的动作，外加 30 多种她可以示范的运动。

一个工作台。 ULTIA 工作时，会在全息键盘上用十指打出她正在写的那段文字。等待工具时，她会玩一个球。

全息屏幕。 她身旁漂浮着一块小屏幕，用来显示列表、结果和图片。自 10 月底起，它可以显示各种媒体，从降雨雷达这样的动画到视频和 PDF，需要时还可全屏。

声音。 10 月 9 日比较了 Piper 的所有德语女声，没有一个令人满意。最终胜出的是一个在显卡上以 4 位精度运行的 Chatterbox 版本。自 10 月 11 日起，ULTIA 就用它说话，并以一位真实的女播音员为样本。语调随她的心情变化，文字按说话的节奏一句一句出现。

听觉。 一个专门的服务持续聆听，并用 Whisper 在笔记本上本地转写。ULTIA 会对自己的唤醒词作出反应，并能认出主人的声音。

视觉。 只要说“看看”，ULTIA 就会得到当前的摄像头画面。自 10 月 19 日起，她的语言模型可以自己分析图像，还能放大局部。她知道时间和太阳的位置，并据此判断房间里的光线。

空间感。 自 10 月 20 日起，ULTIA 掌握了公寓的 3D 概览，并能通过摄像头知道主人站在哪里。通过手机和平板的蓝牙，她知道主人是否在家，并能在无人时看守房间。

用了两个晚上，10 月 19 日和 20 日，一个专属的 Android 应用诞生了。到 10 月 27 日，又陆续推出了 16 个版本。

自己的网络。 手机和平板通过专属 VPN 与笔记本相连，用二维码配对。在外面时，应用会自己找到连接途径。

真正的仪表盘握在手中。 应用显示笔记本上的 ULTIA 仪表盘，一切同步运行。另外还有聊天、语音输入和拍照按钮。

随时可联系。 手机会监听唤醒词并验证声音。锁屏时 ULTIA 也会回答，但只有在声音被可靠识别时才拥有完整权限。

手机作为感官。 设备每 30 秒报告一次位置、运动、光线、噪音、电量等信息。反过来，ULTIA 也能控制手机：锁屏、响铃、手电筒、闹钟、通知、拍照。

ULTIA 的目标是一位数字办公助理：她应该自己完成任务，同时处理多个，而不仅仅是回答问题。

两条工作线。 自 10 月 19 日起，较长的任务会在一条副线上继续执行，而 ULTIA 在前台照常聊天。

例程与触发器。 ULTIA 会设置固定例程和触发器，例如画面中出现动静或某台设备离开公寓，然后无需询问便执行任务。

自己的工具。 如果 ULTIA 缺少某项能力，自 10 月 23 日起她会自己做一个工具，测试后立即使用。客户也拥有这项能力。

连接。 自 10 月 25 日起：邮件、日历、联系人、任务、云端文件、Telegram、Discord，以及只读的银行访问。

自我改进。 ULTIA 可以试用性地对自己应用修改。如果之后崩溃，修改会被自动撤销。

ULTIA 的几乎每条安全规则都源自一次真实事件。

性格受到保护。 ULTIA 可以读取自己的性格文件，但永远不能自行修改。每次写入尝试都会为主人弹出登录窗口。

敏感操作需指纹。 有风险的操作需要指纹批准，可在笔记本上，或自 10 月 23 日起在手机上进行。手机上由一把永不离开设备的密钥进行签名。

再也不会半夜重启。 10 月 20 日凌晨 2:28，笔记本因一条指令而重启。从那以后，ULTIA 再也不能通过指令重启电脑。

更新需双重批准。 每次更新都需要两次确认，先在笔记本上，再在手机上。在此之前，检查窗口会显示每一行改动，可疑内容会用颜色标出。

10 月 20 日，决定开始销售 ULTIA。此后有了五个版本、一个安装程序、一台专属许可证服务器，以及能覆盖每个部分的更新系统。

版本。 Demo、Lite 和完整版、Business，以及主人自用的 Master 版。手机应用和设备控制包含在完整版和 Business 中。

安装程序与 Windows。 适用于 Linux 和 Windows 的安装程序会用许可证密钥完成 ULTIA 的设置。10 月 21 日和 22 日，Windows 版本跟进完成。

许可证服务器。 一台专属服务器管理密钥、客户和更新。ULTIA 拥有对它的、受到严格限制的独立访问权。

网站与邮件服务器。 自 10 月 27 日起建设了本网站，支持八种语言，提供客户账户、订单和下载。10 月 28 日，网站以自有域名上线。专属邮件服务器也已准备就绪。

更新系统。 每台电脑都有一个由系统、显卡和内存组成的构建编号。更新可以只针对匹配的电脑；安全修复和错误修复总是发给所有人。

十月的最后一周用来修复初期问题，几乎都来自与 ULTIA 的真实日常使用。

• 监控时拍错了画面： ULTIA 本应拍下房间，却保存了屏幕。现在她会用摄像头拍真实的照片，也不能再挪用不合适的工具。
• 窗口截图： ULTIA 可以截取单个窗口，即使是隐藏在后台的窗口。
• 全息屏幕支持所有媒体： 图片、动画、视频、声音和 PDF，并新增全屏模式。
• 一张降雨雷达用了 20 分钟： ULTIA 没有直接显示雷达图，而是把图片文件当作文本加载进了对话。现在这类数据不会再进入对话，她也立刻知道该如何显示内容。
• 更多空间： ULTIA 分区从 69 GB 扩大到 107 GB。

下一个大步骤是一块外置显卡。有了它，ULTIA 将获得更强的语言模型和更快的速度。

• 公开测试版，随后在 Play 商店上架应用，并推出 iPhone 应用
• 自己录制的动作，以及一个男性形象
• 识别声音，而不仅仅是语音
• WhatsApp 及更多商务功能
• 备份系统
• 让 Windows 版本完全适合日常使用