[{"content":"Overview FairyField is a desktop AI companion that lives on your desktop as a transparent overlay. Unlike typical AI tools, she\u0026rsquo;s designed to be a companion — a 3D character with emotions, voice, and long-term memory who remembers your conversations from yesterday.\n有灵魂的桌面 AI 伴侣 — 悬浮在桌面上，会笑、会哭、会生气。记得你昨天的烦恼，会用真实的声音跟你聊天。\nPhilosophy In an era flooded with AI tools, FairyField takes a different path — she\u0026rsquo;s not a tool, she\u0026rsquo;s a companion.\nNot another ChatGPT wrapper Not a cold command-line bot A 3D character with emotions, living on your desktop 100% offline voice processing — your voice data never leaves your machine Long-term memory — she remembers what you said Key Features Module Description 3D Character VRM model with emotion-driven expressions, lip-sync, and eye tracking Offline Voice Paraformer speech recognition + Kokoro speech synthesis + Silero voice detection AI Soul Powered by Claude / GPT with autonomous tool calling and emotional companionship Voice Input Click microphone → speak → auto-transcribe → AI response → voice output Long-Term Memory 4-layer memory stack + temporal knowledge graph + vector semantic search Privacy First Voice 100% offline, memory stored in local SQLite Desktop Overlay Transparent always-on-top window with click-through, non-intrusive Security Prompt injection detection + command whitelist + automatic key sanitization Architecture ┌──────────────────────────────────┐ │ Tauri Transparent Window │ │ ┌──────────┐ ┌───────────────┐ │ │ │ 3D Char │ │ Chat Panel │ │ │ │ Three.js │ │ Vue 3 Bubbles │ │ │ │ + VRM │ │ + Voice Input │ │ │ └──────────┘ └───────────────┘ │ ├──────────────────────────────────┤ │ Tauri IPC Layer │ ├──────────────────────────────────┤ │ Rust Backend │ │ ├── agent/ AI Soul │ │ ├── voice/ ASR/TTS/VAD │ │ ├── memory/ Memory + KG │ │ ├── tools/ Tool System │ │ ├── security/ Safety Guard │ │ ├── gateway/ Discord Notify │ │ └── growth/ Autonomous Growth │ └──────────────────────────────────┘ Tech Stack Layer Technology 3D Rendering Three.js + @pixiv/three-vrm Desktop Framework Tauri 2.0 (Rust) Frontend Vue 3 + TypeScript AI Conversation OpenAI / Anthropic API Speech Recognition sherpa-onnx Paraformer Speech Synthesis sherpa-onnx Kokoro Voice Detection sherpa-onnx Silero VAD Storage SQLite + FTS5 + sqlite-vec Knowledge Graph Temporal Triples Security Prompt Injection Detection + Command Guard + Key Sanitization Project Status Phase Content Status 0 – 4.5 Architecture → Core → Voice → Intelligence → Polish Done 5 MVP Release (real voice engine + voice input UI) Done Future Holographic projection · Data collection · More platforms Planned Testing 341 tests passed (248 Rust + 93 frontend) Source Code Available on GitHub.\n","permalink":"https://fallfield.github.io/projects/fairyfield/","summary":"\u003ch2 id=\"overview\"\u003eOverview\u003c/h2\u003e\n\u003cp\u003eFairyField is a \u003cstrong\u003edesktop AI companion\u003c/strong\u003e that lives on your desktop as a transparent overlay. Unlike typical AI tools, she\u0026rsquo;s designed to be a companion — a 3D character with emotions, voice, and long-term memory who remembers your conversations from yesterday.\u003c/p\u003e\n\u003cblockquote\u003e\n\u003cp\u003e有灵魂的桌面 AI 伴侣 — 悬浮在桌面上，会笑、会哭、会生气。记得你昨天的烦恼，会用真实的声音跟你聊天。\u003c/p\u003e\n\u003c/blockquote\u003e\n\u003ch2 id=\"philosophy\"\u003ePhilosophy\u003c/h2\u003e\n\u003cp\u003eIn an era flooded with AI tools, FairyField takes a different path — \u003cstrong\u003eshe\u0026rsquo;s not a tool, she\u0026rsquo;s a companion\u003c/strong\u003e.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eNot another ChatGPT wrapper\u003c/li\u003e\n\u003cli\u003eNot a cold command-line bot\u003c/li\u003e\n\u003cli\u003eA 3D character with emotions, living on your desktop\u003c/li\u003e\n\u003cli\u003e100% offline voice processing — your voice data never leaves your machine\u003c/li\u003e\n\u003cli\u003eLong-term memory — she remembers what you said\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2 id=\"key-features\"\u003eKey Features\u003c/h2\u003e\n\u003ctable\u003e\n  \u003cthead\u003e\n      \u003ctr\u003e\n          \u003cth\u003eModule\u003c/th\u003e\n          \u003cth\u003eDescription\u003c/th\u003e\n      \u003c/tr\u003e\n  \u003c/thead\u003e\n  \u003ctbody\u003e\n      \u003ctr\u003e\n          \u003ctd\u003e\u003cstrong\u003e3D Character\u003c/strong\u003e\u003c/td\u003e\n          \u003ctd\u003eVRM model with emotion-driven expressions, lip-sync, and eye tracking\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd\u003e\u003cstrong\u003eOffline Voice\u003c/strong\u003e\u003c/td\u003e\n          \u003ctd\u003eParaformer speech recognition + Kokoro speech synthesis + Silero voice detection\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd\u003e\u003cstrong\u003eAI Soul\u003c/strong\u003e\u003c/td\u003e\n          \u003ctd\u003ePowered by Claude / GPT with autonomous tool calling and emotional companionship\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd\u003e\u003cstrong\u003eVoice Input\u003c/strong\u003e\u003c/td\u003e\n          \u003ctd\u003eClick microphone → speak → auto-transcribe → AI response → voice output\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd\u003e\u003cstrong\u003eLong-Term Memory\u003c/strong\u003e\u003c/td\u003e\n          \u003ctd\u003e4-layer memory stack + temporal knowledge graph + vector semantic search\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd\u003e\u003cstrong\u003ePrivacy First\u003c/strong\u003e\u003c/td\u003e\n          \u003ctd\u003eVoice 100% offline, memory stored in local SQLite\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd\u003e\u003cstrong\u003eDesktop Overlay\u003c/strong\u003e\u003c/td\u003e\n          \u003ctd\u003eTransparent always-on-top window with click-through, non-intrusive\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd\u003e\u003cstrong\u003eSecurity\u003c/strong\u003e\u003c/td\u003e\n          \u003ctd\u003ePrompt injection detection + command whitelist + automatic key sanitization\u003c/td\u003e\n      \u003c/tr\u003e\n  \u003c/tbody\u003e\n\u003c/table\u003e\n\u003ch2 id=\"architecture\"\u003eArchitecture\u003c/h2\u003e\n\u003cpre tabindex=\"0\"\u003e\u003ccode\u003e┌──────────────────────────────────┐\n│         Tauri Transparent Window  │\n│  ┌──────────┐  ┌───────────────┐  │\n│  │ 3D Char  │  │ Chat Panel    │  │\n│  │ Three.js │  │ Vue 3 Bubbles │  │\n│  │ + VRM    │  │ + Voice Input │  │\n│  └──────────┘  └───────────────┘  │\n├──────────────────────────────────┤\n│         Tauri IPC Layer           │\n├──────────────────────────────────┤\n│  Rust Backend                    │\n│  ├── agent/    AI Soul           │\n│  ├── voice/    ASR/TTS/VAD       │\n│  ├── memory/   Memory + KG       │\n│  ├── tools/    Tool System       │\n│  ├── security/ Safety Guard      │\n│  ├── gateway/  Discord Notify    │\n│  └── growth/   Autonomous Growth │\n└──────────────────────────────────┘\n\u003c/code\u003e\u003c/pre\u003e\u003ch2 id=\"tech-stack\"\u003eTech Stack\u003c/h2\u003e\n\u003ctable\u003e\n  \u003cthead\u003e\n      \u003ctr\u003e\n          \u003cth\u003eLayer\u003c/th\u003e\n          \u003cth\u003eTechnology\u003c/th\u003e\n      \u003c/tr\u003e\n  \u003c/thead\u003e\n  \u003ctbody\u003e\n      \u003ctr\u003e\n          \u003ctd\u003e3D Rendering\u003c/td\u003e\n          \u003ctd\u003eThree.js + @pixiv/three-vrm\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd\u003eDesktop Framework\u003c/td\u003e\n          \u003ctd\u003eTauri 2.0 (Rust)\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd\u003eFrontend\u003c/td\u003e\n          \u003ctd\u003eVue 3 + TypeScript\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd\u003eAI Conversation\u003c/td\u003e\n          \u003ctd\u003eOpenAI / Anthropic API\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd\u003eSpeech Recognition\u003c/td\u003e\n          \u003ctd\u003esherpa-onnx Paraformer\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd\u003eSpeech Synthesis\u003c/td\u003e\n          \u003ctd\u003esherpa-onnx Kokoro\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd\u003eVoice Detection\u003c/td\u003e\n          \u003ctd\u003esherpa-onnx Silero VAD\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd\u003eStorage\u003c/td\u003e\n          \u003ctd\u003eSQLite + FTS5 + sqlite-vec\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd\u003eKnowledge Graph\u003c/td\u003e\n          \u003ctd\u003eTemporal Triples\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd\u003eSecurity\u003c/td\u003e\n          \u003ctd\u003ePrompt Injection Detection + Command Guard + Key Sanitization\u003c/td\u003e\n      \u003c/tr\u003e\n  \u003c/tbody\u003e\n\u003c/table\u003e\n\u003ch2 id=\"project-status\"\u003eProject Status\u003c/h2\u003e\n\u003ctable\u003e\n  \u003cthead\u003e\n      \u003ctr\u003e\n          \u003cth\u003ePhase\u003c/th\u003e\n          \u003cth\u003eContent\u003c/th\u003e\n          \u003cth\u003eStatus\u003c/th\u003e\n      \u003c/tr\u003e\n  \u003c/thead\u003e\n  \u003ctbody\u003e\n      \u003ctr\u003e\n          \u003ctd\u003e0 – 4.5\u003c/td\u003e\n          \u003ctd\u003eArchitecture → Core → Voice → Intelligence → Polish\u003c/td\u003e\n          \u003ctd\u003eDone\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd\u003e5\u003c/td\u003e\n          \u003ctd\u003eMVP Release (real voice engine + voice input UI)\u003c/td\u003e\n          \u003ctd\u003eDone\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd\u003eFuture\u003c/td\u003e\n          \u003ctd\u003eHolographic projection · Data collection · More platforms\u003c/td\u003e\n          \u003ctd\u003ePlanned\u003c/td\u003e\n      \u003c/tr\u003e\n  \u003c/tbody\u003e\n\u003c/table\u003e\n\u003ch2 id=\"testing\"\u003eTesting\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cstrong\u003e341 tests passed\u003c/strong\u003e (248 Rust + 93 frontend)\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2 id=\"source-code\"\u003eSource Code\u003c/h2\u003e\n\u003cp\u003eAvailable on \u003ca href=\"https://github.com/FALLfield/FairyField\"\u003eGitHub\u003c/a\u003e.\u003c/p\u003e","title":"FairyField"},{"content":"Why Multi-Agent? 传统的 AI 对话都是一对一的 — 你问，它答。但现实中的问题往往需要多角度思考。一个技术决策，理性的分析师和创造性的探索者会给出截然不同的建议；一个创意方案，批评者和实用主义者会看到完全不同的盲点。\n这个项目的核心问题是：如果我们让多个具有不同人格和专长的 AI 智能体一起讨论，能不能得到比单一 AI 更全面、更有洞见的答案？\n这就是 Pluralistic AI Reasoning — 多元化 AI 推理。\nArchitecture Decisions Flutter for Everything 选择 Flutter 不是因为它是最流行的，而是因为我们需要真正的跨平台 — Web、iOS、Android、桌面端全覆盖。Multi-Agent Chat 作为一个协作讨论工具，用户可能在手机上快速发起讨论，在桌面上深度参与辩论，或者通过 Web 端分享给没有安装 App 的朋友。\nMaterial 3 的设计语言给了我们统一且现代的 UI 基础，dark/light 主题切换也变得自然。\nFirebase as the Invisible Backend 我们选择了 Serverless 架构 — Firebase 提供认证、数据库、实时同步，不需要自己维护任何服务器。Firestore 的 snapshot listener 让多用户实时协作变得简单：\n// 毫秒级的实时同步就这么简单 firestore.collection(\u0026#39;messages\u0026#39;).snapshots().listen((snapshot) { // 所有群组成员同时看到新消息 }); Unified SSE Engine 一个关键的技术决策：用一个统一的方法处理所有 LLM 提供商。Kimi、DeepSeek、Qwen、Doubao 都支持 OpenAI 兼容的接口，所以我们的 SSE 流式引擎只需要一个核心方法：\nStream\u0026lt;String\u0026gt; _callLLMStream(String endpoint, Map payload) async* { // 统一处理所有提供商的流式响应 } 只有 Doubao 需要一点点特殊处理（endpoint ID），其余完全通用。\nThe Interesting Parts Context Engineering — 上下文工程 LLM 的上下文窗口是有限的。当讨论超过 10 轮时，我们把历史消息压缩成摘要，再用滑动窗口保留最近 6 条消息。这样既保持了对话的连贯性，又不会超出 token 限制。\n每条消息在发送给 LLM 时会被分配不同的角色（system/user/assistant），这取决于消息的来源 — 这直接影响 LLM 的回复质量。\n@Mention System @AgentName 触发特定智能体回复，@UserName 将该用户最近的发言注入上下文。这个设计灵感来自团队协作工具中的 @ 提及功能，但在 AI 对话场景下有了新的意义 — 你可以指挥特定的 AI 人格来回应特定的问题。\nAI-Assisted Development 这个项目本身也是 AI 协作的一次实践。开发过程中使用了四种不同的 AI 工具：\nGemini Deep Research — 前期调研和技术选型 Claude Code — 核心架构和复杂逻辑实现 Kiro — UI 组件和交互设计 Antigravity — 调试和优化 这恰好呼应了项目的核心理念：不同的 AI 有不同的擅长领域，协作比单打独斗更有效。\nWhat I Learned 上下文管理是 LLM 应用的核心难题 — 不仅仅是技术问题，更是设计问题。如何在不丢失关键信息的前提下压缩对话历史，这需要精心设计。\nServerless 架构适合快速原型 — Firebase 让我们跳过了后端开发的复杂性，直接专注于产品逻辑。但也有代价：数据模型的设计受到 Firestore 的约束。\n多智能体系统的 prompt 设计比想象中更微妙 — 每个智能体的人格设定不仅要定义它的专业领域，还要定义它的表达风格和论证方式，这样对话才会有真正的多样性。\nAI 辅助开发改变了编程的方式 — 不是替代开发者，而是让开发者更像一个架构师和指挥者，把实现细节交给 AI，自己专注于设计和决策。\nNext Steps 添加本地加密存储 API Key 支持更多 LLM 提供商（GPT-4, Claude 等） 实现讨论结果的智能聚合和可视化 探索语音对话模式 这个项目还在持续开发中，欢迎在线体验或在 GitHub 上关注进展。\n","permalink":"https://fallfield.github.io/posts/building-multi-agent-chat/","summary":"\u003ch2 id=\"why-multi-agent\"\u003eWhy Multi-Agent?\u003c/h2\u003e\n\u003cp\u003e传统的 AI 对话都是一对一的 — 你问，它答。但现实中的问题往往需要多角度思考。一个技术决策，理性的分析师和创造性的探索者会给出截然不同的建议；一个创意方案，批评者和实用主义者会看到完全不同的盲点。\u003c/p\u003e\n\u003cp\u003e这个项目的核心问题是：\u003cstrong\u003e如果我们让多个具有不同人格和专长的 AI 智能体一起讨论，能不能得到比单一 AI 更全面、更有洞见的答案？\u003c/strong\u003e\u003c/p\u003e\n\u003cp\u003e这就是 \u003cstrong\u003ePluralistic AI Reasoning\u003c/strong\u003e — 多元化 AI 推理。\u003c/p\u003e\n\u003ch2 id=\"architecture-decisions\"\u003eArchitecture Decisions\u003c/h2\u003e\n\u003ch3 id=\"flutter-for-everything\"\u003eFlutter for Everything\u003c/h3\u003e\n\u003cp\u003e选择 Flutter 不是因为它是最流行的，而是因为我们需要真正的跨平台 — Web、iOS、Android、桌面端全覆盖。Multi-Agent Chat 作为一个协作讨论工具，用户可能在手机上快速发起讨论，在桌面上深度参与辩论，或者通过 Web 端分享给没有安装 App 的朋友。\u003c/p\u003e\n\u003cp\u003eMaterial 3 的设计语言给了我们统一且现代的 UI 基础，dark/light 主题切换也变得自然。\u003c/p\u003e\n\u003ch3 id=\"firebase-as-the-invisible-backend\"\u003eFirebase as the Invisible Backend\u003c/h3\u003e\n\u003cp\u003e我们选择了 Serverless 架构 — Firebase 提供认证、数据库、实时同步，不需要自己维护任何服务器。Firestore 的 snapshot listener 让多用户实时协作变得简单：\u003c/p\u003e\n\u003cdiv class=\"highlight\"\u003e\u003cpre tabindex=\"0\" class=\"chroma\"\u003e\u003ccode class=\"language-dart\" data-lang=\"dart\"\u003e\u003cspan class=\"line\"\u003e\u003cspan class=\"cl\"\u003e\u003cspan class=\"c1\"\u003e// 毫秒级的实时同步就这么简单\n\u003c/span\u003e\u003c/span\u003e\u003c/span\u003e\u003cspan class=\"line\"\u003e\u003cspan class=\"cl\"\u003e\u003cspan class=\"c1\"\u003e\u003c/span\u003e\u003cspan class=\"n\"\u003efirestore\u003c/span\u003e\u003cspan class=\"p\"\u003e.\u003c/span\u003e\u003cspan class=\"n\"\u003ecollection\u003c/span\u003e\u003cspan class=\"p\"\u003e(\u003c/span\u003e\u003cspan class=\"s1\"\u003e\u0026#39;messages\u0026#39;\u003c/span\u003e\u003cspan class=\"p\"\u003e).\u003c/span\u003e\u003cspan class=\"n\"\u003esnapshots\u003c/span\u003e\u003cspan class=\"p\"\u003e().\u003c/span\u003e\u003cspan class=\"n\"\u003elisten\u003c/span\u003e\u003cspan class=\"p\"\u003e((\u003c/span\u003e\u003cspan class=\"n\"\u003esnapshot\u003c/span\u003e\u003cspan class=\"p\"\u003e)\u003c/span\u003e \u003cspan class=\"p\"\u003e{\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan class=\"line\"\u003e\u003cspan class=\"cl\"\u003e  \u003cspan class=\"c1\"\u003e// 所有群组成员同时看到新消息\n\u003c/span\u003e\u003c/span\u003e\u003c/span\u003e\u003cspan class=\"line\"\u003e\u003cspan class=\"cl\"\u003e\u003cspan class=\"c1\"\u003e\u003c/span\u003e\u003cspan class=\"p\"\u003e});\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\u003c/div\u003e\u003ch3 id=\"unified-sse-engine\"\u003eUnified SSE Engine\u003c/h3\u003e\n\u003cp\u003e一个关键的技术决策：\u003cstrong\u003e用一个统一的方法处理所有 LLM 提供商\u003c/strong\u003e。Kimi、DeepSeek、Qwen、Doubao 都支持 OpenAI 兼容的接口，所以我们的 SSE 流式引擎只需要一个核心方法：\u003c/p\u003e","title":"Building Multi-Agent Chat: When Multiple AI Minds Collaborate"},{"content":"Overview Multi-Agent Chat is a cross-platform Flutter application that creates a collaborative AI discussion environment. Instead of interacting with a single AI model, users configure multiple AI agents with distinct personalities and expertise, then watch them debate and collaborate on topics in real-time.\nThe project explores pluralistic AI reasoning — the idea that diverse perspectives from agents with different personas produce richer, more balanced insights than any single model could provide.\nKey Features Multi-Agent Discussion System Two discussion modes power the collaborative experience:\nSequential Mode: Agents respond one by one (1–5 rounds), with later agents seeing all previous responses and building upon them Concurrent Mode: All selected agents respond simultaneously for rapid collection of diverse perspectives Conclusion Phase: After sequential debates, each agent gives a final stance, followed by a neutral Moderator synthesizing all views Smart Agent Configuration Multi-Provider Support: Integrates with Kimi, DeepSeek, Qwen, and Doubao Preset Templates: 5 professionally designed agent personas — Rational Analyst, Creative Pioneer, Critic, Pragmatist, and Humanist Custom Personalities: Users can create agents with custom prompts and behaviors Independent API Keys: Each agent uses its own key for privacy and flexibility Collaborative Groups 6-Digit Invite Codes for easy sharing Real-Time Synchronization via Firestore — all members see updates within milliseconds Role-Based Permissions: Group leaders manage agents and settings Multi-Session Support: Multiple discussion threads per group with persistent history Advanced Interactions @Mention System: @AgentName triggers specific responses; @UserName injects user context Streaming Output: Real-time character-by-character rendering Auto-Summarization: After 10+ messages, automatic context compression kicks in Tech Stack Layer Technology Frontend Flutter 3.10+ / Dart State Management Provider (5 ChangeNotifiers) Backend Firebase (Auth + Firestore) LLM Integration SSE streaming to 4 providers UI Framework Material 3 with dark/light themes i18n Custom LocaleService (CN/EN) Export Markdown file export Architecture Highlights Unified SSE Engine — A single _callLLMStream() method handles all 4 LLM providers through OpenAI-compatible endpoints, with minimal branching for provider-specific quirks.\nSliding Window Context — Smart context management keeps the last 6 messages + session summary to prevent token overflow while maintaining conversation coherence.\nFirestore Data Model — Flat collection structure:\ngroups/ → Group metadata and member management agents/ → Individual agent configurations with API keys sessions/ → Discussion threads with auto-generated summaries messages/ → Rich message history with reply relationships Real-Time Sync — Multiple Firestore snapshot listeners ensure millisecond-level synchronization across all group members.\nCross-Platform Runs on Web, iOS, Android, macOS, Linux, and Windows with responsive layouts optimized for each form factor. Material 3 design language with adaptive UI components.\nAI-Assisted Development This project was built using 4 different AI development tools — Gemini Deep Research, Antigravity, Kiro, and Claude Code — serving as a practical exploration of effective human-AI collaboration patterns in software engineering.\nSource Code Available on GitHub.\n在线体验 →\n","permalink":"https://fallfield.github.io/projects/multi-agent-chat/","summary":"\u003ch2 id=\"overview\"\u003eOverview\u003c/h2\u003e\n\u003cp\u003eMulti-Agent Chat is a cross-platform Flutter application that creates a \u003cstrong\u003ecollaborative AI discussion environment\u003c/strong\u003e. Instead of interacting with a single AI model, users configure multiple AI agents with distinct personalities and expertise, then watch them debate and collaborate on topics in real-time.\u003c/p\u003e\n\u003cp\u003eThe project explores \u003cstrong\u003epluralistic AI reasoning\u003c/strong\u003e — the idea that diverse perspectives from agents with different personas produce richer, more balanced insights than any single model could provide.\u003c/p\u003e","title":"Multi-Agent Chat Platform"},{"content":"This Website 是的，这个网站本身也是一个项目。\nTech Stack Hugo — 静态站点生成器，构建速度极快 PaperMod — 简洁优雅的 Hugo 主题 GitHub Pages — 免费托管和自动部署 Markdown — 内容全部用 Markdown 编写 Features Profile mode 首页 双语内容（中文/英文） Fuse.js 全文搜索 GitHub Issues 评论入口 深色/浅色主题切换 响应式设计 Source See the code on GitHub.\n","permalink":"https://fallfield.github.io/projects/my-first-projects/","summary":"\u003ch2 id=\"this-website\"\u003eThis Website\u003c/h2\u003e\n\u003cp\u003e是的，这个网站本身也是一个项目。\u003c/p\u003e\n\u003ch2 id=\"tech-stack\"\u003eTech Stack\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cstrong\u003eHugo\u003c/strong\u003e — 静态站点生成器，构建速度极快\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003ePaperMod\u003c/strong\u003e — 简洁优雅的 Hugo 主题\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003eGitHub Pages\u003c/strong\u003e — 免费托管和自动部署\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003eMarkdown\u003c/strong\u003e — 内容全部用 Markdown 编写\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2 id=\"features\"\u003eFeatures\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003eProfile mode 首页\u003c/li\u003e\n\u003cli\u003e双语内容（中文/英文）\u003c/li\u003e\n\u003cli\u003eFuse.js 全文搜索\u003c/li\u003e\n\u003cli\u003eGitHub Issues 评论入口\u003c/li\u003e\n\u003cli\u003e深色/浅色主题切换\u003c/li\u003e\n\u003cli\u003e响应式设计\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2 id=\"source\"\u003eSource\u003c/h2\u003e\n\u003cp\u003eSee the code on \u003ca href=\"https://github.com/FALLfield/FallField_Hugo_source\"\u003eGitHub\u003c/a\u003e.\u003c/p\u003e","title":"This Site"},{"content":"你好，我是付垂野（Haoxuan Xie），一个对数字世界充满好奇的探索者。\nWho I Am 我叫 FallField，梦想成为一名数字艺术家。目前专注于数字人（Digital Human）和AI 人智交互的研究与开发，正在不断学习和探索中。\nWhat I Do AI 应用开发 — 利用 LLM 构建多智能体协作平台，探索 pluralistic AI reasoning 的可能性（基本开发已完成，可以试玩） Flutter 全平台开发 — Web、iOS、Android、macOS 多端适配，Material 3 设计语言 数字伴侣 - 像光环中的士官长一样拥有自己的AI助手（绝赞开发中） 数字艺术创作 — 探索 AI 与艺术结合的边界，追求技术与美学的融合 Projects 我的项目围绕 AI 和创意工具展开。目前我的主要项目是关于数字代理和人的信任研究，同时开发基本完成 Multi-Agent Chat 是一个跨平台的 AI 多智能体讨论平台，支持多个 AI 人格实时协作与辩论。在这之后我将会着力于数字伴侣/数字伙伴的开发。\nTech Stack Flutter Dart Firebase Hugo Python LLM APIs Firebase\nConnect GitHub: FALLfield 知乎: 付垂野 Bilibili: 我的频道 Always learning, always creating.\n","permalink":"https://fallfield.github.io/about/","summary":"\u003cp\u003e你好，我是付垂野（Haoxuan Xie），一个对数字世界充满好奇的探索者。\u003c/p\u003e\n\u003ch2 id=\"who-i-am\"\u003eWho I Am\u003c/h2\u003e\n\u003cp\u003e我叫 FallField，梦想成为一名数字艺术家。目前专注于\u003cstrong\u003e数字人（Digital Human）\u003cstrong\u003e和\u003c/strong\u003eAI 人智交互\u003c/strong\u003e的研究与开发，正在不断学习和探索中。\u003c/p\u003e\n\u003ch2 id=\"what-i-do\"\u003eWhat I Do\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cstrong\u003eAI 应用开发\u003c/strong\u003e — 利用 LLM 构建多智能体协作平台，探索 pluralistic AI reasoning 的可能性（基本开发已完成，可以试玩）\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003eFlutter 全平台开发\u003c/strong\u003e — Web、iOS、Android、macOS 多端适配，Material 3 设计语言\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e数字伴侣\u003c/strong\u003e - 像光环中的士官长一样拥有自己的AI助手（绝赞开发中）\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e数字艺术创作\u003c/strong\u003e — 探索 AI 与艺术结合的边界，追求技术与美学的融合\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2 id=\"projects\"\u003eProjects\u003c/h2\u003e\n\u003cp\u003e我的项目围绕 AI 和创意工具展开。目前我的主要项目是关于数字代理和人的信任研究，同时开发基本完成 \u003ca href=\"/projects/multi-agent-chat/\"\u003eMulti-Agent Chat\u003c/a\u003e 是一个跨平台的 AI 多智能体讨论平台，支持多个 AI 人格实时协作与辩论。在这之后我将会着力于数字伴侣/数字伙伴的开发。\u003c/p\u003e\n\u003ch2 id=\"tech-stack\"\u003eTech Stack\u003c/h2\u003e\n\u003cp\u003e\u003ccode\u003eFlutter\u003c/code\u003e \u003ccode\u003eDart\u003c/code\u003e \u003ccode\u003eFirebase\u003c/code\u003e \u003ccode\u003eHugo\u003c/code\u003e \u003ccode\u003ePython\u003c/code\u003e \u003ccode\u003eLLM APIs\u003c/code\u003e \u003ccode\u003eFirebase\u003c/code\u003e\u003c/p\u003e\n\u003ch2 id=\"connect\"\u003eConnect\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cstrong\u003eGitHub\u003c/strong\u003e: \u003ca href=\"https://github.com/FALLfield\"\u003eFALLfield\u003c/a\u003e\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e知乎\u003c/strong\u003e: \u003ca href=\"https://www.zhihu.com/people/89-6-31-20-69\"\u003e付垂野\u003c/a\u003e\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003eBilibili\u003c/strong\u003e: \u003ca href=\"https://space.bilibili.com/132577055\"\u003e我的频道\u003c/a\u003e\u003c/li\u003e\n\u003c/ul\u003e\n\u003chr\u003e\n\u003cp\u003e\u003cem\u003eAlways learning, always creating.\u003c/em\u003e\u003c/p\u003e","title":"About Me"}]