我的贾维斯开源了，可以语音交互，控制多Agent编排

讲者在一个月前承诺开源自己的项目，今天正式发布了Home Rail。这是一个运行在个人电脑或NAS上的多Agent语音控制系统，用户可以用它来编排多个Agent完成复杂任务。项目原本命名为"牛马"，Logo也已设计，但因商标被注册，最终改名为"Home Rail"——"Home"代表家庭数据中心的定位（讲者本身是Home Lab爱好者），理想环境是运行在NAS上但也支持多设备访问；"Rail"则代表可动态调整的工作流轨道。

讲者计划采用"build in public"模式，在社区监督下分享开发心得。但在介绍产品能力前，他先坦诚说明了局限性。首先，Home Rail不适合软件开发自动化。虽然在一定程度上可做这类任务，但软件工程涉及复杂的质量保证问题，不是流程自动化能解决的。讲者的核心观点是：AI应该创造内容而非代替工程师。以他自己为例，作为博主最终交付物是视频，软件只是生产工具。因此Home Rail只针对"人工检查成果不是必须"的场景设计。

其次，当前产品远未开箱即用。虽然架构已搭建，但每个任务的流畅运行需要用户理解Agent编排机制并测试适配场景。加上Token消耗未优化——讲者因自己拥有多个订阅，靠大量并发来探索系统边界——没有本地部署或充足订阅资源的用户应先等待。

讲者建议的最佳实践是：不要手动部署或编写编排文件，而是让Coding Agent直接读代码库理解系统，然后由AI负责部署与编排。用户完全不需理解DAG引擎原理，只需告诉AI自己的工作流逻辑，由AI生成对应的编排配置。如果任务需要特定环境（如视频制作需FFmpeg），可让AI Agent帮助构建定制镜像。

在交互层面，讲者已开发桌面版支持Coding Agent（Claude Code、Kimi Code或Codex）进行语音控制。若用户有小米API Key，可接入其ASR和TTS能力。他还加入了PS5手柄控制作为实验功能。长期来看，系统应支持手机、平板、电视、投影等多种设备。讲者曾分享过理想场景：出门旅游时用车机和电视盒子完成任务。

发展路线分三阶段：短期目标是强化稳定性、支持多系统、降低新手使用门槛、优化Manager Agent的能力库。中期着重改进生成式UI（让用户交互界面更直观）和编排模板库。长期目标则是让Home Rail稳定运行在家庭NAS上。讲者指出，NAS计算能力不断提升，正从单纯存储工具演变成Agent的运行平台。他自己已在一台256GB内存、96GB显存的Finnows NAS上部署运行，用投影和手柄控制完成各种任务——这正是他心中AI在家庭中的未来样貌。

后续讲者会推出系列教程，讲解如何接入模型、接入skill、调试编排等实操内容，希望社区耐心等待项目完善。