企业官网建设流程全解析

Fay 数字人智能代理框架：从克隆到跑通自主决策 Agent 的完整指南

【免费下载链接】Fayfay是一个帮助数字人（2.5d、3d、移动、pc、网页）或大语言模型（openai兼容、deepseek）连通业务系统的agent框架。项目地址: https://gitcode.com/GitHub_Trending/fay/Fay

Fay 是一个开源数字人框架，专门帮数字人（2.5D、3D、移动端、PC 端、网页端）和大语言模型（OpenAI 兼容、DeepSeek 等）连通业务系统的 Agent 框架。这篇指南写给第一次接触 Agent 框架、想让 AI 真正"干起活来"的新手和普通用户——不抄官方文档，带你把它读懂、跑通、用起来。

先想清楚：你要解决什么问题

如果你做数字人项目时遇到过这三件事，Fay 大概率能帮上忙：

• 响应慢、答非所问：客服和导购数字人接了大模型，但只会"陪聊"，查不到库存、接不了订单，用户问一句"有货吗"只能干瞪眼；
• 只会等，不会主动：助理类产品永远是你问它答，日程要提醒、任务要跟进，它都"不主动"；
• 语音、文本、形象三套系统各管各的：ASR 转文字是一套、大模型是一套、TTS 说话又是一套，自己拼胶水代码拼到崩溃。

Fay 的定位很直白——把这三层连起来：上面挂数字人形象或聊天面板，中间是大语言模型，下面接你的业务系统（知识库、日程、消息推送、设备控制）。官方给它的三个分支各管一摊：

• 带货版：面向线上、线下销售员场景；
• 助理版：人机交互的数字人助理，还能命令它开关设备；
• Agent 版：可以自主决策、主动联系"主人"的智能代理。

本文以 Agent 版为主，因为"自主决策"和"主动交互"是它最有意思的部分。

它是怎么做到的：输入、理解、决定、行动四步

别被"Agent"这个词吓住。Fay 内部做的事情，翻译成大白话就是一条流水线：

1. 输入（先听懂你说啥）

你说"明天上午十点提醒我开会"，语音先经过 ASR（自动语音识别）变成文字。语音识别能力由 asr/ 目录下的代码提供，基于 FunASR，还支持热词识别——比如你的产品名、专业名词，可以配置成热词，识别准确率会明显更高。

2. 理解（它知道你想干什么）

文字交给大语言模型。Fay 不绑定某一家模型，走的是 OpenAI 兼容协议，GPT、DeepSeek、Moonshot 都可以接。决策主逻辑在 llm/agent/agent_service.py 和 llm/agent/fay_agent.py——说白了，这两个文件就是 Agent 的"大脑"：它决定这句话是直接回，还是要查东西。

3. 决定（要不要动手、动哪只手）

这是 Fay 和普通"聊天机器人"最大的区别：模型可以自己选工具。工具扩展入口在 llm/agent/tools/，仓库里内置了查本地 PDF 知识库、抓网页内容、执行 Python 片段、日程管理、给面板发消息等工具，你往这个目录里加新文件，就多一种"手"。

4. 行动（把结果说出来、做出来）

工具跑完，结果回到模型生成回复；回复再经过 TTS（文字转语音）念出来，tts/ 目录下的代码负责这块，阿里云、Azure 等语音合成服务都能接。最后数字人开口说话，或者聊天面板弹出文字。

这条链路的价值在于：用户只说一句话，"查→想→做→说"全程自动完成。

主动交互：它不等你的指令

被动应答是底线，主动才是 Agent 版的核心卖点。它的"主动"来自两条路：

• 日程和事件触发：你提前交代"周五下午三点有评审会"，到点它自己提醒你。后台的线程管理由 scheduler/ 目录下的代码负责，定时任务到点了就触发一次完整流程——查信息、组织话术、语音播报；
• 记忆和上下文：聊天记录会落库保存（fay.db），并且区分是 Agent 还是纯 LLM 回的；用户相关的历史数据由 core/ 目录下的模块管理。它知道你是谁、聊过什么，下次对话不用从头自我介绍。

换句话说：被动应答靠大模型，主动联系靠调度器加记忆，两者拼起来才是完整的 Fay Agent。

上手路径：5 分钟环境清单 + 4 条命令

环境检查清单

• Python 3.7 及以上；
• 一个 OpenAI 兼容接口的大模型（有 API Key 即可，DeepSeek 也兼容）；
• 可选：语音合成服务密钥、麦克风（纯文本交互可以不要）。

从克隆到启动的 4 条命令

git clone https://gitcode.com/GitHub_Trending/fay/Fay

git checkout fay-agent-edition

pip install -r requirements.txt

python main.py

说明几句：

• 仓库 main 分支是导航页，实际代码在版本分支里，按你的场景选：想玩自主决策就用fay-agent-edition，要数字人助理选fay-assistant-edition，要直播带货选fay-sales-edition；
• requirements.txt列出全部依赖，一条命令装完；
• 启动后是网页控制台，在里面填模型地址和密钥、开关语音合成，然后就能开聊。

配置层面主要就改config.json：模型选择、API 密钥、TTS 服务。改哪一项，看控制台里的提示就行，不用翻代码。

能用来干什么：三个真实场景

场景一：会自己办事的助理。对 Agent 版说"查一下知识库里的退货政策，然后把要点发到我面板上"，它会连知识库工具取资料、整理成回复、再调用发消息工具推到界面。查、想、说、推，一句话闭环。

场景二：直播间和门店的数字导购。带货版把弹幕、用户提问接进来，先过违禁词和格式检查，再交给模型按角色设定回答，回答驱动数字人形象说话。它不是"念稿机器人"，而是能应对自由提问的导购。

场景三：跨端语音助理。助理版支持网页端、移动端操作，可以语音控制设备（开关灯、调音量这类事），还能接 RASA、vLLM 部署的本地模型做离线方案。配合 MetaHuman-Stream 这类方案，同一个 Fay 后端可以同时驱动不同渲染引擎的形象。

Fay 的作者有句话挺准："所有产品都值得用数字人重新做一遍。"它的思路就是把这个"一遍"变便宜——模型、数字人、业务系统三层，一个框架串起来。挑对分支、装好依赖、跑通第一条对话，你就可以开始往 llm/agent/tools/ 里加属于自己业务的"手"了。

【免费下载链接】Fayfay是一个帮助数字人（2.5d、3d、移动、pc、网页）或大语言模型（openai兼容、deepseek）连通业务系统的agent框架。项目地址: https://gitcode.com/GitHub_Trending/fay/Fay