openspec-apply-change

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。

🚀 立即使用

前往MemeMeow官网 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。

• 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。
• 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。

• 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。

• 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

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

./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：

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

./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：

[!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 或 Issue！

📄 License & ⭐ Star History

本项目采用 GNU Affero General Public License v3.0 或更高版本 开源协议。