MemeMeow 是一个基于自然语言的表情包检索工具。它能自动标注表情包含义，并通过描述想要的场景或心情，快速找到合适的表情包（无需记住具体的文件名或标签）。 > [!CAUTION] > 本项目返回的表情包结果均由 AI 理解和生成，与开发者本人观点无关。 ## ✨ 核心特性 - **🧠 自动化语境理解**: **无需手动为表情包分类和标注**，内置 OpenCode Agent，选择完整分析上传图片时，Agent 会对图片进行结构化分析、生成语境和描述。 - **📤 直接上传**: 无需运行 Agent 语境分析，使用有效文件名生成文本向量，同时生成图片视觉向量；后台根据图片内容尝试自动命名，生成有效名称后更新文本向量。 - **🤖 自然语言检索**: 采用 Embedding 模型，实现 Q&A 式的检索，能够根据你的描述（如“表达无奈”）找到匹配的图片。 - **👁️ 视觉近邻搜索**: 支持本地 DINOv2 视觉模型，实现图片之间的相似度搜索。 - **📦 容器部署**: 提供 Vue 3 Web 界面和统一的 API，服务可通过 Docker Compose 启动。 ![截图](docs/images/image-preview-zh.png) ## 🚀 立即使用 前往[MemeMeow官网](https://mememeow.cc/home) 立即开始使用，无需本地部署。 支持浏览器直接使用，以及Windows，Android，macos和Linux主要发行版。可在官网下载软件。 > 目前正处于早期测试阶段。可以提交issue或加入交流群反馈错误。 ## 📖 核心功能与使用说明 ### 1. 自然语言检索 系统的主要检索页面，支持通过自然语言查找目标图片。 ![主页截图](docs/images/image-home-zh.png) * **语义检索**：支持输入日常场景描述（如：“表达无奈”、“早上打工人”），系统通过 Embedding 机制检索匹配的图片，不需要依赖确切的文件名或固定的标签。 * **图片复制与保存**：点击检索结果图片，网页端复制到剪贴板，Android 应用保存到相册。 * **输出尺寸**：可选择原图或最长边 60、120、240、360、480、640px，默认原图。保持图片比例，不裁剪，不放大小图；设置保存在当前浏览器。详见[图片复制与相册保存尺寸](docs/search-image-export.md)。 * **详情与预览**：点击图片卡片，可查看后台 Agent 提取的图片描述和语境信息；点击卡片上的放大镜图标可全屏预览原图。 ### 2. 图片库 用于浏览、筛选和管理已上传的表情包文件。 ![图片库截图](docs/images/image-lib-zh.png) * **浏览与过滤**：支持分页查看系统内的所有图片资源，并提供文本过滤功能以定位特定图片。 * **处理状态显示**：图片卡片上会显示各项后台任务（如：视觉向量化、元数据提取、文本向量生成）的状态图标，用于区分该阶段的处理是成功还是失败。 * **批量操作与合集 (Collections)**：支持多选图片，将其打包加入“合集包”，用于后续的统一管理或导出。 * **任务重试**：当部分图片在后台处理环节（如调用大模型分析）失败时，可选中这些图片并点击“重试”按钮，将其重新加入任务队列。 ### 3. 上传图片 将本地的新表情包文件上传至系统，上传成功后可以在图片库中浏览和管理。 ![上传图片截图](docs/images/image-pre-upload-image-zh.png) * **上传方式**：支持以下三种文件导入方式： * **拖拽上传**：将单张图片或多张图片拖入虚线区域。 * **剪贴板上传**：在页面中使用快捷键（如 `Ctrl+V` 或 `Cmd+V`）直接粘贴剪贴板中的图片。 * **点击上传**：点击区域打开文件选择器选择本地文件。 * **处理方式**：在确认提交前，可以选择“直接上传”或“完整分析”。一次选择超过 10 张图片时默认直接上传，10 张及以下默认完整分析，也可以手动修改： * **直接上传**：使用有效文件名生成文本向量，并生成图片视觉向量。后台根据图片内容尝试自动命名，生成有效名称后更新文本向量，无需运行 Agent 语境分析。文件名为无意义的哈希值且没有其他有效检索文本时，文本向量暂时等待有效名称，图片视觉向量仍会正常生成。 * **完整分析**：运行 Agent 分析图片的出处、用法和含义，生成语境和描述，并生成检索所需的向量。 * **完整分析选项**：选择完整分析时，可配置后台 Agent 对这批图片的分析规则： * **反向搜索策略**：设置在遇到较难理解的图片时，是否允许 Agent 使用谷歌进行联网以图搜图，从而获取图片的来源和背景信息。 * **自动命名**：选择是否允许 AI 根据图片内容生成新的文件名。 * **上传队列**：页面下方会显示当前批次文件的上传进度，并支持对上传失败的单个文件进行重试。 ### 4. 处理任务 (Tasks) 查看和管理后台异步执行的长时任务记录。 ![处理任务截图](docs/images/image-processing-tasks-zh.png) * **任务状态**：上传图片后的语境理解、合集的导入等操作会在后台生成任务记录。页面会定期刷新并显示当前任务处于排队中、运行中、成功或失败状态。 * **分类与筛选**：支持按照“任务类型”和“执行状态”对任务列表进行过滤。 * **任务详情**：点击具体的任务列表项，会从侧边展开“任务抽屉”，展示任务执行的详细步骤和报错日志。 * **中断重试**：针对执行失败的任务，可在任务详情页点击重试按钮，系统会尝试从发生错误的环节继续执行。 ## 本地部署 本项目依赖容器化环境进行隔离与部署，请确保机器已安装 **Docker Engine 28或以上** 与 **Compose v2 插件**。 ### 1. 克隆代码与配置环境变量 ```bash git clone https://github.com/MemeMeow-Studio/MemeMeow.git cd MemeMeow # 如果你没有安装 uv，也可以直接复制 .env.example 并手动编辑: # cp .env.example .env uv run python -m scripts.sync_env ``` 执行完毕后，请编辑项目目录下的 `.env` 文件，填写必要的模型配置（特别是 `MEMEMEOW_OPENCODE_BASE_URL` 与 `MEMEMEOW_OPENCODE_API_KEY`，用于 Agent 处理图片语境）。 ### 2. 一键启动 ```bash ./start.sh start ``` 该命令会启动 PostgreSQL（附带 pgvector）、代理执行器 (Agent Executor)、视觉服务以及后端 API 容器。 服务启动成功后，浏览器访问 `http://127.0.0.1:8275/` 即可看到前端界面。 ### 3. 下载本地视觉权重 需要下载官方 DINOv2 权重： ```bash mkdir -p data/models curl -L --fail --output data/models/dinov2_vitb14_pretrain.pth \ https://dl.fbaipublicfiles.com/dinov2/dinov2_vitb14/dinov2_vitb14_pretrain.pth ``` 下载完成后，若环境配置无误，容器内部会自动挂载并启动服务。 ### 常用命令 ```bash ./start.sh status # 查看运行状态 ./start.sh logs # 查看所有服务的日志 ./start.sh logs mememeow -f # 持续跟踪主后端的日志 ./start.sh stop # 安全停止服务（不会丢失数据） ``` ## 🔌 进阶设计与 API MemeMeow 本质是一个 API 驱动的服务。如果你是开发者，可以直接调用 `POST /search` 进行跨应用整合，只要不涉及后台管理，相关检索 API 可供调用。 * **Endpoint**: `POST http://localhost:8275/search` * **JSON 请求示例**: `{"query": "无奈叹气", "n_results": 5, "llm_enhance": false}` * **JSON 响应示例**: `{"results":["/media/uuid-1", "/media/uuid-2"]}` > 官方MemeMeow API正在开发。同时，我们欢迎相关使用需求的讨论。您可以提出issue或加入Q群交流。 ## 加入交流 QQ群 https://qm.qq.com/q/UiY4Ix5xqa ## 📦 社区相关应用 基于 MemeMeow 衍生出的社区项目： | 应用 | 作者 | GitHub | 链接 | | ------------------- | ------------------------------------------------ | ------------------------------------------------------------------------------------------------ | ---------------------------------------------------------------------------------------------------------------- | | VVQuest网页端 | | [VVQuest](https://github.com/DanielZhangyc/VVQuest) | [链接](https://zvv.quest) | | VVQuest*iOS*捷径 | [TomSmith163](https://github.com/TomSmith163) | | [链接](https://www.icloud.com/shortcuts/a7084c7ae29e4de5898ce7c8386705f3) | | HakuBot().vv() 命令 | [apple_catwaii](https://github.com/Apple-QAQ) | | [QQ](https://qm.qq.com/cgi-bin/qm/qr?k=GJSCe1_B98V4Ni6leVtKAjQrAtJW-VG5) | | VVQuest油猴脚本 | [DanielZhangyc](https://github.com/DanielZhangyc) | [vvquest-tampermonkey-extension](https://github.com/DanielZhangyc/vvquest-tampermonkey-extension) | [greasyfork](https://greasyfork.org/zh-CN/scripts/528477-vvquest-vv%E8%A1%A8%E6%83%85%E5%8C%85%E5%8A%A9%E6%89%8B) | | Yunzai-Bot 插件 | [TomyJan](https://github.com/TomyJan) | [TomyJan/Yunzai-TomyJan-Plugin](https://github.com/TomyJan/Yunzai-TomyJan-Plugin/) | | > [!TIP] > 如果你想将自己开发的衍生应用加到这个列表，欢迎提交 [PR](https://github.com/MemeMeow-Studio/MemeMeow/pulls) 或 [Issue](https://github.com/MemeMeow-Studio/MemeMeow/issues)！ ## 📄 License & ⭐ Star History 本项目采用 [GNU Affero General Public License v3.0 或更高版本](LICENSE) 开源协议。 [![Star History Chart](https://api.star-history.com/svg?repos=MemeMeow-Studio/MemeMeow&type=Date)](https://star-history.com/#MemeMeow-Studio/MemeMeow&Date)