Emily

服务器部署版个人 AI 电台 / AI DJ 播放器项目说明

说明：当前仓库仅包含 3 张项目截图。本文档一方面整理截图中能确认的产品与架构信息，另一方面合并当前已确认的第一版开发决策。当截图设想与当前计划冲突时，以“第一版范围”和“部署与访问方式”章节为准。

项目简介

Emily 是一个围绕“个性化音乐陪伴”构建的 AI 电台系统。它不只是一个播放器，而是一个能够理解用户口味、结合环境信息、自动挑选音乐并生成串场语音的 AI DJ。

项目的核心目标，是把以下几类信息整合到一次完整的听歌体验中：

• 用户长期口味与收藏歌单
• 用户当下情境，例如时间、天气、日程和状态
• 音乐检索、推荐与播放能力
• 语音合成与 AI 主持词生成能力
• Web / PWA 播放器与服务端协同能力

最终呈现出来的效果，是一个会“播歌 + 说话 + 解释为什么播这首歌”的私人电台。

第一版范围

当前已经确认的第一版范围如下：

• 项目名称确定为 Emily
• 部署目标是公网服务器，而不是仅在本地运行
• 前端形态优先选择 Web App，并保留升级为 PWA 的空间
• 用户通过浏览器访问子域名使用系统，例如 https://emily.example.com
• 前端与后端采用同域部署，对外 API 路径使用 /api/*
• 实时状态同步使用 WebSocket，路径建议为 /stream
• 正式环境使用 HTTPS
• 第一版暂不做家庭音响控制，也不做 UPnP
• 第一版音频直接在浏览器中播放

产品定位

Emily 更适合被理解为一个“个人 AI 电台”系统，而不是传统意义上的音乐播放器。

与普通播放器相比，它强调：

• 从“点播”转向“编排”：不仅播放歌曲，还决定播放顺序与上下文
• 从“推荐算法”转向“可解释陪伴”：不仅推荐音乐，还给出语言化的过渡和理由
• 从“单一播放”转向“AI 主持体验”：让音乐、串场文案、语音播报形成连续节目感

核心体验

• 根据用户口味与历史歌单，自动挑选适合当前场景的歌曲
• 结合天气、时间、日程等信息，为音乐选择生成语义上的理由
• 通过 TTS 生成类似电台主持人的串场语音
• 在 Web / PWA 播放器中展示当前歌曲、AI 文案和时间轴
• 在手机或电脑浏览器中直接播放音频

第一版系统总览

从截图和当前规划综合来看，Emily 第一版可以归纳为三层：

1. 播放器前端
2. Node.js 应用服务
3. 多个外部 API / 能力服务

其中：

• 播放器前端负责展示与交互
• Node.js 应用服务负责调度、拼装上下文、调用模型和执行动作
• 外部 API 负责提供音乐、语音、天气、日程等能力

与截图中“本地服务器”的表达不同，当前第一版计划将这套服务部署到服务器上，对外提供统一的 HTTPS 访问入口。

部署与访问方式

第一版推荐采用“单子域名、同域前后端”的部署方案：

• 前端入口：https://emily.example.com
• 后端 API：https://emily.example.com/api/*
• 实时连接：wss://emily.example.com/stream

推荐部署形态：

• Nginx 或 Caddy 作为反向代理和 HTTPS 终止层
• 前端静态资源由反向代理直接分发
• Node.js 服务运行在内网端口，例如 127.0.0.1:3000
• /api/* 和 /stream 由反向代理转发给 Node.js

这样做的好处：

• 前后端同域，避免第一版就处理复杂的 CORS
• 部署结构清晰，适合快速迭代
• 浏览器、手机和平板都能直接访问
• 方便后续升级为 PWA

协议建议：

• 本地开发环境：http://localhost
• 正式环境：https://emily.example.com

架构图

flowchart TB
    U["用户画像与规则<br/>taste.md / routines.md / playlists.json / mood-rules.md"]
    FE["播放器前端<br/>Web App / PWA / Mobile First"]
    RP["反向代理<br/>Nginx / Caddy / HTTPS"]
    S["应用服务<br/>Node.js / router / context / state / tts"]
    B["AI 编排层<br/>OAI-compatible Model / JSON 输出"]
    M["音乐能力<br/>NeteaseCloudMusicApi"]
    V["语音与环境信息<br/>Fish Audio / Feishu / Weather"]

    FE --> RP
    RP --> S
    U --> S
    S --> B
    S --> M
    S --> V
    S --> FE

Loading

模块拆解

1. Player / Web App / PWA

前端播放器是用户直接接触的界面，截图中表现为移动端风格的卡片式播放器。

第一版主要职责：

• 展示当前播放歌曲、艺人、进度、波形等信息
• 展示 AI 串场文案或实时字幕
• 提供播放、暂停、切歌等交互
• 通过 HTTP 或 WebSocket 与后端同步状态

当前建议：

• 首先实现 Web App
• 设计上移动端优先
• 后续再补 PWA 能力

2. Server / Node.js

Node.js 服务是整个系统的编排中心。

主要职责：

• 接收来自前端或定时任务的触发
• 组装用户画像、环境信息、历史记录和系统提示词
• 调用通用模型接口获取结构化决策结果
• 按决策调用音乐、TTS、天气、日程等服务
• 维护当前状态与记忆

它在整个系统中相当于“导演台”或“中控台”。

3. BRAIN / OAI Model Gateway

模型编排层在系统中承担“大脑”角色，负责理解上下文并给出高层决策。第一版不直接绑定具体模型供应商，而是通过 OAI-compatible HTTP API 调用模型。

从截图可推断，它的输出不是直接给用户看的自然语言，而更像是结构化结果，例如：

• 是否要讲话
• 说什么
• 播放哪首歌
• 是否需要切换队列
• 是否需要执行某个序列动作

截图里可见的输出字段包括：

• say
• play[]
• reason
• segue

这意味着模型更像“节目编排器”，而不仅是文案生成器。业务层只依赖模型网关抽象，后续可以替换为 OpenAI、兼容 OpenAI 协议的网关或本地模型服务。

4. MUSIC / 网易云音乐

音乐能力主要由 NeteaseCloudMusicApi 提供。

截图中可见的能力包括：

• search
• song_url
• lyric
• recommend

因此它至少承担：

• 检索歌曲
• 获取可播放链接
• 获取歌词
• 提供推荐候选

5. VOICE / I-O

语音与外部输入输出能力由多个服务组成。

截图中明确出现：

• Fish Audio：语音合成
• Feishu：读取日程或外部信息
• Weather / OpenWeather：天气信息

在当前第一版中，这些能力主要用于“环境理解 + 串场语音生成”，不包含家庭音响投放。

6. 用户画像与规则

截图中的用户侧配置非常关键，说明这个项目并不是完全依赖在线推荐，而是强调“长期可配置的个性化”。

已出现的文件包括：

• taste.md
• routines.md
• playlists.json
• mood-rules.md

这些文件大致对应：

• 音乐口味偏好
• 日常作息与习惯
• 用户自己的歌单数据
• 情绪或场景到音乐风格的映射规则

7. 中控模块

截图中出现了一组明显的后端模块：

• router.js
• context.js
• model.js
• scheduler.js
• tts.js
• state.js

根据命名可推断其职责如下：

router.js

负责意图分流与动作编排，例如决定是先播音乐、先说话，还是同时准备下一首。

context.js

负责拼接系统提示、用户画像、环境信息、历史状态和本轮输入，生成发送给模型的最终上下文。

model.js

负责和 OAI-compatible 模型接口交互，将上下文发送给模型并接收结构化响应。

scheduler.js

负责基于时间的触发，例如早晚固定栏目、整点播报和定时编排任务。

tts.js

负责将 AI 文案转换为音频文件，并接入后续播放流水线。

state.js

负责维护运行状态与记忆，例如消息历史、播放历史、计划、偏好和队列。

上下文构成

截图中提到一个 CONTEXT WINDOW，会在每次触发时拼装若干块信息后再发给模型。可归纳为以下几类：

• 系统提示词：如 DJ 风格、节目规则、输出格式
• 用户语料：如口味、歌单、偏好规则
• 历史记忆：最近播放记录、最近说过的话、当前状态
• 用户输入 / 工具结果：例如搜索结果、播放状态、事件结果
• 环境注入：天气、日历、当前时间等
• 执行轨迹：定时器、webhook 或其他触发来源

这一设计说明项目的关键不在单次问答，而在“多来源上下文拼装 + 稳定结构化输出”。

典型工作流

一个典型的第一版运行流程可以描述为：

1. 用户在浏览器中打开 https://emily.example.com
2. 前端请求 /api/now 获取当前状态
3. Node.js 服务读取用户画像、当前状态和环境信息
4. context.js 组装本轮 prompt
5. model.js 调用 OAI-compatible 模型接口，获取结构化决策
6. router.js 解析决策并分发执行
7. 音乐服务获取歌曲链接、歌词或推荐结果
8. tts.js 将主持词转为音频
9. 浏览器前端播放音乐，并展示 AI 文案与实时状态
10. state.js 记录本轮结果，为下一轮生成提供记忆

接口约定

从截图中能识别出的接口形式，已经比较接近第一版所需的 HTTP / WebSocket 协议层。

已能识别出的接口包括：

• GET /api/now
• GET /api/taste
• GET /api/plan/today
• WS /stream

结合当前部署决策，建议它们对外统一挂在同一子域名下：

• https://emily.example.com/api/now
• https://emily.example.com/api/taste
• https://emily.example.com/api/plan/today
• wss://emily.example.com/stream

从命名推测：

• /api/now：返回当前播放与当前节目状态
• /api/taste：返回用户偏好或画像数据
• /api/plan/today：返回当天计划、节目安排或日程上下文
• /stream：推送实时状态，例如当前句子、播放进度和队列变化

技术栈

根据截图和当前规划，可以明确或高概率判断出的技术栈如下：

• 前端：Web App，后续可扩展为 PWA
• 后端：Node.js
• 模型层：OAI-compatible Model Gateway
• 音乐能力：NeteaseCloudMusicApi
• 语音能力：Fish Audio
• 环境能力：Weather / OpenWeather
• 外部信息接入：Feishu API
• 网关层：Nginx 或 Caddy
• 传输协议：HTTPS + WSS

建议的仓库结构

如果后续要把这个仓库补全为可维护的工程，建议按职责拆成下面的结构：

.
├─ README.md
├─ docs/
│  ├─ architecture.md
│  ├─ api.md
│  └─ deployment.md
├─ user/
│  ├─ taste.md
│  ├─ routines.md
│  ├─ playlists.json
│  └─ mood-rules.md
├─ prompts/
│  ├─ dj-persona.md
│  └─ output-schema.md
├─ state/
│  └─ state.db or state.json
├─ server/
│  ├─ router.js
│  ├─ context.js
│  ├─ model.js
│  ├─ scheduler.js
│  ├─ tts.js
│  └─ state.js
├─ integrations/
│  ├─ music/
│  ├─ voice/
│  ├─ weather/
│  └─ calendar/
├─ web/
│  ├─ src/
│  └─ public/
└─ deploy/
   └─ nginx/

当前仓库状态

目前仓库中可见内容只有三张截图：

• PixPin_2026-04-23_14-41-44.png
• PixPin_2026-04-23_14-42-09.png
• PixPin_2026-04-23_14-44-06.png

这意味着当前文档属于“项目说明 + 第一版方向确认版 README”，适合用于：

• 对外介绍项目概念
• 统一团队对第一版架构的理解
• 为后续补全源码、接口和部署文档提供基线

不适合直接作为：

• 完整上线手册
• 真实 API 文档
• 精确的代码结构说明

后续建议

为了让 Emily 从概念走向可运行工程，建议下一步优先补齐以下内容：

1. 明确 OAI-compatible 模型接口的输入输出协议，固定 JSON schema
2. 明确前端与后端之间的接口契约
3. 明确浏览器播放链路，确认音频源、歌词和 TTS 的时序
4. 把用户画像、规则和状态存储落实为真实目录结构
5. 增补 deployment.md，固化 Nginx + HTTPS + Node.js 的上线方案
6. 为编排流程补一份时序图，明确“说话”和“播歌”的调度关系

项目截图

整体结构图

模块施工图

成品体验图

一句话定义

Emily 是一个部署在服务器上、通过 HTTPS 子域名访问、以前端 Web / PWA 为入口、以 Node.js 为中枢、以 OAI-compatible 模型接口为编排大脑的个人 AI 电台系统。